{"id":13921,"date":"2024-08-21T09:39:47","date_gmt":"2024-08-21T09:39:47","guid":{"rendered":"https:\/\/dailyai.com\/?p=13921"},"modified":"2024-08-21T09:39:47","modified_gmt":"2024-08-21T09:39:47","slug":"authors-sue-anthropic-for-using-pirated-books-to-train-claude","status":"publish","type":"post","link":"https:\/\/dailyai.com\/it\/2024\/08\/authors-sue-anthropic-for-using-pirated-books-to-train-claude\/","title":{"rendered":"Gli autori denunciano Anthropic per aver usato libri piratati per formare Claude"},"content":{"rendered":"

Luned\u00ec un gruppo di autori ha intentato una causa collettiva contro Anthropic in un tribunale della California. Gli autori sostengono che Anthropic ha costruito il suo business \"rubando centinaia di migliaia di libri protetti da copyright\".<\/strong><\/p>\n

I tre autori, Andrea Bartz, Charles Graeber e Kirk Wallace Johnson, sostengono che i loro libri facevano parte del set di dati che Anthropic ha utilizzato per addestrare la sua famiglia di Claude<\/span> modelli<\/a>. Nella loro causa, sostengono che Anthropic era colpevole di aver \"scaricato e copiato centinaia di migliaia di libri protetti da copyright presi da siti web pirata e illegali\".<\/p>\n

Gli autori hanno messo in dubbio la pretesa di Anthropic di essere una societ\u00e0 di pubblica utilit\u00e0, affermando: \"Non \u00e8 esagerato dire che il modello di Anthropic cerca di trarre profitto dallo sminuzzamento dell'espressione umana e dell'ingegno che sta dietro a ciascuna di queste opere\".<\/p>\n

Il mucchio<\/h2>\n

I libri in questione fanno parte di un controverso dataset chiamato Books3, che in precedenza faceva parte di un dataset pi\u00f9 ampio chiamato The Pile. \u00c8 generalmente accettato, ma non ammesso, che quasi tutti i grandi LLM abbiano addestrato i loro modelli su The Pile.<\/p>\n

The Pile consiste in circa 825 GB di documenti accademici, libri, siti web, documenti tecnici e altro ancora. Uno degli architetti di The Pile \u00e8 uno sviluppatore indipendente di nome Shawn Presser. Presser ha creato il set di dati Books3 nel 2020 e lo ha aggiunto a The Pile.<\/p>\n

Books3 contiene 196.640 libri in formato testo semplice di autori famosi come Stephen King e gli autori che hanno intentato questa causa. Si ritiene che Presser abbia utilizzato Bibliotik, un noto tracker torrent utilizzato da una comunit\u00e0 di pirati librari ad invito, come fonte per Books3.<\/p>\n

\n

Supponiamo di voler addestrare un modello GPT di livello mondiale, proprio come OpenAI<\/span>. Come? Non avete dati.<\/p>\n

Ora lo fate voi. Ora lo sanno tutti.<\/p>\n

Presentazione di \"books3\", alias \"all of bibliotik\".<\/p>\n

- 196.640 libri
\n- in un semplice .txt
\n- affidabile, download diretto, da anni: https:\/\/t.co\/KKSrhEAnrD<\/a><\/p>\n

filo \ud83d\udc47 pic.twitter.com\/m6bdpHfYJx<\/a><\/p>\n

- Shawn Presser (@theshawwn) 25 ottobre 2020<\/a><\/p><\/blockquote>\n