{"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\/pt\/2024\/08\/authors-sue-anthropic-for-using-pirated-books-to-train-claude\/","title":{"rendered":"Autores processam a Anthropic por usar livros pirateados para treinar Claude"},"content":{"rendered":"

Um grupo de autores intentou uma a\u00e7\u00e3o colectiva contra a Anthropic num tribunal da Calif\u00f3rnia, na segunda-feira. Os autores alegam que a Anthropic construiu o seu neg\u00f3cio \"roubando centenas de milhares de livros protegidos por direitos de autor\".<\/strong><\/p>\n

Os tr\u00eas autores, Andrea Bartz, Charles Graeber e Kirk Wallace Johnson, afirmam que os seus livros faziam parte do conjunto de dados que o Anthropic utilizou para treinar a sua fam\u00edlia de Claude<\/span> modelos<\/a>. No seu processo, alegam que a Anthropic foi culpada de \"descarregar e copiar centenas de milhares de livros protegidos por direitos de autor retirados de s\u00edtios Web piratas e ilegais\".<\/p>\n

Os autores questionaram a pretens\u00e3o da Anthropic de ser uma empresa de utilidade p\u00fablica, afirmando que \"n\u00e3o \u00e9 exagero dizer que o modelo da Anthropic procura lucrar com a explora\u00e7\u00e3o da express\u00e3o e do engenho humanos por detr\u00e1s de cada uma dessas obras\".<\/p>\n

A pilha<\/h2>\n

Os livros em quest\u00e3o fazem parte de um conjunto de dados controverso chamado Books3, que anteriormente fazia parte de um conjunto de dados maior chamado The Pile. \u00c9 geralmente aceite, mas n\u00e3o admitido, que quase todos os grandes LLMs treinaram os seus modelos no The Pile.<\/p>\n

A Pilha \u00e9 constitu\u00edda por cerca de 825 GB de artigos acad\u00e9micos, livros, s\u00edtios Web, documentos t\u00e9cnicos e muito mais. Um dos arquitectos da Pile \u00e9 um programador independente chamado Shawn Presser. Presser criou o conjunto de dados Books3 em 2020 e adicionou-o ao The Pile.<\/p>\n

O Books3 cont\u00e9m 196.640 livros em formato de texto simples de autores famosos como Stephen King, bem como dos autores que interpuseram esta a\u00e7\u00e3o judicial. Pensa-se que Presser utilizou o Bibliotik, um famoso tracker de torrents utilizado por uma comunidade de piratas de livros s\u00f3 para convidados, como fonte para o Books3.<\/p>\n

\n

Suponha que queria treinar um modelo GPT de classe mundial, tal como OpenAI<\/span>. Como? N\u00e3o tens dados.<\/p>\n

Agora sim. Agora toda a gente sabe.<\/p>\n

Apresenta\u00e7\u00e3o de \"books3\", tamb\u00e9m conhecido como \"all of bibliotik\"<\/p>\n

- 196.640 livros
\n- em .txt simples
\n- fi\u00e1vel, transfer\u00eancia direta, durante anos: https:\/\/t.co\/KKSrhEAnrD<\/a><\/p>\n

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

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