Apple e outras empresas treinaram IA sem autorização do YouTube

Modelos de inteligência artificial (IA) precisam de dados para serem treinados, mas há escassez deles. Para lidar com isso, algumas gigantes da tecnologia recorreram a uma base com dados extraídos de milhares de vídeos do YouTube. O problema é que essa coleta foi feita sem permissão.

Entre as gigantes que treinaram modelos de IA com dados de vídeos do YouTube estão Anthropic, Apple, Nvidia e Salesforce. Por trás dos canais afetados estão youtubers famosos, como Marques Brownlee (MKBHD), MrBeast e PewDiePie. É o que aponta uma investigação da Proof News.

O relatório revela ainda que a coleta indevida de dados foi feita por uma organização sem fins lucrativos chamada EleutherAI, que afirma ter o intuito de contribuir para treinamentos de modelos de IA.

A EleutherAI foi criada para atender a pequenos desenvolvedores ou a projetos acadêmicos, presumivelmente. Mas sabe-se agora que grandes organizações também utilizam os seus recursos. É aqui que os problemas começam.

Os dados utilizados por big techs fazem parte de uma compilação chamada Pile, com mais de 800 GB de tamanho. Esse conjunto inclui dados de fontes como Wikipedia, Parlamento Europeu e YouTube. Neste último, a coleta não envolve os vídeos em si, mas legendas que aparecem neles.

A compilação inclui legendas ou transcrições de 173.536 vídeos oriundos de mais de 48.000 canais no YouTube, aponta a Proof News. Além de youtubers famosos, foram afetados canais de organizações como Khan Academy, MIT e Harvard.

Fonte: Tecnoblog