OpenAI ha creado un programa para transcribir un millón de horas de vídeos de Youtube con el objetivo de introducir el modelo de generación de texto GPT-4, su modelo avanzado abierto al público, firmado en exclusiva por el New York Times (NYT) publicado Esto es un descuido.
El diario asegura que Abierto AIuna empresa sin fines de lucro, Desarrollan un programa bautizado como ‘Whisper’ que añade texto de un millón de horas en vídeo para obtener datos de entrenamiento Delaware modelos de generación de lenguajeconocido como LLM.
Fuentes consultadas por el NYT aseguran que el equipo cargado por Whisper incluye un Greg Brockman, presidente de OpenAI.
La empresa mantiene un debate interno sobre la extracción de texto de vídeos almacenados en la plataforma propiedad de Google presume una violación de los términos de uso.
Según el artículo, OpenAI considera que necesita datos de entrenamiento en 2021 y analiza si obtenerlos Youtube, podcasts o audiolibros.
En una entrevista reciente El asesor ejecutivo de YouTube, Neal Mohan, asegura que si OpenAI utilizó los vídeos de la plataforma para enseñar ‘Sora’, su modelo realista de generación de vídeos, está violando sus términos de servicio.
«Los creadores de contenidos que llegan a YouTube tienen ciertas expectativas, por lo que las herramientas del servicio se cumplen. Nuestros trimins te permiten extraer algunos contenidos como el título, el nombre del canal o el nombre del creador para facilitar la apertura de la web.«, explica Mohan, según la agencia Efe.
«No está permitido descargar transcripciones o partes de los videos. Esto es una clara viola de nuestras piezas contenidas», señala la dirección.
La portavoz de OpenAI, Lindsay Held, indicó en respuesta a la exclusiva de The Verge que la empresa crea bases de datos «nítricas» y utilizar “numerosas fuentes disponibles públicamente y fabricar información para obtener datos que no son públicos”.
Google transcribe vídeos de YouTube para convertirlos en texto para potenciar sus modelos de generación de texto, algo que viola los derechos de los creadores que envían sus vídeos a la plataforma.marca las fuentes consultadas por el diario.
Los detalles del contenedor utilizado para enseñar modelos de Inteligencia Artificial no están bien definidos y la competitividad para obtener los mejores modelos realistas de generación de contenidos está elevando y superando las fronteras de la legalidad en los derechos de autor.
El gigante tecnológico Meta, creadora de Facebook, analiza la idea de comprar la editorial Simon & Schuster para acceder a material de gran formatoreportar el contenido de las reuniones entre gerentes, abogados e ingenieros de la empresa a los que haya accedido en el NYT.
