YouTube成AI訓練新寵？ OpenAI操作手法曝光

以聊天機器人ChatGPT一炮而紅的人工智能公司OpenAI，去年發(fā)布功能更強大的GPT-4，成為AI領(lǐng)域的衡量標竿。而這樣快速的進(jìn)步或許靠的正是YouTube影片的「幫忙」。據《紐約時(shí)報》報導，OpenAI利用AI版權法的模糊地帶，轉錄了超過(guò)100萬(wàn)小時(shí)的YouTube影片，用于訓練其先進(jìn)大型語(yǔ)言模型GPT-4。

YouTube 是網(wǎng)絡(luò )上最大且最豐富的圖像、音頻與文字記錄來(lái)源。在A(yíng)I技術(shù)迅速發(fā)展之際，數據對推動(dòng)AI模型的進(jìn)步至關(guān)重要，各相關(guān)企業(yè)對訓練數據的需求更為迫切。YouTube因此成為科技公司鎖定的目標。

據《紐約時(shí)報》報導，OpenAI在2021年底就面臨了訓練數據短缺的難題。為了開(kāi)發(fā)最新的人工智能系統，OpenAI已耗盡網(wǎng)絡(luò )上所有有信譽(yù)的英語(yǔ)文字庫，然而為了訓練其技術(shù)的下一個(gè)版本，顯然還需要更多的數據。

為了克服數據短缺的難題，OpenAI的研究人員開(kāi)發(fā)出一款名為「Whisper」的語(yǔ)音識別工具，將超過(guò)100萬(wàn)小時(shí)的YouTube影片內容轉化為文字，用于訓練其先進(jìn)的大型語(yǔ)言模型GPT-4。

《紐約時(shí)報》報導中指出，其實(shí)OpenAI的部分員工也討論過(guò)這個(gè)做法可能違反YouTube 的規則?？墒窍⑷耸勘硎?，盡管了解這樣做在法律層面有問(wèn)題，但OpenAI 團隊最終仍轉錄了超過(guò)100萬(wàn)小時(shí)的YouTube 影片，而這個(gè)團隊中還包括了OpenAI總裁Greg Brockman，他甚至親自幫忙收集這些影片。

可是對于旗下的YouTube被OpenAI當作訓練工具，Google并未出面制止，原因似乎與Google自身也同樣藉由YouTube影片內容訓練其人工智能模型有關(guān)。

YouTube執行長(cháng)Neal Mohan日前曾在受訪(fǎng)時(shí)表示，他沒(méi)有直接證據能夠證明OpenAI確實(shí)使用了YouTube的影片來(lái)訓練其文字生成影片AI工具Sora，但同時(shí)也強調，如果OpenAI真的使用了，那就明顯違反了YouTube平臺的使用條款。

但《紐約時(shí)報》指出，為了在A(yíng)I競賽中搶先，搜尋推動(dòng)技術(shù)所需的數字數據已成為重要課題，而為了取得這些數據，包括OpenAI、Google與臉書(shū)母公司 Meta 在內的科技公司紛紛選擇走快捷方式，無(wú)視公司政策，甚至還討論如何扭曲法規限制。