طبق گزارشی جدید، گوگل و OpenAI از رونوشت ویدیوهای یوتیوب برای آموزش برخی از مدل‌های هوش مصنوعی خود بهره گرفته‌اند.

به‌نظر می‌رسد OpenAI و گوگل از رونوشت ویدیوهای یوتیوب برای آموزش مدل‌های هوش مصنوعی خود استفاده کرده‌اند؛ اقدامی که می‌تواند به نقض قوانین کپی‌رایت سازندگان محتوا منجر شود.

گزارش نیویورک تایمز به تلاش‌های گسترده‌ی OpenAI، گوگل و متا برای افزایش حداکثری حجم داده‌‌ی قابل‌ استفاده برای آموزش مدل‌های هوش مصنوعی‌ اشاره می‌کند. این گزارش تنها چند روز پس از مصاحبه‌ی نیل موهن، مدیرعامل یوتیوب با بلومبرگ، منتشر شد؛ مصاحبه‌ای که موهن در آن گفت استفاده‌ی احتمالی OpenAI از ویدیوهای یوتیوب برای آموزش مدل سورا، خلاف قوانین این پلتفرم است.

گفته می‌شود OpenAI با استفاده از ابزار تشخیص صدای خود به نام Whisper، بیش از یک میلیون ساعت ویدیو یوتیوب را به متن تبدیل و از این داده‌ها برای آموزش مدل هوش مصنوعی قدرتمند GPT-4 استفاده کرده است.

نشریه‌ی The Information قبلاً گزارش داده بود OpenAI از ویدیوها و پادکست‌های یوتیوب برای آموزش دو سیستم هوش مصنوعی خود بهره برده است.

مت برایانت، سخنگوی گوگل، در گفت‌وگو با نیویورک تایمز ضمن اشاره به قوانین گوگل که استخراج یا دانلود غیرمجاز محتوای یوتیوب را ممنوع کرده است، نسبت‌ به استفاده‌ی OpenAI از این داده‌ها اظهار بی‌اطلاعی کرد.

ظاهراً عده‌‌ای در گوگل می‌دانستند که برخی شرکت‌ها داده‌های یوتیوب را برای آموزش مدل‌های هوش مصنوعی خود مورد استفاده قرار داده‌اند، اما به‌دلیل اینکه گوگل نیز همین‌ کار را انجام می‌دهد، علیه OpenAI هیچ اقدامی نکردند. گوگل می‌گوید در این زمینه فقط از ویدیو کانال‌هایی استفاده کرده است که از انجام این کار رضایت داشتند.

گوگل در ژوئن ۲۰۲۳ (خرداد و تیر ۱۴۰۲) از یکی از تیم‌هایش درخواست کرده است به‌منظور استفاده‌ی گسترده‌تر از محتواهای عمومی از جمله اسناد گوگل‌ درایو و گوگل‌ شیت برای آموزش مدل‌ها و محصولات هوش مصنوعی، سیاست حفظ حریم خصوصی خود را به‌روزرسانی کند.