NVIDIA подвергается проверке из-за предполагаемой несанкционированной сборки данных для ИИ-моделей

Утекшие документы, полученные 404 Media, предполагают, что NVIDIA занималась несанкционированной сбором данных, используя кадры из фильмов и игр из интернета для обучения своих продуктов искусственного интеллекта. 

Утекшие документы показывают, что они пытались скачивать полные фильмы с различных каналов, включая Netflix, и их основным интересом были видео на YouTube. Из писем, полученных 404 Media, следует, что менеджеры проекта намеревались использовать от 20 до 30 виртуальных машин в Amazon Web Services, чтобы получить 80 лет видеоконтента за один день.

NVIDIA защищает свои действия и ссылается на принцип добросовестного использования

Сбор данных (data scraping) — это практика извлечения видеоконтента, текста и аудио из интернета без разрешения владельцев контента для обучения ИИ-моделей. Эта практика может рассматриваться как использование контента с социальных платформ, содержащего материалы, защищенные авторским правом. 

NVIDIA заявила, что не нарушала никаких законов об авторском праве в процессе сбора данных. Компания также заявила, что ее деятельность подпадает под доктрину добросовестного использования, поскольку она использует материалы, защищенные авторским правом, для обучения ИИ.

Документы, полученные из внутренних коммуникаций 404 Media, указывают на то, что некоторые сотрудники NVIDIA выразили обеспокоенность по поводу этих действий по сбору данных. Однако, по утверждениям, менеджеры проекта преуменьшили эти опасения, заявив, что юридические вопросы, например, нарушения Условий использования YouTube, будут решены позже. 

Один из сотрудников отметил, что ИИ-инженеры NVIDIA пытались получить как можно больше клипов из игр, чтобы обогатить обучающую выборку. Это включало трансляцию игрового процесса в облачный сервис NVIDIA GeForceNow для записи видео игрового процесса в высоком разрешении. Джим Фэн, старший аналитик по исследованиям, во внутренних сообщениях также подчеркивал важность таких кадров как входных данных для обучения ИИ-модели.

Компания предпринимает шаги по управлению общественным восприятием практик сбора данных

Документы также подробно описывают попытки NVIDIA по сдерживанию ущерба от последствий таких практик. Согласно утечшим письмам, вице-президент по исследованиям Мин-Ю Лю рекомендовал компании воздержаться от публикации любых статей, связанных с методами сбора данных, чтобы предотвратить общественный резонанс. Компания также создала собственный набор инструментов для сбора данных с YouTube и учетные записи API, чтобы помочь в процессе сбора данных.

Правовая позиция относительно правил, регулирующих использование ИИ при сборе данных, все еще не очень ясна. По словам Роберта Махари из MIT, может быть довольно сложно установить факт того, что сбор данных действительно имел место. Организациям может быть выгодно не раскрывать источники своих обучающих данных, так как доказать злоупотребление становится трудно при отсутствии осязаемых доказательств. 

Другая платформа, Suno, платформа для генерации музыки на основе ИИ, недавно оказалась в центре внимания после признания в использовании сбора данных для обучения моделей искусственного интеллекта. Как ранее сообщалось в Cryptopolitan, генеральный директор Reddit Стив Хамффри заявил, что компания продолжит запрещать Microsoft и другим ИИ-компаниям использовать сбор данных до тех пор, пока не будет произведена оплата и платформа не получит контроль над тем, как используются данные. Он сказал, что Reddit не позволит использовать сбор данных для обучения ИИ-моделей без соответствующей лицензии.