我们之前曾看到过许多报道，声称 OpenAI 使用 YouTube 内容来训练其文本到视频模型 Sora。现在有报道称，苹果、英伟达、Anthropic等公司也在使用用户生成的“公开数据”来训练他们的人工智能模型。显然，苹果使用了数以万计的带字幕的 YouTube 视频来训练 Apple Intelligence，这违反了该平台的内容政策。
该消息来自Proof News与Wired共同发布的一项调查。
根据调查，苹果和其他公司正在使用一个名为YouTube字幕的数据集，其中包括来自48,000多个频道的173,536个YouTube视频的成绩单。数据集中的视频范围从可汗学院和麻省理工学院等教育频道到《华尔街日报》等新闻网站，再到该平台的一些顶级创作者，如 MrBeast 和 Marques Brownlee。
根据 Marques Brownlee 的说法，苹果在技术上避免了“错误”，因为他们从使用 YouTube 视频转录而不是直接使用数据的公司那里获取 AI。尽管如此，数据/成绩单仍然有助于人工智能模型，创作者在其中投入了时间和金钱。布朗利总结说，这将是一个长期内不断发展的问题。
Proof News 还为创作者创建了一个工具，用于在数据集中搜索他们的内容。YouTube 字幕数据集不包括来自视频的图像，但包含一些已翻译的语言字幕。据报道，该数据集是由一家名为Eleuther AI的非营利性研究实验室创建的，该实验室致力于促进开放科学规范。
上述公司均未立即对此事发表评论。YouTube首席执行官尼尔·莫汉（Neal Mohan）在接受采访时已经明确表示，公司使用YouTube视频来训练其AI模型是“明显违反”该平台政策的。
