YouTube CEO Neal Mohan zei dat OpenAI's mogelijke gebruik van YouTube-video's om tekst-naar-videomodel Sora te trainen, in strijd zou zijn met de servicevoorwaarden van het bedrijf.
Mohan vertelde Bloomberg: "Als Sora inhoud van YouTube zou gebruiken, zou dat een 'duidelijke schending' van de servicevoorwaarden zijn."
Er zal geen liefde verloren gaan tussen YouTube en OpenAI, omdat ze elk aan een andere kant van de Big Tech-kloof staan.
Sora is OpenAI's revolutionaire nieuwe tekst-naar-videomodel, dat nog steeds wordt getest. Het betekent de verovering door generatieve AI van alle mediavormen, te beginnen met tekst, toen afbeeldingen en nu audio en video.
Generatieve video en audio brengen nieuwe risico's met zich mee waarover AI-bedrijven moeten onderhandelen, zoals modellen die bijna exacte kopieën van auteursrechtelijk beschermd materiaal produceren.
We hebben dit al gezien met het tekst-naar-audio model Suno, dat erg op elkaar lijkt audio naar bekende nummers zoals Queen's "Bohemian Rhapsody" en ABBA's "Dancing Queen".
Noch OpenAI, noch de meeste AI-bedrijven zijn bijzonder transparant geweest over hun afhankelijkheid van enorme hoeveelheden internetgegevens, waaronder auteursrechtelijk beschermd materiaal, om modellen te trainen.
OpenAI erkende zelfs de uitdagingen van het vermijden van auteursrechtelijk beschermde gegevens in zijn ontwikkelingsprocessen, door in een inzending aan de Brits Hogerhuis dat "het 'onmogelijk' was om de technologie zonder te bouwen".
Dat was een Freudiaanse verspreking die een ongemakkelijke waarheid over AI-trainingsgegevens blootlegde.
Ondanks het feit dat OpenAI stelt dat auteursrechtelijk beschermde gegevens onmisbaar zijn voor generatieve AI, is inbreuk nog niet bewezen in een rechtszaak, wat weergeeft hoe het auteursrecht in zijn huidige vorm simpelweg niet gemaakt is voor dit tijdperk.
Over het onderwerp van het trainen van Sora in het bijzonder, OpenAI CTO Mira Murati, in een interview met Wall Street Journal, leek niet te weten welke inhoud werd gebruikt om Sora te trainen, inclusief of er YouTube-content bij betrokken was.
Murati zei: "Daar ben ik eigenlijk niet zeker van," toen hem werd gevraagd naar de bronnen van de inhoud van Sora's training en hij voegde eraan toe dat alle gebruikte gegevens "openbaar beschikbaar of gelicentieerd" waren.
Het is geen glanzend verslag van transparantie voor OpenAI, terwijl ze zich voorbereiden op het uitbrengen van hun baanbrekende nieuwe model - een model dat ze al gebruiken om inschrijven voor zaken in Hollywood voor mogelijke toepassingen in film en tv.
Sora zorgde er al voor dat producer Tyler Perry een $800 miljoen studio-uitbreidingwat kan duiden op een enorme omwenteling voor de creatieve industrieën in de toekomst.
De CEO van YouTube spreekt over Sora
YouTube CEO Mohan toonde zich bewust van de lopende discussies over AI-trainingspraktijken. Hij liet doorschemeren dat OpenAI het gebruik van YouTube-gegevens moet verduidelijken.
Hij vertelde Bloomberg,,Vanuit het perspectief van een maker hebben ze bepaalde verwachtingen wanneer ze hun harde werk uploaden naar ons platform. Een van die verwachtingen is dat de servicevoorwaarden worden nageleefd. Het is niet toegestaan om dingen zoals transcripties of videobits te downloaden en dat is een duidelijke schending van onze servicevoorwaarden. Dat zijn de verkeersregels wat betreft content op ons platform."
De servicevoorwaarden van YouTube verbieden expliciet "het ongeoorloofd schrapen of downloaden van YouTube-inhoud", een beleid dat werd bevestigd door een woordvoerder van YouTube naar aanleiding van de opmerkingen van Mohan.
Alphabet, de moedermaatschappij van YouTube, is druk bezig met de ontwikkeling van hun eigen AI-tools. We kunnen reacties verwachten als OpenAI direct of indirect YouTube-video's heeft gebruikt om Sora te trainen.
De goudkoorts aan AI-gegevens heeft geleid tot strategische partnerschappen en licentieovereenkomsten tussen techbedrijven en contentproviders. Talloze rechtszaken worden nog steeds uitgevoerd op het gebied van tekst- en beeldgeneratie, maar deze blijven grotendeels onbeslist.
Ten eerste, zelfs als AI-modellen zichzelf blootgeven door auteursrechtelijk beschermd werk te reproduceren (zoals MidJourney beelden uitspugen van Marvel-films of de Simpsons), maakt hun zwarte doos het bijna onmogelijk om te bepalen waar deze gegevens werden opgehaald en wanneer de inbreuk precies plaatsvond.
Ten tweede, hoewel AI-gegenereerde audio, afbeeldingen, video, etc. een sterk bewijs van inbreuk kunnen vormen, is het niet zo duidelijk als jij of ik een afbeelding van Mickey Mouse kopiëren en voor miljoenen verkopen zonder toestemming.
Als reactie op deze juridische druk beginnen AI-bedrijven waardevolle gegevens te verhandelen.
Bijvoorbeeld, Reddit's $60 miljoen per jaar De licentieovereenkomst met Google voor het trainen van AI-tools is een voorbeeld van de formele afspraken die in de sector ontstaan.
Ook media-organisaties zoals The Associated Press en Axel Springer hebben overeenkomsten gesloten toestaan dat hun inhoud wordt gebruikt voor AI-training, met bepalingen voor naamsvermelding in AI-gegenereerde antwoorden.
Dit brengt zijn eigen uitdagingen met zich mee. Generatieve AI is duur om te bouwen en uit te voeren, en nu moeten AI-bedrijven betalen voor de gegevens in plaats van ze gewoon van het internet te halen.
