📰 The Atlantic раскрыл датасеты с миллионами треков, на которых обучают ИИ: теперь по ...
📰 The Atlantic раскрыл датасеты с миллионами треков, на которых обучают ИИ: теперь по ним есть поиск Журналист издания The Atlantic Алекс Рейснер обнаружил четыре массивных набора данных, используемых для обучения музыкальных ИИ-моделей, и создал на их основе открытую базу. Теперь любой желающий может проверить, попала ли его музыка в обучающую выборку для нейросетей. Масштабы и пользователи Обнаруженные базы включают два огромных датасета (на 12 и 9 миллионов треков) и два поменьше (более 100 тысяч песен каждый). По словам Рейснера, эти наборы были скачаны тысячи раз. Хотя полный список компаний, использующих их для коммерческих продуктов, установить невозможно, Google и Stability AI уже подтвердили их применение в своих исследовательских работах. Как ИИ-разработчики собирают данные и обходят правила Процесс сбора аудио вызывает серьёзные юридические вопросы. ▫️ Парсинг стримингов. Три из четырёх датасетов представляют собой текстовые списки ссылок на YouTube или Spotify. ▫️ Обход монетизации. Для скачивания аудио разработчики применяют автоматизированные инструменты, которые обходят экраны авторизации, рекламу и механизмы монетизации. Таким образом авторы лишаются потенциального дохода и прослушиваний. ▫️ Нарушение ToS. Подобный автоматизированный парсинг прямо нарушает условия использования этих платформ. ▫️ Игнорирование лицензий. Даже музыка из таких источников, как Free Music Archive, доступная для личного некоммерческого прослушивания, требует лицензирования для коммерческого применения (каковым является обучение ИИ), что часто игнорируется разработчиками. В базе данных уже найдены работы звёзд первой величины и культовых артистов: Lady Gaga, Fred Again.., Radiohead, Aphex Twin, Wu-Tang Clan, Брюс Спрингстин и композитор-экспериментатор Hainbach. Самостоятельно поискать треки в базе можно на специальном портале AI Watchdog (https://www.theatlantic.com/category/ai-watchdog/) от The Atlantic. 💬 А вы проверили свои треки в этой базе? Как считаете, заставит ли такая публичная огласка ИИ-разработчиков изменить подход к сбору музыкальных данных? #TheAtlantic #ОбучениеИИ #АвторскоеПраво #Датасеты #Spotify #YouTube #Google #StabilityAI