英偉達等巨頭被曝違規使用YouTube數據訓練模型 涉17萬個視頻

財聯社7月17日電，據媒體報道，包括蘋果、英偉達、Salesforce和Anthrophic在內的一些大型科技公司，被曝在訓練AI模型時使用了來自谷歌旗下視頻網站YouTube的未授權數據。這些公司使用了一個由第三方提供的數據集，其中包含從YouTube上抓取的大量視頻字幕文本，違反了YouTube禁止從平臺上未經許可抓取內容的規定。報道指出，這些科技公司在訓練AI模型時都使用了一個名爲“YouTube Subtitles（YouTube字幕）”的數據集，大小爲5.7GB，包含4.89億個單詞，來自Youtube上超過4.8萬個頻道中的17.35萬個視頻。該數據集由視頻字幕的純文本組成，包括視頻博主上傳的部分和Youtube自動轉錄的文本，除了英語外，通常還附帶日語、德語和阿拉伯語等語言的翻譯。