{"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\/nl\/2024\/08\/authors-sue-anthropic-for-using-pirated-books-to-train-claude\/","title":{"rendered":"Auteurs klagen Anthropic aan voor gebruik van illegale boeken om Claude te trainen"},"content":{"rendered":"

Een groep auteurs heeft maandag in een rechtbank in Californi\u00eb een collectieve rechtszaak aangespannen tegen Anthropic. De auteurs beweren dat Anthropic zijn bedrijf heeft opgebouwd door \"het stelen van honderdduizenden auteursrechtelijk beschermde boeken\".<\/strong><\/p>\n

De drie auteurs, Andrea Bartz, Charles Graeber en Kirk Wallace Johnson beweren dat hun boeken deel uitmaakten van de dataset die Anthropic gebruikte om zijn familie van datasets te trainen. Claude<\/span> modellen<\/a>. In hun aanklacht beweren ze dat Anthropic schuldig is aan \"het downloaden en kopi\u00ebren van honderdduizenden auteursrechtelijk beschermde boeken van illegale en illegaal gekopieerde websites\".<\/p>\n

De auteurs zetten vraagtekens bij de bewering van Anthropic dat het een bedrijf van algemeen nut is en zeggen: \"Het is niet overdreven om te zeggen dat het model van Anthropic winst wil maken door de menselijke expressie en vindingrijkheid achter elk van deze werken uit te hollen.\"<\/p>\n

De Stapel<\/h2>\n

De boeken in kwestie maken deel uit van een controversi\u00eble dataset genaamd Books3, die eerder deel uitmaakte van een grotere dataset genaamd The Pile. Het wordt algemeen aangenomen, maar niet toegegeven, dat vrijwel alle grote LLM's hun modellen hebben getraind op The Pile.<\/p>\n

The Pile bestaat uit ongeveer 825 GB aan academische papers, boeken, websites, technische documenten en meer. Een van de architecten van The Pile is een onafhankelijke ontwikkelaar genaamd Shawn Presser. Presser cre\u00eberde de Books3 dataset in 2020 en voegde deze toe aan The Pile.<\/p>\n

Books3 bevat 196.640 boeken in platte tekst van beroemde auteurs zoals Stephen King en de auteurs die deze rechtszaak hebben aangespannen. Men denkt dat Presser Bibliotik, een beruchte torrent tracker die wordt gebruikt door een gemeenschap van alleen uitgenodigde boekpiraten, heeft gebruikt als bron voor Books3.<\/p>\n

\n

Stel dat je een GPT-model van wereldklasse wilt trainen, net als OpenAI<\/span>. Hoe? Je hebt geen gegevens.<\/p>\n

Nu wel. Nu doet iedereen het.<\/p>\n

Presentatie van \"books3\", alias \"all of bibliotik\".<\/p>\n

- 196.640 boeken
\n- in gewone .txt
\n- betrouwbare, directe download, al jaren: https:\/\/t.co\/KKSrhEAnrD<\/a><\/p>\n

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

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