La controverse sur les données d'entraînement de l'IA s'intensifie : un autre géant de la technologie confronté à une poursuite pour livres piratés

Un événement intéressant s’est produit récemment : le cercle technologique a été poursuivi en justice concernant des jeux de données d’IA. Une écrivaine, Elizabeth Lyon, a poursuivi une entreprise technologique bien connue pour avoir utilisé un jeu de données contenant leurs œuvres protégées par le droit d’auteur lors de l’entraînement de leurs grands modèles de langage.

Que se passe-t-il exactement ? Le problème réside dans le jeu de données SlimPajama-627B. Ce jeu de données provient du projet RedPayama, qui contient une collection très controversée de livres « Books3 » – pour être franc, une grande quantité de données non autorisées sur les livres. L’entreprise a utilisé cet ensemble de données pour entraîner le modèle d’IA SlimLM, et l’auteur a constaté que son travail y était inclus.

Ce n’est pas un incident isolé. Des problèmes juridiques similaires s’accumulent, non seulement pour cette entreprise, mais aussi pour plusieurs autres géants de la tech – accusés d’avoir utilisé du contenu protégé sans autorisation lors du développement de systèmes d’IA. Cela implique une question fondamentale : les modèles d’IA peuvent-ils être entraînés à volonté en utilisant des données d’Internet et des publications ? Comment protéger les droits et intérêts des titulaires de droits d’auteur ?

Du point de vue du Web3 et de la communauté open source, cela reflète une contradiction plus large. D’une part, le développement de l’IA nécessite d’énormes données ; En revanche, les droits et intérêts des créateurs de contenu ne peuvent être portés atteinte à volonté. Comment trouver un équilibre entre les deux est devenu un problème auquel toute l’industrie technologique est confrontée. Il est important de continuer à suivre la manière dont ces procès évolueront à l’avenir.