Apple Nahaharap sa Pagsusuri Dahil sa Di-umano'y Pag-scrape ng YouTube Video para sa AI Training

Apple, nasa ilalim ng pressure dahil sa mga kasanayan sa training data

Nahaharap ang Apple sa panibagong pagsusuri matapos ang mga alegasyon na nag-scrape ito ng mga YouTube video upang makatulong sa pagsasanay ng mga artificial intelligence system, na nagdaragdag sa mas malawak na debate kung paano kinokolekta ng mga pangunahing kumpanya ng teknolohiya ang data para sa pagbuo ng AI. Ang mga pahayag ay nagtaas ng mga tanong tungkol sa data privacy, pahintulot, at kung ang pagmamadali sa pagbuo ng mas may kakayahang AI tools ay nalalampasan ang malinaw na etikal na hangganan.

Ang akusasyon ay naglalagay sa Apple sa gitna ng isang kontrobersya na bumalot na sa malaking bahagi ng industriya ng AI. Habang nagpapaligsahan ang mga kumpanya upang pagbutihin ang mga generative model at iba pang produkto ng AI, ang mga pinagmulan ng kanilang training data ay naging isang lumalaking isyu. Ang mga platform ng video tulad ng YouTube ay partikular na sensitibo dahil naglalaman ang mga ito ng malaking halaga ng user-generated material, kabilang ang nilalaman na nilikha ng mga independent producer na maaaring hindi inaasahan na gagamitin ang kanilang gawa sa ganitong paraan.

Bakit mahalaga ang mga alegasyon

Nasa sentro ng isyu ang tanong kung ang publicly available content ay maaaring kolektahin nang malawakan para sa machine learning nang walang makabuluhang pahintulot mula sa mga taong lumikha o nag-upload nito. Kahit na ang materyal ay accessible online, hindi nito kinakailangang malutas ang mga etikal na alalahanin na pumapalibot sa muling paggamit nito sa AI training. Para sa mga creator, ang takot ay hindi lamang na ang kanilang gawa ay maaaring masipsip sa mga opaque system, kundi pati na rin na ang halaga ng kanilang nilalaman ay maaaring makuha nang walang kabayaran o pagkilala.

Para sa Apple, ang mga alegasyon ay partikular na kapansin-pansin dahil matagal nang nilinang ng kumpanya ang isang privacy-focused na pampublikong imahe. Ang posisyong iyon ang nagpatangi dito sa mga malalaking tech firm, marami sa mga ito ay nahaharap sa kritisismo dahil sa agresibong data collection practices. Anumang mungkahi na maaaring umasa ang Apple sa scraped video content para sa AI training ay nagpapataas ng panganib na kumplikado ang naratibong iyon at ilantad ang kumpanya sa parehong pag-aalinlangan na sumunod sa iba pang AI developer.

Ang isyu ay sumasalamin din sa isang legal gray area. Ang paggamit ng scraped web data para sa AI training ay naging karaniwan sa buong industriya, ngunit ang mga patakaran na namamahala dito ay nananatiling hindi pa nalulutas at nag-iiba-iba ayon sa hurisdiksyon. Ang kawalan ng katiyakan na iyon ay nagdulot ng patuloy na mga alitan tungkol sa copyright, pahintulot, at ang mga limitasyon ng fair use. Sa kaso ng video content, maaaring mas mataas pa ang mga pusta dahil ang audiovisual material ay maaaring magsama ng mga mukha, boses, lokasyon, at iba pang impormasyon na nagdadala ng mga implikasyon sa privacy na lampas sa mismong gawa.

Ang mga alalahanin sa privacy ay lumalampas sa mga creator

Ang mga alegasyon ay nagpanibago rin ng pag-aalala tungkol sa privacy ng mga taong lumalabas sa mga online video ngunit maaaring hindi kailanman sumang-ayon na gamitin ang kanilang footage para sa pagbuo ng AI model. Ang mga video sa mga platform tulad ng YouTube ay maaaring maglaman ng mga personal na sandali, panayam, classroom recording, pampublikong kaganapan, at iba pang materyal na na-upload para sa isang partikular na madla o layunin. Kapag ang nilalaman na iyon ay nakolekta sa training dataset, maaari itong muling gamitin sa mga paraan na hindi kailanman inaasahan ng mga orihinal na creator at subject.

Ang posibilidad na iyon ay naging isa sa mga nagpapakahulugang etikal na tanong sa pagbuo ng AI. Madalas inilalarawan ng mga kumpanya ang large-scale data collection bilang kinakailangan upang makabuo ng mga competitive system, ngunit iginigiit ng mga kritiko na ang pangangailangan ay hindi nagbubura sa pangangailangan para sa transparency. Kung hindi alam ng mga user kung anong nilalaman ang kinokolekta, paano ito ginagamit, o kung maaari silang mag-opt out, mabilis na mawawala ang tiwala sa parehong platform at sa produkto ng AI.

Ang mga alegasyon laban sa Apple ay dumating sa panahong mas binibigyang pansin ng mga regulator, creator, at privacy advocate ang mga data pipeline sa likod ng mga AI system. Ang debate ay hindi na limitado sa kung ang mga AI model ay maaaring mabuo nang mahusay. Kasama na ngayon dito kung ang mga pamamaraan na ginamit upang buuin ang mga ito ay gumagalang sa mga karapatan ng mga tao na ang gawa at personal na impormasyon ay maaaring nakapaloob sa mga system na iyon.

Isang mas malawak na problema sa industriya

Hindi nag-iisa ang Apple sa pagharap sa mga tanong tungkol sa data sourcing, ngunit ang paglahok ng kumpanya ay nagdaragdag ng bigat sa isang usapan na karaniwang nakatuon sa iba pang mga lider ng AI. Binibigyang-diin ng kontrobersya kung gaano kalaganap ang kasanayan ng large-scale scraping at kung gaano kaliit ang visibility ng mga kumpanya sa labas sa mga dataset na ginagamit upang sanayin ang kanilang mga model.

Ang kakulangan ng transparency na iyon ay naging isang sentral na etikal na alalahanin. Kung walang malinaw na pagbubunyag, mahirap para sa mga creator na malaman kung ginagamit ang kanilang nilalaman, para sa mga user na maunawaan kung paano binuo ang mga AI system, o para sa mga regulator na suriin kung sinusunod ang umiiral na mga patakaran. Habang ang mga produkto ng AI ay nagiging mas integrated sa mga consumer device at serbisyo, ang mga pamantayan kung paano sila sinasanay ay malamang na haharap sa mas matinding pampublikong pagsusuri.

Para sa Apple, ang mga alegasyon ay maaaring maging partikular na sensitibo dahil nakakaugnay ang mga ito sa brand ng kumpanya, sa diskarte nito sa produkto, at sa tiwala na inilalagay ng mga user sa ecosystem nito. Kahit na patuloy na ginagawang normal ng mas malawak na industriya ang paggamit ng large-scale training data, ang kontrobersya tungkol sa YouTube scraping ay nagpapahiwatig na ang social license para sa mga kasanayang iyon ay malayo pa sa pagiging ayos.

Mga Pinagmulan:

• 9to5mac.com

Doppler VPN: 6 server location, VLESS protocol, zero tracking. Magsimula nang libre.