超17萬(wàn)個(gè)視頻！英偉達蘋(píng)果等巨頭被曝違規用數據訓練AI

7月17日消息，超萬(wàn)據媒體報道，個(gè)視規用包括NVIDIA、頻英蘋(píng)果曝違蘋(píng)果、偉達Salesforce和Anthropic在內的等巨多家科技巨頭，被曝光涉嫌違規使用數據，頭被用于訓練其AI模型。數據

這些公司被發(fā)現使用了超過(guò)173536個(gè)YouTube視頻的訓練字幕數據，而這些數據的超萬(wàn)獲取并未得到視頻創(chuàng )作者的許可。

這些公司所使用的個(gè)視規用數據集名為“YouTube Subtitles”，由非營(yíng)利組織EleutherAI創(chuàng )建，頻英蘋(píng)果曝違該數據集包含了來(lái)自超過(guò)48000個(gè)頻道的偉達視頻文本。

其中不乏知名教育機構和媒體公司的等巨內容，例如可汗學(xué)院、頭被麻省理工學(xué)院、數據哈佛大學(xué)等，此外，一些廣受歡迎的YouTube創(chuàng )作者，如MrBeast等的視頻也被包括在內。

此前，EleutherAI發(fā)布了名為“Pile”的數據匯編，其中的大部分數據集都是對公眾開(kāi)放的，包括YouTube Subtitles。

不過(guò)值得注意的是，蘋(píng)果在使用Pile數據集訓練OpenELM模型時(shí)，并未直接下載數據，因此在技術(shù)層面上，是EleutherAI違反了YouTube的使用條款。

YouTube明確禁止未經(jīng)授權從平臺獲取素材，同時(shí)這些數據不僅用于訓練AI，還可能涉及到版權和隱私問(wèn)題。

創(chuàng )作者們也對此表示震驚和不滿(mǎn)，因為他們并未被告知自己的作品被用于商業(yè)目的，更遑論從中獲得任何補償。