大戰(zhàn)一觸即發(fā)：OpenAI轉(zhuǎn)錄超過100萬小時的YouTube視頻來訓(xùn)練模型 – 藍點網(wǎng)
本周早些時候紐約時報發(fā)布了一篇內(nèi)容描述人工智能公司 OpenAI 在收集高質(zhì)量訓(xùn)練數(shù)據(jù)方面遇到的大戰(zhàn)的困難，昨夜紐約時報發(fā)布新內(nèi)容描述 OpenAI 如何處理這些問題。觸即
OpenAI 一開始迫切需要海量的錄超藍點西安碑林外圍女(高端外圍資源vx《365-2895》提供外圍女上門服務(wù)快速選照片快速安排不收定金面到付款30分鐘可到達訓(xùn)練數(shù)據(jù)，報道稱為了解決訓(xùn)練數(shù)據(jù)問題 OpenAI 開發(fā)了語音轉(zhuǎn)錄模型 Whisper。過萬
該模型被用于轉(zhuǎn)錄 OpenAI 獲取的小時訓(xùn)練超過 100 萬小時的 YouTube 視頻，也就是視頻將 YouTube 視頻中的音頻內(nèi)容轉(zhuǎn)錄文字，然后再拿去訓(xùn)練 GPT-4。模型
OpenAI 顯然知道自己的大戰(zhàn)的這種做法存在法律上的爭議，不過該公司相信這是觸即合理使用的，而且 OpenAI 總裁 Greg Brockman 親自參與了上述所使用視頻的錄超藍點收集工作。
在被紐約時報報道后，過萬OpenAI 發(fā)言人表示，小時訓(xùn)練該公司為其每個模型策劃了獨特的視頻西安碑林外圍女(高端外圍資源vx《365-2895》提供外圍女上門服務(wù)快速選照片快速安排不收定金面到付款30分鐘可到達數(shù)據(jù)集，以幫助該公司了解世界并保持其全球研究競爭力，模型該公司使用了眾多數(shù)據(jù)源，大戰(zhàn)的包括公開數(shù)據(jù)和非公開數(shù)據(jù)的合作伙伴，并且 OpenAI 在考慮生成自己的合成數(shù)據(jù)。
不過早在 2021 年 OpenAI 就耗盡了有用的數(shù)據(jù)供應(yīng)，包括轉(zhuǎn)錄的超過 100 萬小時的 YouTube 視頻、播客和其他有聲讀物，那時候 OpenAI 已經(jīng)使用這些數(shù)據(jù)進行訓(xùn)練，模型數(shù)據(jù)也包括 GitHub 上的計算機代碼、國際象棋走棋數(shù)據(jù)庫以及 Quizlet 等。
谷歌稱相關(guān)行為已經(jīng)違規(guī)：
對于上述報道谷歌自然不會坐視不理的，畢竟對谷歌來說，YouTube 內(nèi)容庫現(xiàn)在就是個金山，谷歌自己能用，但絕對不能給其他公司用。
谷歌發(fā)言人稱已經(jīng)注意到有關(guān) OpenAI 活動的未經(jīng)證實的報告，谷歌的 robots.txt 文件和服務(wù)條款都禁止未經(jīng)授權(quán)的抓取或下載 YouTube 內(nèi)容，這與谷歌相關(guān)的條款相符。
本周 YouTube CEO 也就 OpenAI 使用 YouTube 數(shù)據(jù)來訓(xùn)練 Sora 模型的可能性發(fā)布了類似言論，同時她警告稱當(dāng)有明確的法律或技術(shù)依據(jù)時，谷歌會采取技術(shù)和法律措施來防止此類未經(jīng)授權(quán)的使用。
谷歌自己使用 YouTube 數(shù)據(jù)訓(xùn)練 AI：
雖然谷歌強調(diào)保護創(chuàng)作者的內(nèi)容，不過谷歌也承認他們也使用 YouTube 視頻來訓(xùn)練 AI，谷歌此前已經(jīng)透露該公司與創(chuàng)作者的協(xié)議中，可以使用一些 YouTube 內(nèi)容來訓(xùn)練模型。
數(shù)據(jù)收集方法也是類似的，即將 YouTube 的音頻內(nèi)容轉(zhuǎn)換為文字內(nèi)容后，再拿去訓(xùn)練模型，對谷歌來說 YouTube 的內(nèi)容庫可以提供海量數(shù)據(jù)，是個不可多得的幾乎不用花錢的數(shù)據(jù)源。
接下來是否會出現(xiàn)法律訴訟：
考慮到 OpenAI 對數(shù)據(jù)的迫切需求，OpenAI 通過各種方式抓取受版權(quán)保護的內(nèi)容不足為奇，在初期也就是 2021 年前后這種情況估計還不會引起關(guān)注，但現(xiàn)在情況已經(jīng)不同了。
如果谷歌找到證據(jù)表明 OpenAI 抓取 YouTube 內(nèi)容用于訓(xùn)練，那么谷歌肯定會起訴 OpenAI，畢竟 OpenAI 的行為確實可能已經(jīng)違反了 YouTube 相關(guān)協(xié)議。
所以或許在不久之后我們就能看到各種因為內(nèi)容版權(quán)問題引起的法律大戰(zhàn)，到時候牽涉進來的自然也不只是谷歌和 OpenAI，可能還有更多 AI 公司和內(nèi)容提供商牽涉進來。
