大手IT企業がYouTubeの字幕をAIトレーニングに無断で使用

Apple、Nvidia、AnthropicがYouTubeの字幕をAIモデルの学習に使用していたことが判明しました。これはYouTubeのポリシーに違反しています。Proof NewsとWiredの報道によると、これらの企業は数千本のYouTube動画の字幕データセットを、適切なライセンスを取得せずに使用していたことが明らかになりました。 

関連記事： 英国の監視機関がマイクロソフトのAI人材獲得に関する調査を開始

調査 の結果 、Apple、Nvidia、AnthropicがYouTube字幕データセットを利用していることが明らかになりました。このデータセットは、48,000チャンネルの173,536本のYouTube動画のトランスクリプトで構成されています。動画には、Khan AcademyやMITなどの教育チャンネル、The Wall Street Journalなどのニュースチャンネル、MrBeastやMarques Brownleeなどのトップクリエイターの動画が含まれています。 

人気YouTuberがデータ搾取に反応

人気ユーチューバーのマーキス・ブラウンリーは、 コメントした この問題についてXで 「Appleは他の企業からAI用のデータを収集している。そのうちの1社は、私の動画も含め、YouTube動画から大量のデータ/文字起こしを収集した」と述べた。Apple がデータを直接スクレイピングしたわけではないかもしれないが、ブラウンリーはこの問題は今後も続くと指摘した。

「YouTube字幕」データセットはEleutherAIによって開発され、2020年に公開されました。このデータセットには5.7GBのデータが含まれており、プラットフォームから削除されたYouTube動画の字幕が含まれています。 

YouTubeの利用規約では、「自動化された手段」による動画へのアクセスは禁止されています。削除された動画に字幕が残っていることは、プライバシーと著作権侵害の懸念を招き、問題をさらに深刻化させています。

同じく調査に関与したとされるSalesforceも、このデータセットを使用したことを認めている。 

「本研究論文で言及されているPileデータセットは、2021年に学術研究目的で学習されました。データセットは公開されており、パーミッシブライセンスの下でリリースされています。」

Salesforceの広報担当者 

しかし、YouTubeコンテンツの無断使用は今日に至るまで議論の的となっています。4月、YouTubeのCEOであるニール・モハン氏は、YouTubeの動画、トランスクリプト、またはクリップをAIの学習に使用することは「明確なポリシー違反」であると述べました。しかし、ニューヨーク・タイムズ紙によると、OpenAIはGPT-4モデルの学習に100万時間分のYouTube動画を使用したとのことです。 

AI企業によるインターネットコンテンツの利用をめぐる法廷闘争が勃発

ChatGPTのリリース以降、AI企業がインターネット上のコンテンツを無断で使用するという問題が増加しています。さらに、コンテンツ制作者は、著作権で保護された作品を無断でスクレイピングしたとして、Stability AIとMidjourneyを提訴しています。YouTubeの所有者であるGoogleも同様の主張に関して集団訴訟に直面しており、この種の訴訟は生成AIの基盤を脅かすものだと主張しています。 

で インタビュー 、OpenAIのCTOであるミラ・ムラティ氏は、同社がこの新しいモデルのトレーニングにソーシャルメディアプラットフォームの動画を使用したかどうかについては詳しく説明しなかった。マイクロソフトAIのCEOであるムスタファ・スレイマン氏 述べた と呼ぶものに基づいて、1990年代からフェアユースとみなされてきたとtrac。