7月17日消息，據媒體報道，包括NVIDIA、蘋果、Salesforce和Anthropic在內的多家科技巨頭，被曝光涉嫌違規使用數據，用于訓練其AI模型。

這些公司被發現使用了超過173536個YouTube視頻的字幕數據，而這些數據的獲取并未得到視頻創作者的許可。

這些公司所使用的數據集名為“YouTube Subtitles”，由非營利組織EleutherAI創建，該數據集包含了來自超過48000個頻道的視頻文本。

其中不乏知名教育機構和媒體公司的內容，例如可汗學院、麻省理工學院、哈佛大學等，此外，一些廣受歡迎的YouTube創作者，如MrBeast等的視頻也被包括在內。

此前，EleutherAI發布了名為“Pile”的數據匯編，其中的大部分數據集都是對公眾開放的，包括YouTube Subtitles。

不過值得注意的是，蘋果在使用Pile數據集訓練OpenELM模型時，并未直接下載數據，因此在技術層面上，是EleutherAI違反了YouTube的使用條款。

YouTube明確禁止未經授權從平臺獲取素材，同時這些數據不僅用于訓練AI，還可能涉及到版權和隱私問題。

創作者們也對此表示震驚和不滿，因為他們并未被告知自己的作品被用于商業目的，更遑論從中獲得任何補償。