Proof News与《连线》(Wired)联合发表的一项调查显示，超过17万个YouTube视频是一个庞大数据集的一部分，该数据集被用于为一些最大的科技公司训练人工智能系统。苹果、Anthropic、英伟达和Salesforce等科技公司都使用了未经许可从视频平台上窃取的“YouTube字幕”数据。训练数据集是取自YouTube超过48,000个频道的视频字幕的集合——它不包括视频中的图像。
来自比斯特和马奎斯·布朗利(Marques Brownlee)等热门创作者的视频，以及来自ABC新闻、BBC和《纽约时报》等新闻媒体的剪辑，都会出现在数据集中。来自The Verge的100多个视频以及来自Vox的许多其他视频都出现在数据集中。
“苹果已经从几家公司获取了他们的人工智能数据，”布朗利(绰号MKBHD)在x上的一篇帖子中写道，“其中一家公司从YouTube视频中抓取了大量数据/文本，包括我的视频。”他补充说:“在很长一段时间内，这将是一个不断演变的问题。”
YouTube没有立即回应The Verge的置评请求。
作为调查的一部分，Proof News还发布了一个交互式查找工具。你可以使用它的搜索功能来查看你的内容——或者你最喜欢的youtube用户的内容——是否出现在数据集中。
字幕数据集是非营利组织EleutherAI的一个更大的数据集的一部分，该数据集名为The Pile，是一个开源的数据集，还包含书籍、维基百科文章等数据集。去年，对一个名为book3的数据集的分析揭示了哪些作者的作品被用于训练人工智能系统，该数据集已被作者引用，用于起诉使用该数据集训练人工智能的公司。
人工智能公司很少愿意对进入其人工智能系统的数据透明;最近几个月，YouTube的内容究竟是如何被使用的一直是一个关键问题。今年3月，当OpenAI推出其强大的视频生成工具Sora时，首席技术官米拉·穆拉蒂(Mira Murati)一再回避有关该系统是否接受过YouTube视频训练的问题。
她当时对《华尔街日报》(the Wall Street Journal)表示:“我不打算详细说明所使用的数据，但这些数据是公开可用的或获得许可的数据。”当《华尔街日报》追问有关YouTube内容的具体问题时，穆拉蒂表示，她“对此不确定”。
在之前的采访中，YouTube首席执行官尼尔·莫汉(Neal Mohan)曾表示，使用视频内容来训练人工智能——包括成绩单——将违反该平台的条款。今年5月，在一期《解码器》节目中，谷歌首席执行官桑达尔·皮查伊同意莫汉的评估，即如果OpenAI真的训练了苍井空学习YouTube内容，就会违反YouTube的条款。
“我们有条款和条件，我们希望人们在开发产品时遵守这些条款和条件，这就是我的感受，”皮查伊说。
本文来自作者[怜槐]投稿，不代表wlxev号立场，如若转载，请注明出处：https://blog.wlxev.cn/cshi/202507-970.html
评论列表（4条）
我是wlxev号的签约作者“怜槐”！
希望本篇文章《苹果、Anthropic等公司利用YouTube视频进行人工智能训练》能对你有所帮助！
本站[wlxev号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览： Proof News与《连线》(Wired)联合发表的一项调查显示，超过17万个YouTube视频是一个庞大数据集的一部分，该数据集被用于为一些最大的科技公司训练人...