De beschikbaarheid van digitale gegevens voor het trainen van AI-modellen is niet oneindig, in tegenstelling tot wat vaak wordt gedacht. Dit heeft grote spelers in het veld, zoals OpenAI, Google en Meta, gedwongen om moeilijke beslissingen te nemen die mogelijk ethische grenzen kunnen overschrijden en bestaande wetten kunnen uitdagen. Deze onthullingen komen voort uit een onderzoeksartikel dat onlangs is gepubliceerd door The New York Times en werpen licht op de zakelijke uitdagingen waarmee deze bedrijven worden geconfronteerd.
Een van de omstreden praktijken die in het artikel worden belicht, is OpenAI’s transcriptie van audio van meer dan een miljoen uur aan YouTube-video’s. Het verzamelen van gesprekstekst voor trainingsdoeleinden van modellen roept vragen op over mogelijke schendingen van de regels van YouTube. De transcriptiegegevens werden vervolgens gevoed aan het krachtige AI-model GPT-4, als basis voor de nieuwste versie van de ChatGPT-chatbot.
Ook Meta, het moederbedrijf van Facebook en Instagram, heeft kritiek gekregen op haar acties. In het artikel staat dat Meta overwoog om een uitgeverij over te nemen om lange werken te verkrijgen en besprak het verzamelen van auteursrechtelijk beschermd materiaal van over het hele internet. In hun zoektocht naar gegevens hadden ze het over de mogelijkheid om mogelijk juridische gevolgen te ondervinden in plaats van het langdurige proces van onderhandelingen over licenties met uitgevers, artiesten, muzikanten en de nieuwsindustrie aan te gaan.
Google, bekend om zijn uitgebreide scala aan platforms die grote hoeveelheden informatie verzamelen, werd geconfronteerd met zijn eigen uitdagingen. Het bedrijf transcribeerde YouTube-video’s om tekst te extraheren voor AI-training, mogelijk in strijd met de auteursrechten van videomakers. Het artikel herinnert ons eraan dat de AI-industrie zwaar leunt op online informatie, waaronder nieuwsverhalen, fictiewerken, berichten op fora, Wikipedia-artikelen, computerprogramma’s, foto’s, podcasts en filmclips.
De dorst naar gegevens beperkt zich niet tot deze bijzondere praktijken. Het artikel onthult de urgentie van de situatie van techbedrijven en stelt dat ze mogelijk al in 2026 door de hoogwaardige gegevens op internet heen zijn. De snelheid waarmee bedrijven gegevens gebruiken, overtreft de productie ervan. Deze dreigende uitdaging plaatst deze bedrijven in een race tegen de klok om innovatieve methoden voor gegevensverzameling te vinden.
Veelgestelde vragen (FAQ):
V: Wat is het ethische dilemma rond AI-training?
A: Het ethische dilemma ontstaat door de beperkte beschikbaarheid van digitale gegevens voor het trainen van AI-modellen. Bedrijven staan voor de uitdaging om voldoende gegevens te verwerven zonder mogelijk de privacywetten of auteursrechten te schenden.
V: Hoe verzamelen bedrijven zoals OpenAI, Google en Meta gegevens voor AI-modellen?
A: Deze bedrijven maken gebruik van verschillende methoden zoals het transcriberen van audio van YouTube-video’s, het bespreken van de overname van uitgeverijen en het verruimen van de servicevoorwaarden om gebruik te maken van publiekelijk beschikbare documenten, restaurantrecensies en andere online materialen.
V: Waarom is de race om gegevens urgent?
A: Techbedrijven gebruiken gegevens in een hoger tempo dan dat het wordt geproduceerd. Onderzoeksinstituten voorspellen dat hoogwaardige gegevens op internet al tegen 2026 uitgeput kunnen zijn.
V: Wat zijn de mogelijke gevolgen van deze praktijken?
A: Bedrijven die betrokken zijn bij deze praktijken lopen het risico op mogelijke ethische en juridische consequenties, waaronder schending van het auteursrecht en het overtreden van platformregels.
De AI-industrie opereert binnen een dynamische en evoluerende markt. Terwijl bedrijven zoals OpenAI, Google en Meta hun AI-modellen proberen te trainen, worden ze geconfronteerd met tal van branche-specifieke uitdagingen en kansen. Marktvoorspellingen suggereren een aanzienlijke groei voor de AI-industrie, maar verschillende essentiële kwesties moeten worden aangepakt om deze groei te handhaven.
Volgens brancheverslagen zal de wereldwijde AI-markt naar verwachting in 2025 een waarde van $190 miljard bereiken, met een samengesteld jaarlijks groeipercentage (CAGR) van 37,5% van 2019 tot 2025. Deze voorspelling weerspiegelt de toenemende adoptie van AI-technologieën in diverse sectoren, waaronder gezondheidszorg, financiën, detailhandel en productie. De potentiële voordelen van AI, zoals verbeterde efficiëntie, verbeterde besluitvorming en automatisering, stimuleren de snelle uitbreiding ervan.
Echter, de beschikbaarheid van hoogwaardige gegevens voor AI-training vormt een aanzienlijke hindernis. Zoals benadrukt in het artikel, worstelen grote spelers in de industrie met de beperkte beschikbaarheid van digitale gegevens. De urgentie om gegevens te verwerven komt voort uit de overtuiging dat bestaande bronnen tegen 2026 uitgeput kunnen zijn. Om aan deze vraag te voldoen, wenden bedrijven zich tot innovatieve methoden van gegevensverzameling.
Een aanpak is het scrapen van gegevens, zoals te zien is bij de transcriptie van audio van meer dan een miljoen uur aan YouTube-video’s door OpenAI. Dit roept zorgen op over mogelijke schendingen van de regels van het platform, zoals het beleid van YouTube over gegevensgebruik. Op soortgelijke wijze heeft Meta overwogen om uitgeverijen over te nemen of auteursrechtelijk beschermd materiaal van internet te verzamelen, wat mogelijk kan leiden tot juridische gevolgen. Deze praktijken stellen bedrijven bloot aan ethische en juridische uitdagingen, waaronder schendingen van het auteursrecht en overtredingen van platformregels.
De afhankelijkheid van de industrie van online informatie, variërend van nieuwsberichten en fictiewerken tot door gebruikers gegenereerde content, compliceert verder het proces van gegevensverwerving. Privacywetten en bedrijfsbeleid beperken steeds meer de toegang tot bepaalde soorten gegevens. Als gevolg hiervan vinden bedrijven zoals Google en Meta het moeilijker om gebruik te maken van de overvloed aan informatie die beschikbaar is op internet.
Om deze uitdagingen aan te gaan, investeren bedrijven in onderzoek en ontwikkeling om technieken voor gegevensgeneratie te verbeteren en alternatieve gegevensbronnen te verkennen. Sommigen breiden hun servicevoorwaarden uit om meer uitgebreide toestemmingen voor gegevensgebruik op te nemen, zoals toegang tot publiekelijk beschikbare documenten, restaurantrecensies en andere online materialen.
Al met al maakt de AI-industrie een snelle groei door, maar wordt geconfronteerd met aanzienlijke uitdagingen met betrekking tot gegevensverwerving. De beperkte beschikbaarheid van hoogwaardige gegevens en ethische dilemma’s met betrekking tot de verwerving ervan zijn dringende zorgen voor bedrijven zoals OpenAI, Google en Meta. Marktvoorspellingen schetsen een positief beeld voor de uitbreiding van de industrie, maar het aanpakken van deze kwesties is cruciaal om een ethische groei in de sector te handhaven en te bevorderen.
The source of the article is from the blog lisboatv.pt