NVIDIA sieht sich wegen angeblicher unlizenzierter Datensammlung für KI-Modelle unter Druck gesetzt

Von 404 Media erhaltene geleakte Dokumente deuten darauf hin, dass NVIDIA unzulässige Datensammlung betrieb und Filmaufnahmen sowie Spielfootage aus dem gesamten Internet nutzte, um seine künstlichen Intelligenz-Produkte zu trainieren. 

Die geleakten Dokumente zeigen, dass sie versuchten, vollständige Filme von verschiedenen Kanälen herunterzuladen, darunter Netflix, und ihr Hauptinteresse galt YouTube-Videos. Aus den von 404 Media erhaltenen E-Mails geht hervor, dass die Projektmanager beabsichtigten, zwischen 20 und 30 virtuelle Maschinen auf Amazon Web Services einzusetzen, um an einem Tag 80 Jahre an Videos zu erhalten.

NVIDIA verteidigt sein Handeln und beruft sich auf das Fair-Use-Gesetz

Data Scraping ist die Praxis, Video-, Text- und Audioinhalte aus dem Internet ohne Erlaubnis der Inhaltseigentümer zu extrahieren, um KI-Modelle zu trainieren. Diese Praxis könnte als die Nutzung von Inhalten aus sozialen Medien betrachtet werden, die urheberrechtlich geschütztes Material enthalten. 

NVIDIA hat erklärt, dass es bei der Datensammlung keine Urheberrechtsgesetze gebrochen hat. Das Unternehmen erklärte auch, dass seine Aktivitäten unter die Fair-Use-Doktrin fallen, da es urheberrechtlich geschütztes Material zum Training von KI nutzt.

Dokumente, die von 404 Media aus internen Kommunikationen erhalten wurden, zeigen, dass einige NVIDIA-Mitarbeiter Bedenken hinsichtlich dieser Datensammlung äußerten. Projektmanager sollen die Bedenken jedoch heruntergespielt haben und angemerkt haben, dass rechtliche Bedenken, wie Verstöße gegen die Nutzungsbedingungen von YouTube, später behandelt würden. 

Ein Mitarbeiter wies darauf hin, dass die KI-Ingenieure von NVIDIA so viele Spielaufnahmen wie möglich erhalten wollten, um den Trainingskorpus zu bereichern. Dies umfasste das Streamen des Gameplays zum NVIDIA GeForceNow-Cloud-Dienst, um Gameplay-Videos in hoher Auflösung aufzuzeichnen. Jim Fan, leitender Forschungsanalyst, betonte in internen Nachrichten ebenfalls die Bedeutung solcher Aufnahmen als Eingabe für das Training des KI-Modells.

Unternehmen unternimmt Schritte zur Steuerung der öffentlichen Wahrnehmung von Datenpraktiken

Die Dokumente beschreiben auch NVIDIAs Versuche zur Schadensbegrenzung bezüglich der Auswirkungen solcher Praktiken. Laut geleakten E-Mails empfahl der Vizepräsident für Forschung, Ming-Yu Liu, dass das Unternehmen vermeiden sollte, irgendwelche Papiere im Zusammenhang mit den Datensammlungstechniken zu veröffentlichen, um öffentliche Empörung zu verhindern. Es wurden auch eigene YouTube-Datensammlungstools und API-Konten erstellt, um den Datenerfassungsprozess zu unterstützen.

Die rechtliche Position bezüglich der Regeln, die die Nutzung von KI beim Scrapen von Daten regeln, ist immer noch nicht sehr klar. Laut Robert Mahari von MIT kann es ziemlich kompliziert sein, nachzuweisen, dass tatsächlich Data Scraping stattgefunden hat. Organisationen können davon profitieren, die Quellen ihrer Trainingsdaten nicht preiszugeben, da es ohne greifbare Beweise schwer ist, Missbrauch nachzuweisen. 

Eine andere Plattform, Suno, eine KI-Musikgenerierungsplattform, geriet kürzlich ins Rampenlicht, als sie die Nutzung von Data Scraping zum Training künstlicher Intelligenzmodelle zugab. Wie zuvor von Cryptopolitan berichtet, erklärte Reddit-CEO Steve Huffman, dass das Unternehmen weiterhin verbieten wird, dass Microsoft und andere KI-Unternehmen Data Scraping nutzen, bis eine Zahlung geleistet wird und die Plattform die Kontrolle darüber erhält, wie die Daten verwendet werden. Er sagte, dass Reddit keine Datensammlung zur Verwendung im Training von KI-Modellen ohne die entsprechende Lizenz erlauben würde.