テクノロジー大手がAIトレーニングにYouTubeの字幕を無断で使用

Apple、Nvidia、Anthropic が AI モデルのトレーニングに YouTube の字幕を使用していることが判明しました。これは YouTube のポリシーに違反します。 Proof News と Wired の報道によると、こうした企業はライセンスを適切に取得せずに、何千もの YouTube 動画のトランスクリプトのデータセットを使用していました。  

こちらの記事もお読みください: 英国の監視機関がマイクロソフトの AI 人材獲得に関する調査を開始

この 調査により 、Apple、Nvidia、Anthropic が YouTube 字幕データセットを使用していることが明らかになりました。 このデータセットは、48,000 チャンネルの 173,536 本の YouTube 動画のトランスクリプトで構成されています。 ビデオには、カーン アカデミーや MIT などの教育チャンネル、ウォール ストリート ジャーナルなどのニュース チャンネル、MrBeast や Marques Brownlee などのトップ クリエイターが含まれています。

人気の YouTuber がデータ搾取に反応

人気ユーチューバーのマーケス・ブラウンリー氏はXでこの問題について コメントし 「アップルはAI用のデータを他の企業から収集している。 そのうちの 1 つは、私のビデオを含む YouTube ビデオから大量のデータ/トランスクリプトを収集しました。 Appleはデータを直接スクレイピングしたわけではないかもしれないが、ブラウンリー氏はこの問題は今後も続くだろうと指摘した。

「YouTube 字幕」データセットは EleutherAI によって開発され、2020 年に公開されました。これには、プラットフォームから削除された YouTube 動画の字幕を含む 5.7GB のデータが含まれています。 

YouTube の利用規約によれば、「自動化された手段」によるビデオへのアクセスは禁止されています。 削除されたビデオに字幕が存在することは問題をさらに大きくし、プライバシーと著作権侵害に関する疑問を引き起こします。

同じく捜査に関与している組織であるSalesforceも、当該データセットを使用したことを認めた。 

「研究論文で言及されている Pile データセットは、学術および研究目的で 2021 年にトレーニングされました。 データセットは一般に公開されており、寛容なライセンスの下でリリースされました。」

Salesforce の広報担当者 

しかし、YouTube のコンテンツを許可なく使用することについては、現在でも議論の余地があります。 YouTubeの最高経営責任者（CEO）ニール・モハン氏は4月、AIトレーニングにYouTubeのビデオ、トランスクリプト、またはクリップを使用することはポリシーの「明らかな違反」であると述べた。 ただし、ニューヨーク タイムズ紙によると、OpenAI は GPT-4 モデルのトレーニングに 100 万時間の YouTube ビデオを使用しました。  

AI企業によるインターネットコンテンツ利用をめぐって法廷闘争が勃発

ChatGPT の開始以降、AI 企業がインターネットのコンテンツを許可なく使用する問題が増加しました。 さらに、コンテンツ制作者らは、著作権で保護された作品を許可なくスクレイピングしたとして、Stability AIとMidjourneyを訴えている。 YouTubeの所有者であるGoogleは、この種の法的措置は生成AIの基盤を脅かすとして、同様の申し立てに関して集団訴訟に直面した。  

インタビュー で、同社がこの新しいモデルのトレーニングにソーシャルメディアプラットフォームのビデオを使用したかどうかについては詳しく述べなかった。 Microsoft AI CEO のムスタファ・スレイマン氏tracと呼ぶものに基づいてフェアユースとみなされてきたと 述べました 。