Empresas de IA navegam por áreas cinzentas legais em relação aos dados de treinamento

Ao discutir o recente debate sobre como a Open e o Google obtêm seus dados para se adequarem ao modelo, você notará que dois termos dominam a discussão: Open e Google. Os artigos publicados recentemente no The Wall Street Journal e no The New York Times ilustram que a forma como as empresas de IA coletam dados não atendeu aos padrões exigidos e gerou questionamentos sobre a veracidade dos dados e a abordagem ética adotada na criação do sistema de IA.

Táticas questionáveis ​​da OpenAI

No entanto, em seu auge, o New York Times destacou os resultados mais abrangentes alcançados pela OpenAI com o Whisper. Esse modelo de transcrição de áudio para texto é apresentado como um complemento à tecnologia LP-4 (Processador de Linguagem) da OpenAI. De fato, o carro autônomo da OpenAI não se baseia na coleta de informações, um desafio enfrentado pela empresa; esta última entra em ação em situações específicas. 

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

No entanto, a Google Corporation está assumindo o protagonismo até mesmo em questões menores, em detrimento de empreendimentos maiores como este. Por exemplo, uma organização de coleta de dados como a OpenAI é menor e se envolve em projetos voltados para a gigante do setor, enquanto o usuário foi apenas advertido, sem que o YouTube lhe apontasse o culpado. 

Além dessa abordagem, o Facebook também abordou a base de conformidade dos Termos de Serviço e proibiu ações não autorizadas, especialmente a chamada coleta de dados. No caso de John Conly (porta-voz do YouTube), ele respondeu à pergunta sobre se os modelos foram usados ​​para treinamento de IA baseado em conteúdo após a coleta de dados de criadores de conteúdo.

Pelo contrário. Além do treinamento de máquinas, o Meta é um problema atual que leva à sua inviabilidade. O de IA da empresa, que obteve sucesso na rivalidade com a OpenAI, considerou que ambas as equipes utilizaram todos os meios disponíveis para trabalhar em um resultado melhor para suas empresas, incluindo pensamento original, sem dar atenção a qualquer questão em favor da parte derrotada. 

A Meta parece ter preparado tipos de perguntas que visavam obter respostas sobre qual trabalho seria delegado, quem seria o responsável pela compra de livros e de quais editoras especializadas em áreas específicas. Embora a experiência do usuário na rede seja extremamente impressionante, políticas governamentais estabelecidas tomaram a iniciativa de interferir na privacidade individual, o que foi evidenciado em 2018 pelo escândalo da Cambridge Analytica.

O panorama mais amplo do treinamento em IA enfrenta um dilema premente: por um lado, a questão da escassez de dados tornou-se mais crítica nos últimos anos; por outro, embora a relação entre os dois problemas permaneça, os pesquisadores sempre insistem na necessidade de dados adequados para aumentar a precisão e o desempenho. 

Além disso, a previsão do Wall Street Journal desperta entusiasmo, projetando altas acima de todas as metas para o início de 2020 e fechando o ano com o ponto mais alto do mercado. Esse método se baseia em dois fatores: a utilização de modelos, que podem ser sintéticos para estabelecer uma matriz externa, e um currículo de processo decisório, no qual os modelos aprendem com suas decisões. Não espere que eles produzam resultados, mas permita que sejam observáveis.

Implicações legais e éticas

A ausência de uma regra contra a pirataria pode trazer problemas, pois nada permite que os usuários acessem itens protegidos por direitos autorais, e questões de entendimento podem surgir em relação a leis, ética, etc. Os dados se tornam propriedade intangível e a base para saber e declarar o que é seu e o que não é, em que os dados e o usuário são reconhecidos como a fonte do negócio quando o uso desses dados é injustificado? Esse risco obrigaria a equipe de P&D a se concentrar em revisá-los e encontrar soluções. 

A relação com o propósito das ações coletivas implica que a privacidade e o uso de dados são questões que a organização desconhece o suficiente para legitimar suas operações. De fato, os desafios (como as questões éticas relativas ao processo de mineração de dados utilizado para pesquisa e desenvolvimento em IA) se tornam complexos porque precisamos considerar as restrições regulatórias e a privacidade dos dados (já que a natureza dos dados está inserida no contexto de como são processados ​​e utilizados).

A competição mais acirrada do futuro da IA ​​reside emdentos melhores dados para o treinamento dos sistemas de IA e, mais ainda, em saber se esses dados estarão sujeitos a estruturas regulatórias éticas e legais comuns. Tudo relacionado à IA, por sua própria natureza, enfatiza e amplia conceitos como inovação e implementação por meio de filtros de conjuntos de dados para empresas. 

Sendo uma tecnologia, a Inteligência Artificial nunca é estática, portanto o principal problema será sempre o uso de dados, e continuará sendo uma das prioridades dos membros da comunidade que se consolidam utilizando a Inteligência Artificial da melhor forma.

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