当今影响人工智能的最大主题之一是数据抓取。为了训练人工智能模型，公司需要从在线资源中获取数据并将其输入人工智能模型。嗯，我们得到消息称OpenAI已从YouTube上抓取了大量数据。然而，我们也得到消息称，甚至谷歌也一直在从YouTube视频中抓取数据。
目前，YouTube正在保护其平台上的数据。最近，YouTube首席执行官NealMohan警告OpenAI不要使用其视频来训练Sora。这是OpenAI极其逼真的AI视频生成器。
据《纽约时报》报道，OpenAI一直在从大型视频共享平台抓取数据，但并不是视频数据。该公司使用了一种名为“Whisper”的工具，可以自动转录YouTube视频中的音频，并用它来训练模型。有问题的模型是GPT-4。该报告指出，OpenAI能够抓取超过一百万个YouTube视频的文字记录。
OpenAI声称它使用的是公开的YouTube视频中的信息。因此，从表面上看，这应该是合理的。然而，YouTube声明禁止任何未经授权的下载或抓取YouTube视频。这意味着OpenAI可能违反了YouTube的使用条款。如果这成为一件大事，那么我们肯定会看到这些公司在某个时候在法庭上展开斗争。
谷歌也在抓取YouTube视频
一个相当大的变化是，谷歌似乎也在从YouTube视频中抓取数据。其重要意义在于Google是YouTube的母公司。因此，它提出了问题。YouTube知道这件事吗?谷歌是否要求YouTube对此保持沉默?YouTube会对其母公司采取任何形式的法律诉讼吗?
这些问题将在相当长一段时间内得不到答案。无论如何，谷歌似乎对其服务条款做了一些改变。报告称，这一变化允许该公司从公开可见的来源(例如谷歌文档、谷歌表格文件、谷歌地图评论等)抓取数据。这意味着该公司希望加强其数据收集，但这并不意味着该公司希望加强数据收集。对于想要保留数据的用户来说这是个好兆头。
人们阅读公司的服务条款以了解他们的数据发生了什么。然而，如果公司可以随意更改条款以允许他们抓取数据，那么了解数据的情况并没有任何作用。