Berikut ini adalah pertanyaan yang dapat membingungkan perusahaan AI generatif: “Konten apa yang telah digunakan untuk melatih model Anda?” Sementara beberapa orang memilih untuk menghindari pertanyaan tersebut, dan yang lainnya dengan tegas mengemukakan masalah tersebut Secara keseluruhan, pertanyaan tentang apakah sebuah perusahaan AI telah mengambil konten untuk tujuan bisnisnya sendiri tanpa izin adalah pertanyaan yang pelik.
Paling banter, Anda mungkin akan mendapatkan penjelasan yang tidak jelas tentang “kumpulan data yang dikurasi”dan yang lebih buruk lagi, sebuah polemik tentang apakah segala sesuatu di internet pada dasarnya adalah permainan yang adil.
Sekarang sebuah dokumen diperoleh oleh 404media tampaknya menunjukkan bahwa sebagian data yang digunakan untuk melatih alat pembuat video AI terbaru Runway, Gen-3, mungkin berasal dari saluran YouTube milik ribuan perusahaan media populer, termasuk Pixar, Netflix, Disney, dan Sony.
Walaupun 404media tidak menguraikan secara rinci bagaimana dokumen tersebut diperoleh, dan tidak dapat memverifikasi bahwa setiap video yang disebutkan di dalamnya digunakan untuk melatih Gen-3, namun hal itu berpotensi memberikan wawasan mengenai jenis praktik yang mungkin digunakan oleh perusahaan AI untuk mengambil materi berhak cipta guna melatih modelnya.
Seorang mantan karyawan Runway berbicara kepada 404media tentang metodologi yang digunakan. Ke-14 lembar kerja yang terdapat dalam dokumen yang bocor tersebut dikatakan memuat istilah-istilah seperti “pantai” atau “hujan”, dengan nama-nama karyawan Runway di sampingnya.
Menurut sumber tersebut, nama-nama ini disebut-sebut sebagai karyawan yang bertugas mencari video atau saluran terkait kata kunci tersebut, yang selanjutnya menggunakan alat pengunduh video YouTube melalui proxy untuk mengambilnya dari situs tanpa diblokir oleh Google.
Bukan hanya konten YouTube saja yang tampaknya telah dicuri. Sebuah spreadsheet yang berisi 14 tautan ke sumber non-YouTube, termasuk tautan ke situs web yang didedikasikan untuk menayangkan kartun dan film animasi populer, dengan ribuan keluhan hak cipta yang dicatat.
Pada dasarnya, media bajakan tampaknya setidaknya dipertimbangkan untuk data pelatihan, jika tidak langsung diambil dan digunakan.
404media benar-benar mengambil langkah lebih jauh dan mencoba menggunakan Gen-3 untuk menghasilkan video menggunakan perintah yang berisi kata kunci berdasarkan istilah yang ditemukan dalam spreadsheet, dan mampu membuat klip yang gayanya tampak sangat mirip dengan konten terkait.
Runway sendiri sebagian didanai oleh Googleantara lain, jadi jika benar, mengambil konten tanpa izin dari kreator di platformnya, kemungkinan besar akan membuatnya mendapat masalah serius. Lupakan kemungkinan akibat hukum yang lebih luas.
Meski demikian, meskipun masalah pencurian konten AI merupakan masalah pelik, model tersebut tampaknya masih memiliki masalah. Ars Technica baru-baru ini mencoba membuat beberapa video dengan Gen-3 Alpha, dan memberi kucing sepasang tangan manusiaSaya tidak yakin konten apa yang digunakan untuk melatih versi model tertentu itu, tetapi menurut saya, apa pun metodologi yang digunakan di sini, ada baiknya dicoba dengan satu atau lain cara.