거대 기술 기업들이 허가 없이 유튜브 자막을 AI 학습에 활용하고 있다

Apple, Nvidia, Anthropic이 유튜브 자막을 사용하여 AI 모델을 훈련하는 것으로 드러났는데, 이는 유튜브 정책 위반입니다. Proof News와 Wired의 보도에 따르면, 이러한 회사들은 수천 개의 유튜브 동영상 대본으로 구성된 데이터 세트를 적절한 라이선스를 취득하지 않고 사용했습니다. 

관련 기사: 영국 규제 당국, 마이크로소프트의 AI 인재 확보 실태 조사 착수

이 연구에 따르면 Apple, Nvidia, Anthropic은 YouTube 자막 데이터 세트를 사용했습니다. 이 데이터 세트는 48,000개 채널의 173,536개 YouTube 동영상의 대본으로 구성되어 있습니다. 이 동영상에는 Khan Academy와 MIT 같은 교육 채널, The Wall Street Journal 같은 뉴스 채널, 그리고 MrBeast와 Marques Brownlee 같은 유명 크리에이터들이 포함되어 있습니다. 

인기 유튜버들, 데이터 악용에 반응

인기 유튜버 마르케스 브라운리는 언급했습니다 . 그는 "애플은 다른 회사들로부터 AI용 데이터를 수집해 왔습니다. 그중 한 회사가 제 영상을 포함한 유튜브 영상에서 많은 데이터와 대본을 수집했습니다."라고 애플이 직접 데이터를 수집한 것은 아닐지라도, 브라운리는 이러한 문제가 계속될 것이라고 지적했습니다.

"YouTube 자막" 데이터 세트는 EleutherAI에서 개발하여 2020년에 공개되었습니다. 이 데이터 세트에는 플랫폼에서 삭제된 YouTube 동영상의 자막을 포함하여 5.7GB의 데이터가 포함되어 있습니다. 

YouTube 이용 약관에 따르면 "자동화된 수단"을 통한 동영상 접근은 금지되어 있습니다. 삭제된 동영상에 자막이 존재한다는 사실은 이러한 문제를 더욱 심화시켜 개인정보 보호 및 저작권 침해에 대한 의문을 제기합니다.

조사에 연루된 조직인 Salesforce도 해당 데이터 세트를 사용했다는 사실을 인정했습니다. 

"연구 논문에 언급된 Pile 데이터 세트는 2021년에 학술 및 연구 목적으로 학습되었습니다. 해당 데이터 세트는 공개적으로 이용 가능하며 허가된 라이선스에 따라 배포되었습니다."

Salesforce 대변인 

그러나 유튜브 콘텐츠를 허가 없이 사용하는 것은 오늘날까지도 논란의 여지가 있습니다. 지난 4월, 유튜브 CEO 닐 모한은 유튜브 동영상, 대본 또는 클립을 AI 학습에 사용하는 것은 "명백한 정책 위반"이라고 밝혔습니다. 그러나 뉴욕타임스에 따르면, OpenAI는 GPT-4 모델을 학습하는 데 100만 시간 분량의 유튜브 동영상을 사용했습니다. 

AI 기업의 인터넷 콘텐츠 사용에 대한 법적 분쟁이 터져나왔다.

ChatGPT 출시 이후 AI 기업들이 인터넷 콘텐츠를 무단으로 사용하는 문제가 심화되었습니다. 또한, 콘텐츠 제작자들은 저작권이 있는 저작물을 허가 없이 스크래핑했다는 이유로 Stability AI와 Midjourney를 고소하고 있습니다. 유튜브 소유주인 구글은 유사한 주장과 관련하여 집단 소송에 직면했는데, 이러한 유형의 법적 조치는 생성 AI의 기반을 위협한다고 주장했습니다. 

에서 인터뷰 월스트리트 저널과의 밝혔습니다 이라고 부르는 것에 근거하여 1990년대부터 공정 사용으로 간주되어 왔다고trac"