Авторизация / Регистрация

[Efemische]

Расследование Proof News и Wired показало, что богатейшие компании в мире в лице Apple, NVIDIA и многих других использовали 173 000 видео с YouTube для тренировки своих искусственных интеллектов. При этом информация о таком использовании видео компаниями вроде NVIDIA, Apple и Salesforce является официальной.

Пак использованных видео называется The Pile, имеет размер в 800 Гб и содержит в себе подготовленные для обучения ИИ данные, которые собраны за счет YouTube-видео компанией EleutherAI для, как заявляется, "рядовых кодеров". Вместе с этим стало известно и об использовании тренировочных данных YouTube Subtitles, которые содержат 173 536 текстовых транскрипций для различных видео. При этом в данном наборе есть более 12 000 давно удаленных с YouTube файлов.

Среди попавших в тренировочные данные видео значится 1862 видео Crash Course, 146 видео Philosophy Tube, 2 видео MrBeast, 337 видео Pewdiepie, 7 видео Marques Brownlee и 90 видео Linus Tech Tips. Некоторые авторы уже успели негативно высказаться о произошедшем. С помощью инструмента по ссылке можно проверить попало ли какое-либо видео в тренировочные данные.

При этом, как заявляется, оба этих пака тренировочных данных нарушают правила пользования YouTube. Кто именно во всем виноват? Никто не признается, и все показывают пальцами друг на друга. Apple и NVIDIA не виноваты потому, что данные собирали не они, а сами сборщики данных на претензии отвечать отказываются.

[Red]

Сообщение от Efemische:

оба этих пака тренировочных данных нарушают правила пользования YouTube

А как они нарушают правила? Всё в открытом доступе, а доказать что они используют эти данные для своих коммерческих целей, будет крайне тяжело. Любой у себя дома может заняться тем же, но в меньших масштабах Что, теперь каждый вшивый ютубер будет со всеми и каждым судиться?

[aWAtaRko]

Сообщение от Red:

а доказать что они используют эти данные для своих коммерческих целей, будет крайне тяжело

Вроде как есть нейронки, которые могут проанализировать модель и дать вероятностный анализ, был ли использован конкретный датасет для обучения или нет. Что-то типа днк теста. Но юридически, да, будет сложновато. Сомневаюсь, что уже создали правовую базу для таких случаев.

[Bullen]

800 гб?
мм? чёт как-то мало, нет?

[Red]

Сообщение от Bullen:

800 гб?
мм? чёт как-то мало, нет?

Смотря какое качество и сжатие. 1600 обычных 30 мин. видосов вместится спокойно.

[Tea_Maniac]

@Bullen, там пади ав1, он хорошо сжимает

[DaOni]

Там кстати еще не добавили какой нибудь пунктик в лиц соглашению с ютубом, что он может пользовать ваше видео как ему хочется, и вообще видео его, а вы просто его арендуете?

[Akela3dn]

Бля а сколько было бы вони если бы это сделала какая нибудь VK, но ютубу можно и да же никого это не парит )

[ZloiMent]

Сообщение от DaOni:

Там кстати еще не добавили какой нибудь пунктик в лиц соглашению с ютубом, что он может пользовать ваше видео как ему хочется, и вообще видео его, а вы просто его арендуете?

Да оно скорее всего было, что как бы видео вам принадлежит, но нужно понимать, что свободная платформа все дела

[PipBoy]

Ого. Оказывается нейронки обучают данными из интернета. Какая неожиданность.