Apple, Anthropic ve diğer büyük AI firmalarının, yüz binlerce YouTube videosundan elde edilen verilerle AI modellerini eğittiği bildirildi. Yeni bir rapor, birçok AI şirketinin, video görüntüleri olmadan yalnızca videoların altyazı metinlerini içeren Pile adlı halka açık bir veri setini kullandığını iddia ediyor. Bu veriler, MrBeast, Marques Brownlee ve PewDiePie gibi popüler YouTube içerik üreticilerinin yanı sıra CarryMinati, BB ki Vines ve Ashish Chanchlani gibi Hintli YouTube içerik üreticilerinden toplandı.
Birden Fazla AI Modeli YouTube Videolarında Eğitilmiş
Proof News, 48.000’den fazla kanaldan alınan toplam 1,73,536 YouTube videosunun altyazı verilerinin toplandığını belirledi. Rapora göre, bu veri seti, kar amacı gütmeyen AI araştırma laboratuvarı EleutherAI tarafından oluşturuldu ve daha sonra Apple, Anthropic, Nvidia, Salesforce ve diğer şirketler tarafından kullanıldı. AI laboratuvarı, veri setinin ayrıntılarını açıklayan bir araştırma makalesi yayınladı.
EleutherAI, 800GB büyüklüğünde bir veri deposu olan Pile’ı oluşturdu ve büyük veri setlerini karşılayamayanlar için halka açık hale getirdi. Veri setinin çoğunluğu, İngilizce Wikipedia, e-kitaplar ve daha fazlası gibi halka açık kaynaklardan alındı. Ancak, ayrıca YouTube’dan toplanan tüm videoların altyazılarını içeren bir veri seti de bulunuyordu.
Raporda, Pile’ın, Apple’ın OpenELM AI modelini eğitmek için kullanıldığı iddia ediliyor. Salesforce, Nvidia ve Anthropic’in AI modelleri ile ilgili araştırma makaleleri de veri setinin kullanımını belirtiyor.
Anthropic sözcüsü Jennifer Martinez, yayına yaptığı açıklamada, “Pile, YouTube altyazılarının çok küçük bir alt kümesini içeriyor. YouTube’un şartları, platformunun doğrudan kullanımını kapsar, bu Pile veri setinin kullanımından farklıdır. YouTube’un hizmet şartlarının olası ihlalleri konusunda, Pile yazarlarına başvurmanızı öneririz.” dedi.
YouTube’un hizmet şartları, platformdaki videolara robotlar, botnetler veya kazıyıcılar gibi otomatik araçlarla erişimi yasaklıyor. YouTube Altyazıları, kazıma kategorisine girer. Google sözcüsü, Proof News’e verdiği e-posta yanıtında, teknoloji devinin “yıllar boyunca kötü niyetli, yetkisiz kazıma işlemlerini önlemek için önlemler aldığını” söyledi. Ancak, AI firmalarının veri kullanımına dair herhangi bir yorum yapılmadı.
Marques Brownlee, X’te (eski adıyla Twitter) yaptığı bir paylaşımda, Apple’ın videolarının transkriptlerini içeren verilerden yararlandığı için eleştirilerde bulundu, ancak bu durumun verileri toplamadıkları için iPhone üreticisinin suçu olmadığını da vurguladı.
