NVIDIA enfrenta escrutinio por supuesta extracción de datos no licenciada para modelos de IA
- Los documentos filtrados muestran que NVIDIA recopiló datos de películas y videos de YouTube sin consentimiento.
- NVIDIA afirma que su raspado de datos es legal bajo las disposiciones de uso justo.
- Las comunicaciones internas muestran que algunos empleados estaban preocupados por problemas legales.
Documentos filtrados obtenidos por 404 Media sugieren que NVIDIA participó en la extracción de datos sin licencia, utilizando imágenes de películas y videojuegos de todo Internet para entrenar sus productos de inteligencia artificial.
Los documentos filtrados revelan que estaban intentando descargar películas completas de varios canales, incluyendo Netflix, y su interés principal estaba en los videos de YouTube. Según los correos electrónicos obtenidos por 404 Media, los gerentes de proyecto tenían la intención de emplear entre 20 y 30 máquinas virtuales en Amazon Web Services para obtener 80 años de videos en un día.
NVIDIA defiende sus acciones e invoca las disposiciones de uso justo
La extracción de datos (data scraping) es la práctica de extraer contenido de video, texto y audio de Internet sin el permiso de los propietarios del contenido para entrenar modelos de IA. Esta práctica podría considerarse como el uso de contenido de plataformas de redes sociales que contienen material protegido por derechos de autor.
NVIDIA ha dicho que no violó ninguna ley de derechos de autor en el proceso de extracción de datos. La compañía también declaró que sus actividades caen bajo la doctrina de uso justo porque utiliza material protegido por derechos de autor para entrenar la IA.
Los documentos obtenidos de comunicaciones internas por 404 Media indican que algunos empleados de NVIDIA expresaron preocupaciones sobre estas actividades de extracción de datos. Sin embargo, los gerentes de proyecto supuestamente minimizaron las preocupaciones, afirmando que las preocupaciones legales, por ejemplo, las violaciones de los Términos de Servicio de YouTube, se abordarían más tarde.
Un empleado señaló que los ingenieros de IA de NVIDIA intentaron obtener tantas clips de juegos como fuera posible para enriquecer el corpus de entrenamiento. Esto implicaba transmitir el juego al servicio en la nube GeForceNow de NVIDIA para grabar videos de juego en alta definición. Jim Fan, analista senior de investigación, también enfatizó en mensajes internos la importancia de este tipo de imágenes como entrada para el entrenamiento del modelo de IA.
La empresa toma medidas para gestionar la percepción pública de las prácticas de datos
Los documentos también detallan los intentos de NVIDIA de controlar el daño sobre las repercusiones de tales prácticas. Según correos electrónicos filtrados, el vicepresidente de Investigación Ming-Yu Liu recomendó que la compañía evitara publicar cualquier artículo relacionado con las técnicas de extracción de datos para evitar la reacción pública negativa. También creó su propio conjunto de herramientas de extracción de datos de YouTube y cuentas de API para ayudar en el proceso de recopilación de datos.
La posición legal con respecto a las reglas que rigen el uso de la IA en la extracción de datos aún no está muy clara. Según Robert Mahari del MIT, puede ser bastante complicado establecer que ha ocurrido una extracción de datos. Las organizaciones pueden beneficiarse de no revelar las fuentes de sus datos de entrenamiento, ya que se vuelve difícil probar el abuso en ausencia de pruebas tangibles.
Otra plataforma, Suno, una plataforma de generación de música con IA, recientemente salió a la luz por admitir el uso de extracción de datos para entrenar modelos de inteligencia artificial. Como se informó anteriormente por Cryptopolitan, el CEO de Reddit, Steve Huffman, declaró que la compañía continuará prohibiendo a Microsoft y otras empresas de IA utilizar la extracción de datos hasta que se realice el pago y la plataforma obtenga el control sobre cómo se utilizan los datos. Dijo que Reddit no permitiría la extracción de datos para su uso en el entrenamiento de modelos de IA sin la licencia adecuada.
Si estás leyendo esto, ya vas por delante. Mantente así con nuestro boletín.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Brenda Kanana
Brenda cuenta con más de 4 años de experiencia especializada en criptomonedas, inteligencia artificial y tecnologías emergentes. Ha trabajado en Zycrypto, Blockchain Reporter y The Coin Republic, y ahora tiene a Cryptopolitan como su hogar. Su licenciatura en Sociología de la Universidad Técnica de Mombasa la mantiene alineada con las necesidades de sus lectores.
