Industria tehnologiei AI se confruntă cu provocări etice semnificative în ceea ce privește achiziționarea datelor pentru antrenarea modelelor AI. Contrar credinței populare, disponibilitatea datelor digitale destinate antrenării modelelor AI nu este infinită. Această realitate a determinat jucătorii importanți din domeniu, cum ar fi OpenAI, Google și Meta, să ia decizii dificile care ar putea încălca limitele etice și să pună la încercare legislația existentă. Aceste informații provin dintr-un articol investigativ publicat recent de The New York Times, care aruncă lumină asupra provocărilor comerciale cu care se confruntă aceste companii.
Una dintre practicile controversate evidențiate în articol este transcrierea audio a peste un milion de ore de videoclipuri de pe YouTube de către OpenAI. Această extragere de text conversațional în scopuri de antrenament al modelului ridică întrebări cu privire la posibile încălcări ale regulilor YouTube. Datele transcrise au fost ulterior introduse în puternicul model AI GPT-4, formând baza celei mai recente versiuni a chatbot-ului ChatGPT.
Meta, compania mamă a Facebook și Instagram, a fost, de asemenea, supusă unor scrutine. Articolul menționează faptul că Meta a luat în considerare achiziționarea unei edituri pentru a obține lucrări lungi și a discutat colectarea de date protejate de drepturi de autor de pe internet. În căutarea lor de date, au dezbătut posibilitatea de a se confrunta cu repercusiuni legale în loc să parcurgă procesul laborios de negociere a licențelor cu editori, artiști, muzicieni și industria de știri.
Google, cunoscut pentru gama sa extinsă de platforme care colectează cantități mari de informații, a întâlnit și propriile sale provocări. Compania a transcris videoclipuri de pe YouTube pentru a extrage textul necesar antrenamentului AI, potențial încălcând drepturile de autor ale creatorilor de videoclipuri. Articolul ne reamintește că industria AI depinde în mare măsură de informațiile online, înglobând știri, lucrări de ficțiune, postări de pe forumuri, articole Wikipedia, programe de calculator, fotografii, podcast-uri și secvențe de film.
Setea pentru date nu se limitează doar la aceste practici specifice. Articolul dezvăluie urgența situației companiilor tech, afirmând că ar putea epuiza datele de înaltă calitate disponibile pe internet încă din 2026. Ritmul la care companiile utilizează datele depășește producția acestora. Această provocare iminentă le-a pus pe aceste companii într-o cursă contra cronometru pentru a găsi metode inovatoare de achiziționare a datelor.
Întrebări frecvente (FAQ):
Q: Care este dilema etică în jurul antrenării AI?
A: Dilema etică apare din disponibilitatea limitată a datelor digitale pentru antrenamentul modelelor AI. Companiile se confruntă cu provocarea de a achiziționa date suficiente fără a încălca potențial legi privind confidențialitatea sau drepturile de autor.
Q: Cum își procură companiile precum OpenAI, Google și Meta datele pentru modelele AI?
A: Aceste companii folosesc diverse metode precum transcrierea audio din videoclipuri YouTube, discutarea achiziționării editurilor și extinderea termenilor de serviciu pentru a accesa documente disponibile public, recenzii de restaurante și alte materiale online.
Q: De ce este urgentă cursa pentru date?
A: Companiile tech utilizează datele într-un ritm mai rapid decât sunt produse. Institutelor de cercetare prognozează că datele de înaltă calitate de pe internet ar putea fi epuizate până în 2026.
Q: Care sunt repercursiunile potențiale ale acestor practici?
A: Companiile implicate în aceste practici se expun riscului de consecințe etice și legale, inclusiv încălcarea drepturilor de autor și încălcarea regulilor platformei.
Pe măsură ce industria AI continuă să prospere, cererea de date ridică provocări complexe. Este crucial ca părțile implicate să navigheze dilemele etice în legătură cu achiziționarea datelor, respectând în același timp cadrul legal și drepturile creatorilor de conținut.
Industria AI operează într-un mediu de piață dinamic și în continuă evoluție. Pe măsură ce companii precum OpenAI, Google și Meta se străduiesc să-și antreneze modelele AI, se confruntă cu numeroase provocări și oportunități specifice industriei. Previziunile de pe piață indică o creștere semnificativă pentru industria AI, dar sunt necesare abordări la nivelul unor probleme cheie pentru a susține această creștere.
Conform rapoartelor din industrie, se estimează că piața globală de AI va atinge o valoare de 190 miliarde de dolari până în 2025, cu un CAGR de 37,5% între 2019 și 2025. Aceste prognoze reflectă creșterea adoptării tehnologiilor AI în diverse industrii, precum sănătatea, finanțele, retailul și producția. Beneficiile potențiale ale AI, precum îmbunătățirea eficienței, luarea deciziilor îmbunătățită și automatizarea, impulsionează expansiunea rapidă a acesteia.
Cu toate acestea, disponibilitatea datelor de înaltă calitate pentru antrenamentul AI reprezintă o provocare semnificativă. Așa cum a fost evidențiat în articol, jucătorii importanți din industrie se luptă cu disponibilitatea limitată a datelor digitale. Urgența de a achiziționa date provine din convingerea că sursele existente ar putea fi epuizate până în 2026. Pentru a satisface această cerere, companiile recurg la metode inovatoare de achiziționare a datelor.
Unele dintre abordările includ „data scraping”, așa cum s-a întâlnit în transcrierea audio a peste un milion de ore de videoclipuri de pe YouTube de către OpenAI. Acest lucru ridică îngrijorări privind posibilele încălcări ale regulilor platformei, precum politica YouTube privind utilizarea datelor. Similar, Meta a explorat ideea achiziționării editurilor sau colectarea de date protejate de drepturi de autor de pe internet, putând duce la repercusiuni legale. Aceste practici expun companiile la provocări etice și legale, incluzând încălcarea drepturilor de autor și nerespectarea regulilor platformelor.
Dependența industri
**Sursa:** the-new-york-times.com
The source of the article is from the blog trebujena.net