I giganti della tecnologia utilizzano i sottotitoli di YouTube per l'addestramento dell'IA senza permesso
- Apple e altri sviluppatori di IA, come Anthropic e Nvidia, sono stati colti nell'utilizzo dei sottotitoli di YouTube senza autorizzazione per addestrare i loro sistemi di intelligenza artificiale.
- Il dataset "YouTube Subtitles" è stato sviluppato da EleutherAI e pubblicato nel 2020.
- OpenAI ha utilizzato un milione di ore di video di YouTube per addestrare il suo modello GPT-4.
Apple, Nvidia e Anthropic sono stati trovati a utilizzare i sottotitoli di YouTube per addestrare modelli di IA, in violazione delle politiche di YouTube. Un rapporto di Proof News e Wired ha mostrato che tali aziende avevano utilizzato un dataset delle trascrizioni di migliaia di video di YouTube senza acquisire correttamente la licenza per farlo.
Leggi anche: L'organismo di vigilanza britannico avvia un'indagine sull'acquisizione di talenti AI da parte di Microsoft
Lo studio ha rivelato che Apple, Nvidia e Anthropic hanno utilizzato il dataset dei sottotitoli di YouTube. Questo dataset consiste di trascrizioni da 173.536 video di YouTube provenienti da 48.000 canali. I video includono canali educativi come Khan Academy e MIT, canali di notizie come The Wall Street Journal e creator di spicco come MrBeast e Marques Brownlee.
I popolari YouTuber reagiscono allo sfruttamento dei dati
Marques Brownlee, un popolare YouTuber, ha commentato la questione su X. Ha dichiarato: “Apple ha raccolto dati per l'IA da altre aziende. Una di esse ha raccolto molti dati/trascrizioni da video di YouTube, inclusi i miei.” Sebbene Apple possa non aver scaricato i dati direttamente, Brownlee ha sottolineato che questo problema persiste.
Il dataset “YouTube Subtitles” è stato sviluppato da EleutherAI e pubblicato nel 2020. Contiene 5,7 GB di dati, che includono sottotitoli da video di YouTube che sono stati rimossi dalla piattaforma.
Secondo i termini e le condizioni di YouTube, l'accesso ai video tramite “mezzi automatizzati” è proibito. L'esistenza di sottotitoli da video rimossi aggiunge solo complessità alla questione, sollevando interrogativi sulla privacy e sulla violazione del copyright.
Salesforce, un'organizzazione anch'essa implicata nell'indagine, ha ammesso di aver utilizzato detto dataset.
“Il dataset Pile menzionato nel documento di ricerca è stato addestrato nel 2021 per scopi accademici e di ricerca. Il dataset era pubblicamente disponibile e rilasciato sotto una licenza permissiva.”
Portavoce di Salesforce
Tuttavia, l'uso dei contenuti di YouTube senza permesso è ancora controverso. Ad aprile, il CEO di YouTube Neal Mohan ha dichiarato che l'uso di video, trascrizioni o clip di YouTube per l'addestramento dell'IA è una “chiara violazione” delle politiche. Tuttavia, secondo il New York Times, OpenAI ha utilizzato un milione di ore di video di YouTube per addestrare il suo modello GPT-4.
Si accendono battaglie legali sull'uso dei contenuti internet da parte delle aziende di IA
La questione delle corporation di IA che utilizzano contenuti internet senza autorizzazione è aumentata dopo il lancio di ChatGPT. Inoltre, i creator di contenuti stanno citando in giudizio Stability AI e Midjourney per presunti scraping di opere protette da copyright senza permesso. Il proprietario di YouTube, Google, ha affrontato cause collettive per reclami simili, affermando che azioni legali di questo tipo minano le basi dell'IA generativa.
In un intervista con The Wall Street Journal, l'CTO di OpenAI Mira Murati non ha approfondito se l'azienda abbia utilizzato video da piattaforme social per addestrare questo nuovo modello. Il CEO di Microsoft AI Mustafa Suleyman ha dichiarato che i contenuti del web aperto sono stati considerati uso lecito dagli anni '90 in base a ciò che ha definito il “contratto sociale.”
Se stai leggendo questo, sei già avanti. Resta così con la nostra newsletter.
Dichiarazione di responsabilità. Le informazioni fornite non costituiscono consigli di trading. Cryptopolitan.com non si assume alcuna responsabilità per eventuali investimenti effettuati sulla base delle informazioni fornite in questa pagina. Si consiglia vivamente di effettuare ricerche indipendenti e/o consultare un professionista qualificato prima di prendere qualsiasi decisione di investimento.
Brenda Kanana
Brenda vanta oltre 4 anni di esperienza specializzata in criptovalute, intelligenza artificiale e tecnologie emergenti. Ha lavorato presso Zycrypto, Blockchain Reporter e The Coin Republic e ora ha fatto di Cryptopolitan la sua casa. La sua laurea in Sociologia presso l'Università Tecnica di Mombasa la mantiene in sintonia con il pubblico dei lettori.
