Empresas de IA Navegam por Áreas Cinzentas Legais para Dados de Treinamento

Ao discutir o recente debate sobre como Open e Google obtêm seus dados para se adequar ao modelo, você notará que dois termos dominam o debate mais: open e Google. Os artigos publicados no The Wall Street Journal e no NY Times recentemente ilustram que a forma como as empresas relacionadas à IA coletam dados não estava à altura e criou uma dor de cabeça sobre quais dados são verdadeiros e qual ângulo ético foi usado na criação do sistema relacionado à IA.

Táticas questionáveis da OpenAI

No entanto, em seu auge, o New York Times enfatizou os maiores resultados da Open AI estabelecidos com o Whisper. Este modelo de transcrição de áudio para texto é avançado como um complemento ao Processador de Linguagem da Open AI, tecnologia LP-4. De fato, o carro autônomo da OpenAI não é pela coleta de informações, que é um problema desafiador que a empresa contata; em vez disso, o último entra em jogo sob tais condições. 

Embora a popularidade inicial das leis de coleta de dados estivesse relacionada a considerações de direitos autorais de uso justo, o último também se tornou uma base legal para esses atos. Como Brockman disse, um dos membros fundadores e CEO da OpenAI forneceu algumas informações necessárias para a transcrição. No entanto, ele continua dizendo que o historiador também contribuiu para a transcrição.

No entanto, a Google Corporation está assumindo o centro das palcos mesmo para essas pequenas questões em empreendimentos maiores como este, ou seja, uma função de coleta de dados como a OpenAI é uma organização menor e envolvida em projetos voltados para o gigante da indústria, e o usuário foi apenas avisado e não informado sobre quem deveria ser culpado pelo YouTube. 

Além dessa abordagem, o Facebook também cobriu a base de conformidade nos TOS e proibiu ações não autorizadas, especialmente o chamado raspagem de dados (data scraping). No caso de John Conly (porta-voz do YouTube), ele respondeu à pergunta de saber se os modelos foram usados para treinamento de IA baseado em conteúdo após coletar dados de criadores de conteúdo.

Por outro lado. Assim como treinar máquinas em qual lado a Meta é um problema atual que leva à sua inviabilidade. O grupo AI na empresa, que teve sucesso na rivalidade com a OpenAI, considerou que ambas as equipes usaram todos os meios disponíveis para trabalhar em um melhor resultado para suas empresas, incluindo pensamento original sem prestar atenção a qualquer questão em favor da parte rejeitada.

A Meta parece ter preparado tipos de perguntas que eles visavam ter sua resposta no que será feito no trabalho delegado, quem estará encarregado de comprar livros de quais editoras especializadas em campos específicos. Embora a experiência do usuário da rede seja extremamente incrível, a política governamental estabelecida adquiriu a iniciativa de interferir na privacidade individual, o que foi destacado em 2018 pelo caso Cambridge Analytica.

O cenário mais amplo do treinamento de IA enfrenta um dilema urgente: por um lado, a questão sobre a escassez de dados tornou-se mais aguda nos últimos dois anos; por outro lado. Embora a conexão entre os dois permaneça, os pesquisadores sempre insistem em ter dados adequados para aprimorar a precisão e o aumento de desempenho. 

Além disso, a previsão do Wall Street Journal desperta entusiasmo, que projeta elevações além de todos os alvos para o ano anterior de 2020 e cruza o final do ano com o ponto mais alto do mercado. Este método é baseado em dois fatores: confiar em modelos que podem ser sintéticos para declarar a matriz externa e um currículo de processo de tomada de decisão, onde os modelos aprendem com suas decisões. Não espere que eles produzam resultados, mas permita que sejam observáveis.

Implicações legais e éticas

A ausência da regra de pirataria pode trazer problemas porque nada pode permitir que os usuários acessem itens protegidos por direitos autorais, e a compreensão da missão pode surgir em torno da lei, ética, etc. Os dados se tornam uma propriedade intangível e a base para saber e declarar o que é seu e o que não é, em quais dados e usuários são conhecidos como a fonte do negócio quando o uso desses dados é injustificado? Este risco seria para o programa de líderes da equipe de P&D levar à concentração em revisá-los e elaborar respostas. 

A relação no propósito das campanhas de ação coletiva envolveria que a privacidade e o uso de dados são respostas que a organização não conhece o suficiente para tornar suas operações legítimas. De fato, os desafios (como as questões éticas relacionadas ao processo de mineração de dados usado para pesquisa e desenvolvimento de IA) tornam-se complicados porque temos que considerar as restrições de regulamentação e a privacidade dos dados (já que a natureza dos dados está dentro do contexto de como os dados são processados e usados).

A competição de IA mais difícil do futuro reside em identificar os melhores dados para o treinamento dos sistemas de IA, e ainda mais, trata-se de saber se esses dados passarão por estruturas regulatórias éticas ou legais comuns. Tudo ao redor da IA, em sua própria natureza, enfatiza e amplia conceitos como inovação e implementação por meio de filtros de conjunto de dados para corporações. 

Ser uma Inteligência Artificial Tecnológica Nunca é Estática, Então O Principal Problema Sempre Será O Uso De Dados, E Continuará Sendo Uma Das Prioridades Dos Membros Da Comunidade Que Se Formam Usando Inteligência Artificial, A Melhor.

História original de: https://www.nytimes.com/2024/04/06/technology/tech-giants-harvest-data-artificial-intelligence.html?smid=nytcore-ios-share&sgrp=c-cb