![퀘이사존](https://img2.quasarzone.com/editor/2024/07/17/d1c060b73d8eac2d686a07ea1531c4db.webp)
엔비디아, 애플, Anthropic, Salesforce와 같은 회사들이 유튜브 동영상의 자막을 무단으로 사용해 AI 도구를 훈련시키고 있다는 사실이 비영리 뉴스 스튜디오 Proof와 Wired의 새로운 조사에 의해 밝혀졌습니다.
생성 AI의 세계에서는 기술 기업들이 최대한 많은 데이터를 수집해 AI 모델을 훈련시키는 일이 흔한 일이 되어버렸습니다. 이는 창작자와 예술가들이 보상을 받지 못하고 있는 상황을 만들고 있습니다. 이 네 개의 기술 회사는 YouTube Subtitles라는 AI 데이터셋을 사용해왔는데, 이 데이터셋은 약 5만 개의 채널에서 가져온 17만 3천 개의 유튜브 동영상 자막으로 구성되어 있습니다.
이 데이터셋에는 인기 인플루언서와 TV 쇼의 동영상도 포함되어 있습니다. 예를 들어, MrBeast, John Oliver, Jimmy Kimmel, Stephen Colbert 등의 동영상이 포함되었습니다. PCMag는 Proof의 데이터베이스 검색 도구를 사용해 자사 동영상 두 개가 이 데이터셋에 포함된 것을 확인했습니다. 하나는 2019년의 이중 인증에 대한 설명 동영상이고, 다른 하나는 2020년의 삼성 갤럭시 Z 폴드 2 언박싱 동영상입니다.
이 검색 도구는 또한 데이터셋에 저작권이 있는 유튜브 음악 동영상도 포함되어 있음을 보여줍니다. 예를 들어, Katy Perry의 Vevo 채널과 Taylor Swift의 공식 유튜브 채널의 동영상들이 포함되어 있습니다. 또한 Proof는 데이터셋에 지구 평면설을 주장하는 음모론 동영상도 포함되어 있다고 언급했습니다.
YouTube Subtitles 데이터셋은 2021년에 AI 스타트업 EleutherAI에 의해 처음 공개된 800GB 규모의 더 큰 데이터셋인 "The Pile"의 일부입니다. EleutherAI는 The Pile에 관한 연구 논문에서 "YouTube Subtitles 데이터셋은 널리 사용되고 쉽게 얻을 수 있는 비공식 API를 사용해 우리가 만들었다"고 밝혔습니다.
![퀘이사존](https://img2.quasarzone.com/editor/2024/07/17/11c7faaab46e4e064bb563c5f27e546f.webp)
연구 논문에 실린 이미지에는 The Pile의 구성 내용이 나타나 있습니다. 이 데이터셋에는 PubMed, FreeLaw, Wikipedia, HackerNews, GitHub 등의 출처가 포함되어 있습니다. 약 3분의 1은 학술 자료에서 오며, 또 다른 3분의 1은 일반 인터넷에서 스크랩된 데이터입니다. 유튜브 데이터는 다이어그램의 오른쪽 하단에 표시되어 있습니다.
EleutherAI는 "The Pile에 포함된 데이터는 이미 널리 퍼져 있는 데이터셋의 출판으로 인해 발생한 피해를 크게 증가시키지 않는다"고 주장합니다.
Proof에 따르면, Apple's OpenELM과 Salesforce의 AI 모델이 The Pile로 훈련되었습니다. Anthropic 역시 자사의 Claude AI가 The Pile로 훈련되었음을 확인했습니다.
엔비디아는 즉각적인 논평 요청에 응하지 않았습니다. 그러나 올해 초, 몇몇 작가들이 엔비디아가 The Pile을 사용한 것에 대해 저작권 침해로 소송을 제기했습니다. 이들의 소설이 포함된 "Books3" 섹션을 사용하여 NeMo AI를 훈련시켰다는 주장입니다. 작가들은 엔비디아가 사전 동의나 보상 없이 자신의 작품을 사용했다고 주장하고 있습니다.
유튜브 CEO인 Neal Mohan은 유튜브 동영상으로 OpenAI의 Sora를 훈련시키는 것은 "명백한 위반"이라고 언급했습니다. 그러나 곧 유튜브 모회사인 구글이 유튜브 동영상으로 AI 도구를 훈련시키고 있다는 소식이 전해졌습니다. 구글은 기존의 창작자 계약을 통해 이를 허가받았다고 주장했습니다.
유튜브 서비스 약관에는 "유튜브의 사전 서면 허가와 해당 권리 소유자의 허가 없이 유튜브 콘텐츠를 다운로드하거나 사용할 수 없다"고 명시되어 있지만, 이 약관이 AI 데이터 스크래핑에 어느 정도까지 적용되는지는 명확하지 않습니다. 유튜브의 정책은 또한 "개인적이고 비상업적인 용도로만 콘텐츠를 시청하거나 청취할 수 있다"고 명시되어 있어, 상업적 목적으로 AI 도구를 개발하기 위한 데이터 스크래핑이 이를 위반할 가능성이 있습니다. PCMag는 유튜브에 이와 관련한 논평을 요청했습니다.
Anthropic 대변인 Jennifer Martinez는 Proof에 "The Pile은 유튜브 자막의 매우 작은 부분만 포함하고 있다"고 말했습니다. "유튜브의 약관은 플랫폼의 직접적인 사용을 다루고 있으며, 이는 The Pile 데이터셋의 사용과는 다릅니다. 유튜브 약관 위반 가능성에 대해서는 The Pile 저자에게 문의해야 합니다."
※ 퀘이사존 공식 기사가 아닌 해외 뉴스/기사를 번역한 것으로, 퀘이사존 견해와 주관은 포함되어 있지 않습니다. |