• Google hat unbestätigte Berichte über die Aktivitäten vonOpenAIauf YouTube bestätigt und erklärt, dass seine robots.txt-Dateien und Nutzungsbedingungen das Scraping oder nicht autorisierte Herunterladen von Inhalten verbieten.
  • Meta war mit Einschränkungen bei der Verfügbarkeit von Trainingsdaten und Datenschutzbedenken nach dem Cambridge-Analytica-Skandal konfrontiert. Das Unternehmen erwog, Buchlizenzen zu kaufen oder einen Verlag zu erwerben, um zu OpenAI aufzuschließen, und sah sich mit Beschränkungen bei der Nutzung von Verbraucherdaten konfrontiert.

Das Wall Street Journal erklärte früher in dieser Woche, dass KI-Unternehmen bei der Sammlung hochwertiger Trainingsdaten auf ein Hindernis stoßen. Die New York Times beschrieb einige der Wege, wie Unternehmen mit diesem Problem umgehen.

OpenAI braucht Trainingsdaten

Verzweifelt auf der Suche nach Trainingsdaten entwickelte OpenAI das Audio-Transkriptionsmodell Whisper, um Hindernisse zu überwinden, indem es über eine Million Stunden YouTube-Videos transkribierte, um sein hochmodernes Large Language Model GPT-4 zu trainieren. Laut der New York Times war sich das Unternehmen bewusst, dass dies rechtlich problematisch sein würde, betrachtete es aber als faire Nutzung.

OpenAI-Sprecherin Lindsay Held sagte gegenüber The Verge, dass das Unternehmen für jedes seiner Modelle „einzigartige“ Datensätze zusammenstellt, um „ihnen zu helfen, die Welt zu verstehen“ und seine globale Forschung wettbewerbsfähig zu halten.

Laut dem Times-Artikel hatte das Unternehmen im Jahr 2021 einen Mangel an relevanten Daten und erwog die Transkription von Podcasts, Hörbüchern und YouTube-Videos als Notfallplan. Zu dieser Zeit hatte Google Informationen von Quizlet, einer Datenbank mit Schachspielen, und Computercode von GitHub verwendet, um seine Modelle zu trainieren.

Lesen Sie auch:Meta bestreitet, Netflix Zugriff auf private Nutzerinformationen gewährt zu haben

Googles Antwort

Google-Sprecher Matt Bryant erklärte gegenüber The Verge in einer E-Mail, dass das Unternehmen „unbestätigte Berichte gesehen“ habe, und fügte hinzu: „Unsere robots.txt-Datei und unsere Nutzungsbedingungen verbieten das Scraping oder nicht autorisierte Herunterladen von YouTube-Inhalten“, was die Nutzungsbedingungen des Unternehmens widerspiegelt. Bryant sagte, dass Google „technische und rechtliche Maßnahmen“ ergreife, um eine solche nicht autorisierte Nutzung zu verhindern, „wenn wir eine klare rechtliche oder technische Grundlage dafür haben“.

Die Rechtsabteilung von Google habe das Datenschutzteam des Unternehmens gebeten, die Formulierung seiner Richtlinie anzupassen, um die Verarbeitung von Verbraucherdaten wie Bürowerkzeuge wie Google Docs auszuweiten, schreibt die Times. Google habe angeblich vorgehabt, die neue Richtlinie am 1. Juli zu veröffentlichen, um von der Ablenkung am Wochenende des Unabhängigkeitstages zu profitieren.

Lesen Sie auch:OpenAIs Sprachklon-Tool imitiert Ihre Stimme mit einer 15-Sekunden-Probe

Metas Antwort

Meta stieß ebenfalls auf Einschränkungen bei der Verfügbarkeit guter Trainingsdaten, und in von der Times mitgehörten Aufzeichnungen diskutiert das KI-Team des Unternehmens über das Problem der Nutzung urheberrechtlich geschützter Werke ohne Genehmigung, während es versucht, zu OpenAI aufzuschließen. Das Unternehmen erwog Maßnahmen wie den Kauf von Buchlizenzen oder sogar die Übernahme eines großen Verlags. Die Datenschutzreformen des Unternehmens nach dem Cambridge-Analytica-Skandal haben offenbar auch die Art und Weise eingeschränkt, wie es Verbraucherdaten nutzt.

Google, OpenAI und der breitere Bereich des KI-Trainings kämpfen mit der rapide schrumpfenden Verfügbarkeit von Trainingsdaten für ihre Modelle, und je mehr Daten diese Modelle aufnehmen, desto besser. Das Journal schrieb diese Woche, dass die Unternehmen bis 2028 die Erstellung neuer Inhalte übertreffen könnten.

Das Journal schlägt Wege vor, um das Problem von Modellfehlern zu lösen, darunter synthetische Daten oder Kurslernen. Allerdings ist keine dieser Methoden bewährt. Unternehmen können alles verwenden, was sie finden, mit oder ohne Erlaubnis, aber das ist mit Rechtsstreitigkeiten verbunden.