超17万个视频！英伟达苹果等巨头被曝违规用数据训练AI

7月17日消息，超万据媒体报道，个视规用包括NVIDIA、频英苹果曝违苹果、伟达Salesforce和Anthropic在内的等巨多家科技巨头，被曝光涉嫌违规使用数据，头被用于训练其AI模型。数据

这些公司被发现使用了超过173536个YouTube视频的训练字幕数据，而这些数据的超万获取并未得到视频创作者的许可。

这些公司所使用的个视规用数据集名为“YouTube Subtitles”，由非营利组织EleutherAI创建，频英苹果曝违该数据集包含了来自超过48000个频道的伟达视频文本。

其中不乏知名教育机构和媒体公司的等巨内容，例如可汗学院、头被麻省理工学院、数据哈佛大学等，此外，一些广受欢迎的YouTube创作者，如MrBeast等的视频也被包括在内。

此前，EleutherAI发布了名为“Pile”的数据汇编，其中的大部分数据集都是对公众开放的，包括YouTube Subtitles。

不过值得注意的是，苹果在使用Pile数据集训练OpenELM模型时，并未直接下载数据，因此在技术层面上，是EleutherAI违反了YouTube的使用条款。

YouTube明确禁止未经授权从平台获取素材，同时这些数据不仅用于训练AI，还可能涉及到版权和隐私问题。

创作者们也对此表示震惊和不满，因为他们并未被告知自己的作品被用于商业目的，更遑论从中获得任何补偿。