NVIDIA、AIモデルのための無許可データスクレイピング疑惑で審査を受ける

404 Mediaが入手した漏えいした文書は、NVIDIAがインターネット全体から映画やゲームの映像を使用して人工知能製品を訓練するために、無許可のデータスクレイピングに関与したことを示唆している。 

漏えいした文書は、彼らがNetflixを含むさまざまなチャンネルからフルムービーをダウンロードしようとしており、主な関心がYouTubeの動画にあったことを明らかにしている。404 Mediaが入手したメールによると、プロジェクトマネージャーはAmazon Web Services上で20〜30の仮想マシンを動員し、1日あたり80年分の動画を入手する意図があった。

NVIDIA、その行動を擁護し公正利用条項を主張

データスクレイピングとは、コンテンツ所有者の許可なく、インターネットから動画、テキスト、オーディオコンテンツを抽出してAIモデルを訓練する慣行である。この慣行は、著作権で保護されたコンテンツを含むソーシャルメディアプラットフォームからのコンテンツ使用と見なされる可能性がある。 

NVIDIAは、データスクレイピングのプロセスにおいて著作権法を違反していないと述べている。同社はまた、その活動はAIの訓練に著作権で保護された素材を利用しているため、公正利用の教義に該当すると述べている。

404 Mediaが内部コミュニケーションから入手した文書は、一部のNVIDIA従業員がこれらのデータスクレイピング活動について懸念を表明したことを示している。しかし、プロジェクトマネージャーは懸念を軽視し、例えばYouTubeの利用規約違反などの法的懸念は後で処理されると主張した。 

ある従業員は、NVIDIAのAIエンジニアがトレーニングコーパスを豊かにするために可能な限り多くのゲームクリップを取得しようとしたと指摘した。これには、ゲームプレイをNVIDIAのGeForceNowクラウドサービスにストリーミングして、ゲームプレイ動画をハイデフィニションで録画することが含まれていた。内部メッセージで、シニアリサーチアナリストのJim Fanもまた、AIモデルの訓練への入力としてそのような映像の重要性を強調した。

企業、データ慣行に関する世論の管理に着手

文書はまた、そのような慣行の repercussion に対するNVIDIAの損害管理の試みを詳細に記述している。漏えいしたメールによると、リサーチ副社長のMing-Yu Liuは、公衆の反発を防ぐためにデータスクレイピング技術に関連する論文の公開を避けるべきだと同社に推奨した。また、データ収集プロセスを支援するために、独自のYouTubeデータスクレイピングツールとAPIアカウントを作成した。

データスクレイピングにおけるAIの使用を規制するルールに関する法的立場は、まだ非常に明確ではない。MITのRobert Mahariによると、データスクレイピングが実際に発生したことを証明するのは非常に複雑な場合がある。組織は、訓練データのソースを明らかにしないことで利益を得る可能性がある。なぜなら、目に見える証拠がない場合、乱用の証明は困難だからである。 

もう一つのプラットフォームであるSuno（AI音楽生成プラットフォーム）は、最近、AIモデルの訓練にデータスクレイピングを使用したことを認めたことで注目を集めた。以前Cryptopolitanが報じたように、RedditのCEOであるSteve Huffmanは、プラットフォームがデータの使用方法の制御を得て支払いが行われるまで、Microsoftや他のAI企業がデータスクレイピングを使用することを禁止し続けると述べた。彼は、Redditは適切なライセンスなしにAIモデルの訓練に使用されるデータスクレイピングを許可しないと述べた。