涉17万个视频！英伟达等巨头被曝违规使用YouTube数据训练模型
澎湃新闻记者 胡含嫣
科技巨头被曝使用未经授权的YouTube内容训练AI(人工智能)模型。
当地时间7月16日，据外媒报道，包括苹果、英伟达、Salesforce和Anthrophic在内的一些大型科技公司，被曝在训练AI模型时使用了来自谷歌旗下视频网站YouTube的未授权数据。这些公司使用了一个由第三方提供的数据集，其中包含从YouTube上抓取的大量视频字幕文本，违反了YouTube禁止从平台上未经许可抓取内容的规定。
报道指出，这些科技公司在训练AI模型时都使用了一个名为“YouTube Subtitles(YouTube字幕)”的数据集，大小为5.7GB，包含4.89亿个单词，来自Youtube上超过4.8万个频道中的17.35万个视频。该数据集由视频字幕的纯文本组成，包括视频博主上传的部分和Youtube自动转录的文本，除了英语外，通常还附带日语、德语和阿拉伯语等语言的翻译。
非营利性组织EleutherAI是争议数据集的创作者，公司尚未对此事作出回应。根据官网介绍，EleutherAI的目标是“降低AI开发的门槛，通过训练和发布模型，让大家接触到尖端的AI技术”。此前，EleutherAI发布了名为“Pile”的数据汇编，其中的大部分数据集都是对公众开放的，包括YouTube Subtitles。
资料显示，在苹果于今年4月发布端侧小模型OpenELM模型的几周之前，公司就使用了Pile进行训练。不过，值得注意的是，苹果自己并没有下载这些数据。因此，从技术层面来说，是EleutherAI违反了YouTube的使用条款。
AI初创公司Anthropic的一位发言人证实，Pile数据集已被用于训练公司的生成式AI助手Claude，而YouTube的相关条款仅涉及“直接使用其平台”，建议与Pile的原作者讨论任何违反YouTube服务条款的行为。苹果、英伟达、Salesforce等其他公司尚未对此事作出回应。
此次事件影响到的创作者包括Marques Brownlee、MrBeast和PewDiePie等知名博主，以及《纽约时报》、英国广播公司(BBC)和美国ABC News等大型新闻出版商。另外，数据集中的一些材料宣传了“地平说”等阴谋论，甚至还包含了已被删除的视频的内容。现在，Pile已从官方下载网站上下架，但仍可通过文件共享服务访问。
对此，知名科技博主Marques Brownlee在X(原推特)平台上表示：“苹果从几家公司获取了他们AI所需的数据，其中一家从YouTube视频中抓取了大量数据/转录文本，包括我的视频。从技术上来说苹果没有‘犯错’，他们没有主动抓取数据。但这将是一个长期存在的问题。”
虽然苹果和其他公司或许是使用了公开的数据集，并没有违规行为，但此次事件让人们又一次关注到AI训练背后的数据问题。今年年初，YouTube的母公司谷歌被曝利用该平台的视频来训练旗下模型，谷歌当时回应称，这种行为没有违反平台与创作者的协议。
今年3月，OpenAI首席技术官米拉・穆拉蒂(Mira Murati)在接受采访时还曾对文生视频模型Sora的训练数据来源含糊其词。4月，YouTube首席执行官尼尔・莫汉(Neal Mohan)在采访中表示，他并没有直接证据能够证明OpenAI确实使用了YouTube的视频来完善其文生视频AI工具Sora，如果真的使用了，那就“明显违反”了YouTube平台的使用条款。
3月18日，记者从山西省人民政府获悉，“山西煤炭工业互联网智算平台”日前在山西联通大数据中心建设完成。该平台由中国联通与山西晋云互联科技有限公司共同打造，是山西省目前唯一的垂直行业类智 近日，国家知识产权局等五部门联合印发了《专利产业化促进中小企业成长计划实施方案》（以下简称《实施方案》）。《实施方案》提出，到2025年底，中小企业知识产权意识和专利转化运用能力得到普遍提升 科技日报从哈尔滨工业大学获悉，北京时间2024年3月20日8时31分28秒，“天都一号”“天都二号”通导技术试验星伴随探月工程四期鹊桥二号中继星任务搭乘长征八号遥三运载火箭从文昌航天发射场发射 联合国机构3月20日发布的《全球电子垃圾监测》报告显示，2022年全球范围内共产生6200万吨电子垃圾，其中仅有不到四分之一被回收利用。报告显示，2022年全球电子垃圾的产生量相比2010年增长了82%。 中国气象局下一代大气数值模式日前发布。该模式采用完全自主的动力框架算法——多矩约束有限体积方法为基础算法，进一步提升全球公里级和区域百米级尺度数值预报的精度，显著减小全球 全球首台无细胞蛋白质合成生物反应器、全球首台全高温超导托卡马克装置（洪荒70）、64比特超导量子计算机研发与产业化项目、深海可燃冰探采重载作业机器人系统研制、载人电动复合翼垂直起降飞行 。本文链接：涉17万个视频！英伟达等巨头被曝违规使用YouTube数据训练模型http://www.sushuapos.com/show-2-7656-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： Shift Up上市背后：灵魂人物金亨泰与“伯乐”腾讯
下一篇： AI眼中的中国｜今日大暑，万物盛极