英伟达等巨头被曝违规使用YouTube数据训练模型 涉17万个视频

英伟达等巨头被曝违规使用YouTube数据训练模型 涉17万个视频2024-07-17 14:00:05　来源: 财联社 上海 举报 0 分享至

用微信扫码二维码

分享至好友和朋友圈

财联社7月17日电，英伟据媒体报道，巨头据训包括苹果、被曝英伟达、违规万Salesforce和Anthrophic在内的使用e数视频一些大型科技公司，被曝在训练AI模型时使用了来自谷歌旗下视频网站YouTube的练模未授权数据。这些公司使用了一个由第三方提供的型涉数据集，其中包含从YouTube上抓取的英伟大量视频字幕文本，违反了YouTube禁止从平台上未经许可抓取内容的巨头据训规定。报道指出，被曝这些科技公司在训练AI模型时都使用了一个名为“YouTube Subtitles（YouTube字幕）”的违规万数据集，大小为5.7GB，使用e数视频包含4.89亿个单词，练模来自Youtube上超过4.8万个频道中的型涉17.35万个视频。该数据集由视频字幕的英伟纯文本组成，包括视频博主上传的部分和Youtube自动转录的文本，除了英语外，通常还附带日语、德语和阿拉伯语等语言的翻译。