기술 거대 기업들, 허가 없이 YouTube 자막을 AI 훈련에 사용

애플, 엔비디아, 앤트로픽이 YouTube 자막을 사용하여 AI 모델을 훈련하고 있는 것이 YouTube 정책에 위배되는 것으로 확인되었습니다. Proof News와 Wired의 보고서에 따르면 이러한 기업들은 라이선스를 적절히 획득하지 않고 수천 개의 YouTube 비디오 자막 데이터셋을 사용한 것으로 나타났습니다. 

함께 읽기: 영국 감시 기관, 마이크로소프트의 AI 인재 영입 조사 착수

연구에 따르면 애플, 엔비디아, 앤트로픽은 YouTube 자막 데이터를 사용했습니다. 이 데이터셋은 48,000개 채널의 173,536개 YouTube 비디오의 자막으로 구성되었습니다. 비디오에는 칸 아카데미와 MIT와 같은 교육 채널, 월스트리트 저널과 같은 뉴스 채널, 그리고 MrBeast와 마르쿠스 브라운리와 같은 상위 크리에이터의 콘텐츠가 포함됩니다.

인기 유튜버들의 데이터 착취에 대한 반응

인기 유튜버인 마르쿠스 브라운리는 X에서 이 문제에 대해 댓글을 남겼습니다. 그는 다음과 같이 말했습니다. “애플은 다른 기업들로부터 데이터를 수집하여 AI를 학습시켰습니다. 그중 하나는 저를 포함한 YouTube 비디오의 많은 데이터/자막을 수집했습니다. ” 애플이 데이터를 직접 크롤링하지 않았을 수도 있지만, 브라운리는 이러한 문제가 지속될 것이라고 지적했습니다.

“YouTube Subtitles” 데이터셋은 EleutherAI가 개발하여 2020년에 공개했습니다. 이 데이터셋은 플랫폼에서 삭제된 YouTube 비디오의 자막을 포함하는 5.7GB의 데이터를 포함합니다. 

YouTube의 이용약관에 따르면 “자동화된 수단”으로 비디오에 접근하는 것은 금지되어 있습니다. 삭제된 비디오의 자막 존재는 문제점을 더욱 부각시키며, 사생활 침해 및 저작권 침해에 대한 의문을 제기합니다.

조사에도 연루된 조직인 세일즈포스는 또한 해당 데이터셋을 사용했음을 인정했습니다. 

“연구 논문에서 언급된 더 페일(The Pile) 데이터셋은 2021년에 학술 및 연구 목적으로 훈련되었습니다. 이 데이터셋은 공개적으로 이용 가능했으며 관대한 라이선스에 따라 배포되었습니다.”

세일즈포스 대변인 

그러나 허락 없이 YouTube 콘텐츠를 사용하는 것은 여전히 논란의 여지가 있습니다. 4월, YouTube CEO 닐 모한은 YouTube 비디오, 자막 또는 클립을 AI 훈련에 사용하는 것이 정책의 “명백한 위반”이라고 말했습니다. 그러나 뉴욕 타임즈에 따르면 오픈AI는 GPT-4 모델을 훈련하기 위해 100만 시간의 YouTube 비디오를 사용했습니다. 

AI 기업의 인터넷 콘텐츠 사용에 대한 법적 분쟁 격화

ChatGPT 출시 이후 AI 기업들이 허가 없이 인터넷 콘텐츠를 사용하는 문제가 증가했습니다. 또한 콘텐츠 크리에이터들은 스테이빌리티 AI와 미드저니를 허가 없이 저작권이 있는 작품을 크롤링했다는 이유로 소송을 제기했습니다. YouTube의 소유주인 구글은 유사한 주장에 대해 집단 소송을 faced했으며, 이러한 법적 조치가 생성형 AI의 기반을 위협한다고 밝혔습니다. 

월스트리트 저널과의 인터뷰에서 오픈AI의 CTO 미라 무라티는 이 새로운 모델을 훈련하기 위해 소셜 미디어 플랫폼의 비디오를 사용했는지 여부에 대해 자세히 설명하지 않았습니다. 마이크로소프트 AI CEO 무스타파 술레이만은 주장했습니다. 그는 공개 웹의 콘텐츠가 1990년대부터 그가 말하는 “사회적 계약”에 기반하여 공정한 사용으로 간주되어 왔다고 밝혔습니다.