آموزش بدون مجوز مدل‌های هوش مصنوعی از رونوشت‌های متنی یوتیوب توسط غول‌های فناوری

یکی از سخنگویان گوگل در پاسخ گفت که نظرات قبلی توسط نیل موهان، مدیرعامل یوتیوب، مبنی بر اینکه شرکت‌هایی که به شکلی از داده‌های یوتیوب برای آموزش مدل‌های هوش مصنوعی استفاده می‌کنند که شرایط و خدمات این پلت‌فرم را نقض می‌کند همچنان پابرجاست. اپل، انویدیا، آنتروپیک و EleutherAI به درخواست اظهار نظر از طرف انگجت پاسخ ندادند.
 
تاکنون، شرکت‌های هوش مصنوعی درباره داده‌های مورد استفاده برای آموزش مدل‌های خود شفاف نبوده‌اند. در اوایل این ماه، هنرمندان و عکاسان اپل را به دلیل فاش نکردن منبع داده‌های آموزشی برای Apple Intelligence مورد انتقاد قرار دادند.
 
یوتیوب، به طور ویژه به عنوان بزرگترین مخزن ویدیوهای جهان، معدن طلایی نه تنها رونوشت (ترانسکریپت)، بلکه صدا، ویدئو و تصاویر است که آن را به دیتاستی جذاب برای آموزش مدل‌های هوش مصنوعی تبدیل می‌کند. در اوایل سال جاری، میرا موراتی، مدیر ارشد فناوری OpenAI، از پاسخ دادن به سؤالات وال‌استریت‌ژورنال در مورد اینکه آیا این شرکت از ویدیوهای یوتیوب برای آموزش سورا (ابزار تولید ویدیوی هوش مصنوعی آتی OpenAI) استفاده می‌کند طفره رفت.

موراتی در آن زمان گفت: «من قصد ندارم وارد جزئیات داده‌هایی که استفاده شده‌اند بشوم، اما این داده‌ها در دسترس عموم بوده یا داده‌های دارای مجوز بوده‌اند». ساندار پیچای، مدیرعامل آلفابت، نیز گفته است که شرکت‌هایی که از داده‌های یوتیوب برای آموزش مدل‌های هوش مصنوعی خود استفاده می‌کنند شرایط خدمات این پلتفرم را نقض می‌کنند.
 
اگر می‌خواهید ببینید زیرنویس‌های ویدیوهای یوتیوب شما یا کانال‌های مورد علاقه‌تان بخشی از این دیتاست هستند یا نه، می‌توانید به ابزار جستجوی Proof News مراجعه کنید.