7月17日消息，據(jù)媒體報道，包括NVIDIA、蘋果、Salesforce和Anthropic在內(nèi)的多家科技巨頭，被曝光涉嫌違規(guī)使用數(shù)據(jù)，用于訓(xùn)練其AI模型。

這些公司被發(fā)現(xiàn)使用了超過173536個YouTube視頻的字幕數(shù)據(jù)，而這些數(shù)據(jù)的獲取并未得到視頻創(chuàng)作者的許可。

這些公司所使用的數(shù)據(jù)集名為“YouTube Subtitles”，由非營利組織EleutherAI創(chuàng)建，該數(shù)據(jù)集包含了來自超過48000個頻道的視頻文本。

其中不乏知名教育機(jī)構(gòu)和媒體公司的內(nèi)容，例如可汗學(xué)院、麻省理工學(xué)院、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(nèi)。

此前，EleutherAI發(fā)布了名為“Pile”的數(shù)據(jù)匯編，其中的大部分?jǐn)?shù)據(jù)集都是對公眾開放的，包括YouTube Subtitles。

不過值得注意的是，蘋果在使用Pile數(shù)據(jù)集訓(xùn)練OpenELM模型時，并未直接下載數(shù)據(jù)，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(quán)從平臺獲取素材，同時這些數(shù)據(jù)不僅用于訓(xùn)練AI，還可能涉及到版權(quán)和隱私問題。

創(chuàng)作者們也對此表示震驚和不滿，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(bǔ)償。