人工智慧訓練資料價格不菲，最適合財大氣粗的科技公司使用。 這也是哈佛大學計劃發布一個公開資料集的原因，該資料集包含約100 萬本公共領域的書籍，涵蓋各種類型、語言和作者，其中包括狄更斯、但丁和莎士比亞，這些書籍由於年代久遠已不再受版權保護。

新資料集尚未發布，也不清楚何時或如何發布，它所包含的書籍來自Google的長期書籍掃描專案Google Books，因此Google將參與發布”這個寶庫的廣泛應用”。

哈佛大學早在3 月就首次預告了機構數據倡議（IDI），概述了其創建”人工智慧法律資料可信賴管道”的計劃。 然而，直到今天正式啟動之前，該計劃一直鮮有消息，IDI 得到了微軟和OpenAI 的資金支持。

IDI 的執行董事Greg Leppert表示，該資料集旨在”公平競爭”，向希望訓練大型語言模型(LLM) 的任何人（從研究實驗室到AI 新創公司）開放如此龐大的資料集。