2396部黄片，Meta偷黄片训练AI，遭天价索赔，一片罚15万...

近日，两家成人电影公司对Meta提起诉讼，指控其未经许可使用BT下载2396部影视作品用于AI模型训练，涵盖视频生成器及大语言模型。每部影片索赔15万美元，总金额高达3.59亿美元。

从技术角度看，这起事件暴露了AI训练数据来源的合规风险。训练数据如同代码依赖库，若随意引入未经授权的内容，极易埋下法律隐患。Meta作为行业巨头仍陷入此类争议，反映出在AI竞赛中“急功近利”与“侥幸心理”的普遍倾向。

尽管网络调侃不断，如“重生之Facebook盗我片”，但此案警示意义重大：随着AI对高价值内容的依赖加深，版权纠纷将日益频繁。未来，合规获取训练数据应成为企业核心竞争力之一。算力与算法固然重要，但若数据源头不合法，模型成果终难持久。

对开发者而言，代码可借鉴开源社区，但数据不可随意复制。构建AI系统时，必须建立严格的数据溯源与授权机制，避免因短期效率牺牲长期合规性。

有一排座位，学生编号为0到n-1，情侣配对规则为id/2相同者为一对（即0–1、2–3等）。当前座位顺序混乱，每次操作可交换任意两人位置，目标是使所有情侣相邻而坐，求最少交换次数。

以数组[3, 2, 0, 1]为例，理想状态是(3,2)和(0,1)分别相邻。采用贪心策略结合哈希表优化查找效率，可在线性时间内求解。

具体方法：遍历每对相邻座位（0和1、2和3…），固定左侧人员，查找其伴侣是否在右侧。若不在，则将其伴侣直接交换至右侧，并更新位置索引表。每轮最多一次交换，确保整体最优。

import java.util.*;

publicclass MinSwapsSeat {
    // 假设座位数组 seats 长度为偶数，学生编号从 0..n-1，配对规则是 x/2 相同即为一对
    public static int minSwapsCouples(int[] seats) {
        int n = seats.length;
        // pos[studentId] = 当前所在下标
        int[] pos = newint[n];
        for (int i = 0; i < n; i++) pos[seats[i]] = i;

        int swaps = 0;
        for (int i = 0; i < n; i += 2) {
            int a = seats[i];
            int bShould = partner(a);       // a 的另一半应该是谁
            int j = i + 1;                  // a 右边这个位置

            if (seats[j] == bShould) {
                continue; // 这对已经坐好
            }
            // 把 bShould 换到 j 的位置
            swaps++;
            int bPos = pos[bShould];        // bShould 当前真实位置
            swap(seats, j, bPos);

            // 别忘了同步位置信息
            pos[seats[bPos]] = bPos;
            pos[seats[j]] = j;
        }
        return swaps;
    }

    private static int partner(int x) {
        return (x % 2 == 0) ? x + 1 : x - 1;
    }

    private static void swap(int[] a, int i, int j) {
        int t = a[i]; a[i] = a[j]; a[j] = t;
    }

    // 小测一下
    public static void main(String[] args) {
        int[] seats1 = {3, 2, 0, 1}; // 期望 0 次（(3,2) 与 (0,1) 都是搭子）
        int[] seats2 = {0, 2, 1, 3}; // 期望 1 次（把 2 和 1 互换）
        System.out.println(minSwapsCouples(seats1));
        System.out.println(minSwapsCouples(seats2));
    }
}

该贪心策略能保证最小交换次数的原因在于：处理每对座位时，左侧人员的唯一合法搭档必须位于右侧。若其不在，则必须进行一次交换将其调入，此操作不可省略。由于每次交换都直接促成一对就位，因此不会产生冗余操作。

时间复杂度为O(n)，空间复杂度为O(n)，主要开销来自维护“人→位置”的哈希映射。对于任意配对规则（如通过pair[id]指定搭档），只需修改partner函数为查表即可适配；环形座位场景亦不影响该策略有效性。