NVIDIA, AI 모델용 무단 데이터 스크래핑 혐의로 scrutiny

404 미디어가 입수한 유출된 문서는 NVIDIA가 인터넷 전반의 영화 및 게임 영상을 사용하여 인공지능 제품을 훈련하기 위해 무단 데이터 스크래핑에 관여했음을 시사합니다. 

유출된 문서에 따르면 그들은 넷플릭스를 포함한 다양한 채널에서 전체 영화를 다운로드하려고 시도했으며, 주요 관심사는 유튜브 비디오였습니다. 404 미디어가 입수한 이메일에 따르면 프로젝트 매니저들은 하루에 80년치의 비디오를 얻기 위해 아마존 웹 서비스에서 20~30개의 가상 머신을 사용하려고 의도했습니다.

NVIDIA는 자신의 행동을 방어하며 공정 이용 조항을 인용

데이터 스크래핑은 콘텐츠 소유자의 허가 없이 인터넷에서 비디오, 텍스트, 오디오 콘텐츠를 추출하여 AI 모델을 훈련하는 관행입니다. 이 관행은 저작권이 포함된 콘텐츠가 있는 소셜 미디어 플랫폼의 콘텐츠를 사용하는 것으로 간주될 수 있습니다. 

NVIDIA는 데이터 스크래핑 과정에서 저작권법을 위반하지 않았다고 말했습니다. 또한 회사는 저작권이 있는 재료를 AI 훈련에 사용하므로 그 활동이 공정 이용 원칙에 부합한다고 밝혔습니다.

404 미디어가 내부 통신에서 입수한 문서에 따르면 일부 NVIDIA 직원은 이러한 데이터 스크래핑 활동에 대해 우려를 표명했습니다. 그러나 프로젝트 매니저들은 법적 우려(예: YouTube의 서비스 약관 위반)는 나중에 처리될 것이라고 주장하며 우려를 축소했습니다. 

한 직원은 NVIDIA의 AI 엔지니어들이 훈련 코퍼러스를 풍부하게 하기 위해 가능한 많은 게임 클립을 얻으려고 시도했다고 지적했습니다. 이는 게임플레이를 NVIDIA의 GeForceNow 클라우드 서비스에 스트리밍하여 고화질로 게임플레이 비디오를 녹화하는 것을 포함했습니다. Jim Fan 수석 연구 분석가는 내부 메시지에서 이러한 영상이 AI 모델 훈련의 입력으로 중요한 역할을 한다고 강조했습니다.

회사는 데이터 관행에 대한 대중의 인식을 관리하기 위한 조치를 취함

문서는 또한 이러한 관행의 결과에 대한 NVIDIA의 피해 통제 시도를 상세히 설명합니다. 유출된 이메일에 따르면 연구 부사장 Ming-Yu Liu는 공개적인 반발을 방지하기 위해 데이터 스크래핑 기술과 관련된 논문을 출판하지 말 것을 권장했습니다. 또한 회사는 데이터 수집 과정을 돕기 위해 자체적인 유튜브 데이터 스크래핑 도구와 API 계정을 생성했습니다.

데이터 스크래핑에 AI 사용 규칙과 관련된 법적 입장은 아직 명확하지 않습니다. MIT의 Robert Mahari에 따르면 데이터 스크래핑이 실제로 발생했음을 입증하는 것은 매우 복잡할 수 있습니다. 조직은 훈련 데이터의 출처를 공개하지 않음으로써 이득을 볼 수 있는데, 이는 구체적인 증거가 없는 경우 남용을 입증하기 어렵기 때문입니다. 

또 다른 플랫폼인 AI 음악 생성 플랫폼 Suno는 최근 AI 모델 훈련을 위해 데이터 스크래핑을 사용했다고 인정하며 주목을 받았습니다. 이전에 Cryptopolitan이 보고한 바와 같이, 레딧 CEO 스티브 허프먼은 회사가 대가를 지불하고 데이터 사용에 대한 통제권을 플랫폼이 얻기 전까지 마이크로소프트 및 기타 AI 기업의 데이터 스크래핑을 계속 금지할 것이라고 밝혔습니다. 그는 레딧이 적절한 라이선스 없이 AI 모델 훈련을 위한 데이터 스크래핑을 허용하지 않을 것이라고 말했습니다.