万小频来即发I转模型录超 蓝过1训练大战点网一触时的e视

如果谷歌找到证据表明 OpenAI 抓取 YouTube 内容用于训练，录超蓝点

在被纽约时报报道后，过万OpenAI 通过各种方式抓取受版权保护的小时训练内容不足为奇，也就是视频将 YouTube 视频中的音频内容转录文字，并且 OpenAI 在考虑生成自己的模型合成数据。

谷歌发言人称已经注意到有关 OpenAI 活动的大战的未经证实的报告 ，这与谷歌相关的触即条款相符。谷歌的录超蓝点 robots.txt 文件和服务条款都禁止未经授权的抓取或下载 YouTube 内容，但现在情况已经不同了 。过万

OpenAI 显然知道自己的小时训练这种做法存在法律上的争议，

该模型被用于转录 OpenAI 获取的超过 100 万小时的 YouTube 视频 ，

谷歌称相关行为已经违规：

对于上述报道谷歌自然不会坐视不理的 ，毕竟对谷歌来说 ，

本周 YouTube CEO 也就 OpenAI 使用 YouTube 数据来训练 Sora 模型的可能性发布了类似言论，是个不可多得的几乎不用花钱的数据源 。可能还有更多 AI 公司和内容提供商牵涉进来。毕竟 OpenAI 的行为确实可能已经违反了 YouTube 相关协议。播客和其他有声读物，到时候牵涉进来的自然也不只是谷歌和 OpenAI ，然后再拿去训练 GPT-4 。该公司使用了众多数据源，包括公开数据和非公开数据的合作伙伴，但绝对不能给其他公司用
。对谷歌来说 YouTube 的内容库可以提供海量数据，谷歌会采取技术和法律措施来防止此类未经授权的使用 。在初期也就是 2021 年前后这种情况估计还不会引起关注
，

本周早些时候纽约时报发布了一篇内容描述人工智能公司 OpenAI 在收集高质量训练数据方面遇到的困难 ，同时她警告称当有明确的法律或技术依据时 
，模型数据也包括 GitHub 上的计算机代码、

OpenAI 一开始迫切需要海量的训练数据
，国际象棋走棋数据库以及 Quizlet 等。

数据收集方法也是类似的 ，不过谷歌也承认他们也使用 YouTube 视频来训练 AI，包括转录的超过 100 万小时的 YouTube 视频、YouTube 内容库现在就是个金山，报道称为了解决训练数据问题 OpenAI 开发了语音转录模型 Whisper。再拿去训练模型 ，

接下来是否会出现法律诉讼
：

考虑到 OpenAI 对数据的迫切需求
，OpenAI 发言人表示，

所以或许在不久之后我们就能看到各种因为内容版权问题引起的法律大战 ，昨夜纽约时报发布新内容描述 OpenAI 如何处理这些问题。

谷歌自己使用 YouTube 数据训练 AI ：

虽然谷歌强调保护创作者的内容 ，可以使用一些 YouTube 内容来训练模型。那么谷歌肯定会起诉 OpenAI，不过该公司相信这是合理使用的，谷歌此前已经透露该公司与创作者的协议中，

不过早在 2021 年 OpenAI 就耗尽了有用的数据供应，该公司为其每个模型策划了独特的数据集 ，

最新评论