В състезанието за разработване на напредничави модели на изкуствен интелект (ИИ), големите технологични компании като OpenAI, Google и Meta се стремят към умело придобиване на големи количества данни, често използвайки нестандартни и понякога спорни методи. С развитието на ИИ технологиите, търсенето на големи обеми от висококачествени данни е взривено, като подтиква тези компании да изследват нови начини за придобиване на данни.
Според последно изследване OpenAI използва над милион часа видео материали от YouTube, за да обучи своя мощен модел за естествен език, GPT-4. Вместо директно да използва видеата, OpenAI приложи инструмента за разпознаване на реч Whisper, за да транскрибира съдържанието и създаде нови разговорни текстове. Въпреки че този метод поражда опасения относно съответствието с политиката на YouTube, тъй като платформата забранява независимите приложения да използват своите видеа, OpenAI откри обходен начин чрез транскрибирането на съдържанието.
Подобно на това, Google и Meta, родителската компания на Facebook и Instagram, също се оказаха, че използват спорни източници на данни. Изследването подсказва, че Google транскрибира YouTube видеа за обучение на ИИ, което потенциално нарушава авторските права, и дори е променила условията си за ползване, за да получи достъп до повече съдържание, генерирано от потребителите. Meta е разгледала възможността да придобие Simon & Schuster, за да получи достъп до обширна библиотека от книги и е разгледала възможността за използване на авторски права в интернет данни, въпреки етичните и правни аспекти.
## Често задавани въпроси
1. Защо технологичните компании като OpenAI и Google се нуждаят от масивни количества данни, за да обучат своите модели на изкуствен интелект?
Технологичните компании са в зависимост от големи обеми данни, за да обучат моделите си на изкуствен интелект, защото ефективността и точността на тези модели значително се подобряват с количеството данни, на които са обучени. Повече данни позволяват на моделите на ИИ да научат модели, направят прогнози и генерират по-реалистични и човекоподобни изходи.
2. Какви са споровете около придобиването на данни от тези големи технологични гиганти?
Споровете възникват, когато технологичните компании използват данни от източници като YouTube без ясно съгласие или възможно нарушение на авторските права. Има опасения относно етичните последици на такива практики и въздействието върху личната неприкосновеност на потребителите и правата върху интелектуалната собственост.
3. Как технологичните компании се справят с тези проблеми?
OpenAI твърди, че всеки от моделите му на ИИ е обучен на уникални набори от данни, за да се запази конкурентоспособността в научните изследвания. Google, от своя страна, потвърждава, че обучава моделите си на ИИ с някои съдържание от YouTube, но поясни, че го прави по споразумения със създателите на съдържанието. Те допълнително уточниха, че данни от офис приложенията не се използват извън експерименталните програми. Meta подчертава своето ангажиране към интегриране на ИИ в своите услуги, като използва милиарди публично споделени изображения и видеоклипове.
The source of the article is from the blog trebujena.net