YouTube視頻被OpenAI用來訓練大模型？CEO回應

當地時間4月5日，視頻網站YouTube首席執行官尼爾·莫漢（Neal Mohan）在采訪中表示，他并沒有直接證據能夠證明OpenAI確實使用了YouTube的視頻來完善其文生視頻AI工具Sora，如果真的使用了，那就“明顯違反”了YouTube平臺的使用條款。

莫漢表示：“從創作者的角度來看，當創作者將他們的辛勤勞動上傳到我們的平臺時，他們有一定的期望。其中之一就是符合YouTube的服務條款，不允許下載文字或視頻片段等內容。這（OpenAI使用YouTube視頻）明顯違反了我們的服務條款。”

此外，莫漢還在采訪中提到，谷歌確實使用了YouTube上的一些內容訓練旗下大模型Gemini，但在使用這些內容之前，已經得到了創作者的授權，并遵循了YouTube與創作者之間的合同。

近日，《紐約時報》報道，OpenAI和谷歌涉嫌使用YouTube視頻的轉錄文本來訓練其人工智能模型，這一行為可能侵犯了YouTube創作者的版權。報道稱，OpenAI通過使用其Whisper語音識別工具，轉錄了超過一百萬小時的YouTube視頻內容，并將這些數據用于訓練模型。

OpenAI的Sora是一種文生視頻工具，能夠一次生成整個視頻或擴展生成的視頻以使其更長。和其他生成式AI工具的工作原理一樣，Sora也是從網絡上吸收各種內容，并使用這些數據作為生成新內容的基礎，包括視頻、照片、敘述文本等。

AI的強大功能建立在大量數據訓練的基礎之上，隨著OpenAI、谷歌和其他公司競相開發更強大的AI工具，他們正在尋求越來越多的數據來訓練模型，以生成更好的結果。

但這已經引發了人們對數據來源、用途的質疑。此前，OpenAI因其訓練模型的內容來源而被《紐約時報》以及一些出版社和作者起訴。

今年1月，《紐約時報》在紐約南區法院向OpenAI及其投資人微軟公司提起侵犯版權訴訟，指控二者未經許可使用其數百萬篇文章以訓練人工智能模型，而這些聊天機器人現在與該新聞機構形成競爭，成為可靠的信息來源。

訴訟稱，被告應對與“非法復制和使用《紐約時報》獨特有價值的作品”相關的“數十億美元的法定和實際損害”負責，還要求其銷毀使用《紐約時報》版權材料的所有AI模型和訓練數據。

隨后OpenAI回應稱，《紐約時報》的訴訟毫無根據，但仍然希望與其建立建設性的合作伙伴關系。

此外，據外媒報道，今年3月，OpenAI首席技術官Mira Murati在接受采訪時還曾對Sora的訓練數據來源含糊其辭。

當被追問具體來源是否包含YouTube的視頻時，Murati回復“我實際上并不確定”，并拒絕回答有關Instagram或Facebook視頻是否被納入訓練集的問題。她辯稱，如果這些視頻是公開可用且可以使用的，那么可能會被使用，但她本人對此并不確定。