Qual é a posição do YouTube em relação ao Sora da OpenAI e ao treinamento do ChatGPT?

Em um desenvolvimento recente, a OpenAI recebeu umtronaviso do CEO do YouTube, Neal Mohan, sobre o uso de sua plataforma para treinar os modelos de IA de ponta Sora e ChatGPT. Este aviso surge em vista de possíveis violações dos termos de serviço do YouTube, bem como preocupações com a origem dos dados de treinamento. A questão em torno da origem dos dados de treinamento para esses sistemas de IA de última geração impulsionou uma discussão sobre pesquisa ética em IA e as obrigações das empresas de tecnologia.

Analisando as preocupações do YouTube

A recente entrevista de Mira Murati adiciona mais uma camada de incerteza ao já nebuloso panorama das práticas de treinamento de IA. O que talvez seja ainda mais preocupante é que, em uma entrevista ao The Wall Street Journal realizada há apenas um mês, a diretora de tecnologia da OpenAI, Mira Murati, expressou incerteza e falta de clareza sobre a origem dos dados de treinamento do Sora. Embora não esteja claro se vídeos do YouTube foram ou estão sendo usados ​​para o treinamento, Neal Mohan, CEO da empresa, pode ter dado um sinal de alerta ao informar à OpenAI que o uso de vídeos em sua plataforma é proibido.

É proibido baixar materiais como transcrições ou videoclipes, e fazer isso é uma violação flagrante dos nossos termos de serviço, declarou Mohan em entrevista a Emily Chang para a Bloomberg Originals. Estas são as diretrizes para o conteúdo da nossa plataforma. Embora o Google, empresa controladora do YouTube, esteja desenvolvendo sua própria IA multimodal chamada Gemini, que também utiliza dados de treinamento, Mohan afirmou que o Google segue otracindividual de cada criador com o YouTube ao determinar se deve ou não usar conteúdo da plataforma.

Mohan afirmou, 

“Não é permitido baixar transcrições ou trechos de vídeo, o que viola claramente nossos termos de serviço. Essas são as regras básicas em relação ao conteúdo da nossa plataforma.”

Fonte: Bloomberg

Mohan acrescentou ainda: 

“O Google respeita ostracindividuais do YouTube com os criadores antes de decidir se vai usar vídeos da plataforma.”

Fonte: Bloomberg

Navegando pelo desenvolvimento ético da IA

Uma análise mais detalhada dos comentários de Murati destaca a seriedade da questão dos direitos autorais e da atribuição. É possível que o Sora, da OpenAI, colete tudo na internet, incluindo vídeos do YouTube e publicações em redes sociais, dada a expressão "dados publicamente disponíveis". Por exemplo, é altamente improvável que os termos de licença de todo o conteúdo publicado no YouTube permitam esse tipo de uso.

A manutenção dos direitos autorais na internet é uma tarefa complexa por si só. Ao mesmo tempo, o Sora da OpenAI terá acesso a esses direitos e poderá lucrar com eles, além de utilizá-los para fins educacionais.

Não é apenas o diretor de tecnologia da OpenAI que se mostra relutante em discutir os conjuntos de dados usados ​​no aprendizado do Sora. De modo geral, a empresa não menciona as fontes que utiliza. O documento técnico do Sora sequer menciona claramente a necessidade de um número significativo de filmes com legendas em texto para o treinamento de sistemas de conversão de texto em vídeo.

Considerando que essas empresas não possuem o direito legal de usar os dados, a falta de transparência a esse respeito pode ser o primeiro indício de que estão tentando evitar problemas legais.