英伟达因涉嫌为AI模型进行未授权数据抓取而面临审查

404 Media 获取的泄露文件表明，NVIDIA 从事了未经许可的数据抓取活动，利用来自互联网的电影和游戏片段来训练其人工智能产品。 

泄露的文件显示，他们试图从包括 Netflix 在内的各个频道下载完整电影，其主要兴趣在于 YouTube 视频。根据 404 Media 获取的邮件，项目管理人员计划在亚马逊网络服务（Amazon Web Services）上部署 20 至 30 台虚拟机，以便在一天内获取长达 80 年的视频内容。

NVIDIA 为其行为辩护，并援引合理使用条款

数据抓取是指未经许可从互联网提取视频、文本和音频内容以训练人工智能模型的做法。这种做法可被视为利用包含受版权保护内容的社交媒体平台上的内容。 

英伟达表示，在数据抓取过程中并未违反任何版权法。该公司还指出，其活动属于合理使用范畴，因为其利用受版权保护的材料来训练人工智能。

404 Media 获取的内部通信文件显示，部分英伟达员工对这些数据抓取活动表示担忧。然而，据称项目经理淡化了这些担忧，声称法律问题（例如违反 YouTube 服务条款）将稍后处理。 

一名员工指出，NVIDIA 的 AI 工程师试图获取尽可能多的游戏片段以丰富训练语料库。为此，他们将游戏画面流式传输至 NVIDIA 的 GeForce Now 云服务，以录制高清游戏视频。高级研究分析师 Jim Fan 在内部消息中也强调，此类 footage 对于 AI 模型的训练输入至关重要。

公司采取措施管理公众对其数据实践的感知

文件还详细记录了 NVIDIA 就此类做法引发的后果所进行的危机公关努力。根据泄露的邮件，研究副总裁 Ming-Yu Liu 建议公司应避免发布任何与数据抓取技术相关的论文，以防止引发公众反弹。此外，该公司还开发了一套专属的 YouTube 数据抓取工具和 API 账户，以协助数据收集工作。

关于规范使用人工智能进行数据爬取的规则，其法律立场仍不够明确。据麻省理工学院的罗伯特·马哈里（Robert Mahari）指出，要确证数据爬取行为的发生可能相当复杂。组织可能因不披露其训练数据的来源而获益，因为在缺乏实质性证据的情况下，很难证明存在滥用行为。 

另一平台Suno（一家AI音乐生成平台）近期因承认使用数据爬取技术来训练人工智能模型而备受瞩目。正如Cryptopolitan此前报道的那样，Reddit首席执行官史蒂夫·霍夫曼（Steve Huffman）表示，在获得报酬并让平台掌握数据使用控制权之前，该公司将继续禁止微软及其他AI公司进行数据爬取。他强调，若未获得适当授权，Reddit将不允许利用数据爬取来训练AI模型。