Künstliche Intelligenz
Fragwürdige KI‑Trainingstaktiken – ein wachsendes Anliegen

Wichtige PunkteKI-Unternehmen wie Meta und OpenAI sehen sich mit Klagen konfrontiert, weil sie zum…
Mehr anzeigen
- KI-Unternehmen wie Meta und OpenAI sehen sich mit Klagen konfrontiert, weil sie zum Trainieren ihrer Modelle auf urheberrechtlich geschützte Buchdaten aus Schattenbibliotheken zurückgegriffen haben.
- DeepSeek hat für 6 Millionen US-Dollar eine KI-Konkurrenzlösung entwickelt, indem es die Ausgaben von ChatGPT genutzt hat, was Vorwürfe des geistigen Diebstahls ausgelöst hat.
- Content-Ersteller fordern Entschädigung, da KI-Modelle urheberrechtlich geschützte Werke ohne Erlaubnis oder Bezahlung verarbeiten.
KI-Trainingstaktiken geraten weiterhin wegen fehlender Aufsicht in die Kritik. Es ist üblich, dass zeitgenössische Autoren Inspiration schöpfen und sogar Elemente aus früheren Geschichten übernehmen. Während diese Praxis Teil der Entwicklung des Schreibens ist, gibt es Fälle, in denen die Werke und der Stil eines Autors ohne Zustimmung dupliziert werden.
When this situation occurs, modern copyright infringement laws allow the originating content creator to recoup losses. However, the same can’t be said about the growing number of AI systems found to have used illegally acquired works to develop their models. Now, the industry faces a crossroads in terms of training tactics and retribution for those who have experienced losses. Here’s what you need to know.
Fragwürdige KI-Trainingstaktiken
A flurry of lawsuits now claim that OpenAI and META (META ) purposely sought out workarounds when acquiring library data for their model training. The plaintiffs of the lawsuit claim that the company was aware and didn’t care that they were potentially stealing millions from authors without compensation, or even a mention.
Ansprüche wie diese sind für viele, die glauben, dass das KI-Rennen zu einer grundsätzlichen Missachtung von Urheberrechtsgesetzen geführt hat, keine große Überraschung. Daher setzen Autoren ihren Widerstand gegen KI-Entwickler fort und fordern mehr Transparenz darüber, wie Daten von diesen Systemen erworben und verarbeitet werden.
Obwohl noch keine klaren Wege der Öffentlichkeit mitgeteilt wurden, hat sich die Beweislast gegen die KI-Unternehmen zu stapeln begonnen. Diese Beweise könnten zu weitreichenden Änderungen der von KI-Entwicklern künftig verwendeten Trainingstaktiken führen.
Von Unternehmen zur Erstellung von Modellen verwendete Trainingstaktiken
Das Training eines KI-Systems ist ein komplexer Prozess, der das Sammeln und Verarbeiten riesiger Datenmengen aus verschiedenen Quellen umfassen kann. Diese Daten dienen dem KI-System als Referenz, wenn es versucht, Fragen zu beantworten oder neue Szenarien zu erfassen. Folglich funktionieren die meisten KI-Systeme besser, wenn sie über mehr Referenzdaten verfügen.
KI erstellen
Der Hauptweg zur Erstellung eines KI-Modells besteht in der Datensammlung. In der Vergangenheit war die Datensammlung ein zeitaufwändiger Prozess, der von Ingenieuren verlangte, bereits vorhandene Datenbanken zu suchen, anstatt von Grund auf neu zu bauen. Beispielsweise können Gesundheitsanbieter eine KI entwickeln, die nationale Gesundheitsstatistiken nutzt, um relevantere medizinische Antworten zu liefern.
Von dort aus entscheiden die Entwickler, welchen Algorithmus sie wählen. Die Hauptoptionen sind überwachtes Lernen, unüberwachtes Lernen, halbüberwachtes Lernen, verstärkendes Lernen, lineare Regression, Deep Learning, Random Forest, Naïve Bayes und neuronale Netze. Jeder dieser Algorithmen bietet einzigartige Vor- und Nachteile, die sie für bestimmte Aufgaben besser geeignet machen.
Schließlich beginnt der iterative Trainingsprozess. In dieser Phase wird das Modell befragt und anhand der bereitgestellten Genauigkeit und Leistung bewertet. Dieser Schritt ermöglicht es Ingenieuren, das Modell zu verfeinern und zu validieren, wodurch die Fähigkeiten gesteigert werden. Diese Phase hilft den Ingenieuren zudem sicherzustellen, dass das Modell weiterhin aus den Trainingsdaten lernt und nicht nur auswendig lernt.

Quelle – Uptech.team
Aktuelle KI-Trainingstaktiken sind teuer
Der KI-Modell-Trainingsprozess ist zeitaufwendig und teuer und kann in zwei Hauptkategorien unterteilt werden: Training und Betrieb. Das Training bezieht sich auf die einmaligen Kosten für die Erstellung eines bestimmten Modells. Beispielsweise hat ChatGPT laut dem CEO des Unternehmens, Sam Altman, etwa 100 Mio. $ für sein 4o‑Modell ausgegeben.
Bemerkenswert ist, dass diese Kosten frühere Modellausgaben bei weitem übertrafen. Zum Beispiel kostet das Training von ChatGPT‑3 etwa 4 Mio. $. Die steigenden Kosten für das KI-Training sind die direkte Folge höherer Rechenanforderungen. Die neuesten Modelle laufen auf den neuesten NVIDIA (NVDA ) ‑Chips, was ihre Kosten weiter erhöht.
Zusätzlich hat KI die Preise für Cloud‑Computing in die Höhe getrieben. Die Mehrheit der KI‑Anwendungen läuft nicht nativ auf den PCs der Nutzer. Stattdessen verlassen sie sich auf hochmoderne Rechenzentren und Cloud‑Computing‑Algorithmen, um die enormen Rechenanforderungen zu unterstützen. All diese Faktoren haben die Programmierung von KI teuer gemacht.
KI-Marktplätze
Ein jüngster Anstieg der Anzahl von KI‑Training‑Marktplätzen zeigt, dass es nun mehr Entwicklungen in diesem Bereich gibt, die versuchen, Kosten zu sparen. KI‑Marktplätze ermöglichen es Entwicklern, Inhaltserstellern und denen, die KI‑Integration suchen, zusammenzukommen. Entwickler können bereits erstellte Modelle finden, die sie nach Bedarf verbessern oder feinabstimmen können, wodurch sie viel Zeit und Geld sparen.
Laufzeitkosten
Die Laufzeit‑ oder Inferenzkosten von KI‑Systemen sind ein weiterer Aufwand, den Entwickler berücksichtigen müssen. Die Inferenzkosten beziehen sich darauf, wie viel Geld jede Interaktion mit der KI kostet. Die Kosten für den Betrieb vieler heutiger KI‑Systeme sind höher, weil das System auf alle Daten in seinem Modell zugreifen muss, um eine genaue und hilfreiche Antwort zu liefern. Dieser Schritt bedeutet, dass die KI häufig viel Rechenleistung von Hochleistungs‑Maschinen benötigen wird. Diese Anforderung fügt dem System erhebliche Kosten hinzu.
Sind die heutigen KI-Trainingstaktiken ethisch?
Wenn man die von heutigen riesigen KI‑Firmen eingesetzten Trainingstaktiken und -strategien betrachtet, wird schnell deutlich, dass ethisch und moralisch herausfordernde Positionen in der Branche existieren. Ja, um die besten KI‑Systeme zu schaffen, müssen Entwickler dem Modell wertvolle und genaue Daten bereitstellen. Allerdings argumentieren einige Entwickler, dass die Kosten für die Einholung von Urheberrechtsgenehmigungen für alle im Datensatz verwendeten Daten astronomisch wären und im Grunde die Innovation ersticken würden.
Das internationale Urheberrecht schützt Autoren vor unbefugter Nutzung ihrer Werke, ihres Stils und ihrer Ähnlichkeit. KI‑Systeme scheinen eine rechtliche Lücke gefunden zu haben, indem sie nahezu exakte Kopien von Personen, Orten, Informationen und Geschichten nutzen können, wobei bisher nur wenig rechtlicher Widerstand gemeldet wurde.
Allerdings wächst unter Inhaltserstellern das Gefühl, dass diese Systeme ihre Werke illegal erworben und anschließend verwendet haben, um KI‑Modelle zu trainieren, die das Format, den Ton und den Stil duplizieren. Beweise für die illegale Nutzung urheberrechtlich geschützter Bücher in den Trainingsmodellen von OpenAI wurden durch jüngste Enthüllungen ans Licht gebracht.
OpenAI-Klage
In der OpenAI Klage behaupten die Kläger, dass Entwickler wissentlich Schattenbibliotheken nutzten, um die Bezahlung für große Buchsammlungen zu vermeiden. Schattenbibliotheken sind Online‑Plattformen, die kostenlosen Zugriff auf urheberrechtlich geschützte Werke bieten. In der OpenAI‑Klage aufgeführt sind LibGen, Bok, Sci‑Hub und Bibliotik.
Die Klage zielt darauf ab zu beweisen, dass OpenAI und META wussten, dass sie Urheberrechtsgesetze umgingen. Sie zeigt, wie die Unternehmen Schattenbibliotheken und andere kostenlose Quellen nutzten, um ihre Trainingskosten erheblich zu senken, während sie Autoren ihrer gerechten Vergütung beraubten.
Als Reaktion auf die Vorwürfe tat META zunächst so, als sei es sich solcher Handlungen nicht bewusst. Nachdem jedoch E‑Mails aufgetaucht waren, von denen man annimmt, dass sie das volle Verständnis des Unternehmens über seine Handlungen offenbaren, und erklären, dass es +81,7 Terabyte Daten aus Schattenbibliotheken per Torrent heruntergeladen hat, was Millionen von Werken entspricht.
META‑unredigierte E‑Mails
Ironischerweise waren es interne E‑Mails, die zeigten, dass das Unternehmen sich der fragwürdigen Natur seiner Entscheidung, Schattenbibliotheken zu nutzen, wohl bewusst war. In den unredigierten E‑Mails stellt ein besorgter Ingenieur namens Nikolay Bashlykov die Moral des Projekts in Frage, bevor er einen Scherz über die Legalität des Plans macht.
In späteren E‑Mails erklärte der Mitarbeiter, dass er Bedenken habe, META‑IP‑Adressen zu nutzen, um per Torrent piratisierte Inhalte zu laden. Da dies ein Problem darstellen könnte, wies META die Ingenieure an, die Daten von externen Servern herunterzuladen, die nicht mit Facebook oder META verbunden sind.
Anweisungen von oben
Als man Mark Zuckerberg ursprünglich zu METAs Beteiligung am Torrenting befragte, erklärte er, er habe keine Ahnung von dem Vorgang. Die unredigierten E‑Mails bewiesen das Gegenteil. Man geht davon aus, dass die E‑Mails zeigen, dass die Entscheidung, Nicht‑FB‑Server zu nutzen, erst nach Zuckergbergs direkter Genehmigung getroffen wurde.
Verwenden KI‑Entwickler gestohlene Inhalte?
Angesichts der vorgelegten Beweise und des plötzlichen Anstiegs der KI‑Fähigkeiten ist es scheinbar offensichtlich, dass viele KI‑Systeme zu Schattenbibliotheken und anderen Mitteln gegriffen haben, um effektivere Trainingsmodelle zu erstellen. Diese Datensätze enthalten urheberrechtlich geschütztes Material, das nie die Zustimmung der Autoren oder Verlage für die Nutzung im KI‑Training erhalten hat.
Ist es illegal?
Obwohl es immer schwieriger wird, die Nutzung von raubkopiertem Material in den heutigen fortschrittlichsten KI‑Modellen zu leugnen, bleibt die Rechtmäßigkeit dieser Praxis fraglich. Noch kein KI‑Unternehmen ist wegen Urheberrechtsverletzungen zur Verantwortung gezogen worden. Zudem befindet sich das KI‑Rennen in vollem Gange, und viele Politiker könnten die Beschränkung des Zugriffs lokaler KI‑Systeme auf Daten als Hemmnis für Innovationen ansehen. Daher könnten sie zögern, die Bekämpfung von KI‑Urheberrechtsverletzungen so einfach zu machen wie bei traditionellen Diebstählen.
Klagen strömen herein
Regulierungsbehörden sind möglicherweise noch nicht bereit, Druck auf KI‑Unternehmen auszuüben, aber die Inhaltsersteller haben genug. Klagen strömen weiterhin von desillusionierten Autoren, die behaupten, dass ihr Inhalt illegal erworben, verbreitet und ohne jegliche Entschädigung dupliziert wurde.
Kürzlich hat die Kanzlei Joseph Saveri US‑bundesweite Sammelklagen zu diesem Thema eingereicht. Die Klage, die im Namen von Sarah Silverman und anderen Autoren gegen OpenAI und META eingereicht wurde, fordert Entschädigungen für Verluste, die durch die Fähigkeit des Produkts entstanden sind, ihr Format und ihren Stil zu duplizieren.
Die Sammelklage Klage behauptet mehrere Verstöße gegen das Digital Millennium Copyright Act, kriminelle Fahrlässigkeit und unlautere Wettbewerbsgesetze. Ziel der Klage ist es, eine dauerhafte Unterlassungsverfügung gegen diese Trainingstaktiken zu erwirken, bis eine faire Entschädigungs‑ und Schutzstrategie für Autoren implementiert werden kann.
Wird DeepSeek von ChatGPT trainiert?
Ironischerweise hat ChatGPT behauptet, das Opfer von intellektuellem Diebstahl durch ein KI‑System zu sein, nachdem das chinesische KI‑Startup DeepSeek Wellen im Markt schlug. DeepSeek löste eine Flut von Interesse aus, nachdem das Unternehmen im letzten Monat seine beeindruckende Leistung, niedrige Kosten und fortschrittlichen Fähigkeiten der Öffentlichkeit präsentierte.
OpenAI‑Entwickler beschuldigten DeepSeek, ChatGPT‑Daten zur Programmierung seines Modells verwendet zu haben, was es ermöglichte, ein Modell zu schaffen, das die Konkurrenz übertrifft und deutlich günstiger ist. Im Vergleich erreichte DeepSeek eine Leistung, die mit ChatGPT vergleichbar ist, bei Kosten von 6 Mio. $ gegenüber über 100 Mio. $, die ChatGPT verwendet hat.
Zusätzlich schafft es DeepSeek dank seiner einzigartigen Konfiguration, deutlich weniger Rechenleistung zu nutzen. Die Inferenzkosten für DeepSeek sind weitaus geringer als bei ChatGPT, weil mehrere spezialisierte Modelle anstelle eines einzigen riesigen Modells verwendet werden.
Deshalb muss DeepSeek das Modell nur aktivieren, wenn es auf die Frage verweist, wodurch es viel weniger teure und leistungsstarke NVIDIA‑Chips nutzen kann. Konkret verwendet DeepSeek nur ein Fünfzigstel der Kosten für den Betrieb des neuesten Claude 3.5 Sonnet‑Modells, was es zu einer langfristig kosteneffizienteren Lösung für Unternehmen macht.
Es leiht sich
Interessanterweise leugnet DeepSeek nicht die Nutzung von ChatGPT zur Entwicklung von „Denk“-Skripten. Es beschreibt den Prozess sogar im ursprünglichen DeepSeek‑Whitepaper. Die Ingenieure waren der Ansicht, dass dieser Ansatz DeepSeek mit genaueren Informationen versorgen würde, was den Destillationsprozess beschleunigte.
Zusätzlich stellte es sicher, dass die Daten, die zur Programmierung der KI‑Modelle von Wettbewerbern verwendet wurden, nicht zur Programmierung von DeepSeek genutzt wurden. Das Ergebnis ist ein effizienteres System, das seinen Vorgänger übertrifft und nur einen Bruchteil der Betriebskosten verursacht. Natürlich argumentieren viele, dass die Kosten von ChatGPT in das Budget von DeepSeek einbezogen werden sollten, wenn sie das System zur Erstellung ihres eigenen Modells genutzt haben.
DeepSeek-Identitätskrise
In einem kürzlich veröffentlichten Artikel ging ein KI‑Forscher zur Quelle, um zu prüfen, ob DeepSeek viel von ChatGPT übernommen hat. Er begann damit, das LLM zu fragen, ob es DeepSeek für intelligenter als Gemini, den Konkurrenten von Google, halte. Ironischerweise antwortete das LLM, es denke, „es sei ChatGPT.“ Diese Enthüllung wurde von vielen als der Beweis angesehen, der die massive Menge an Daten, die DeepSeek von ChatGPT gesammelt hat, belegt.
Sollten Inhaltsersteller für die KI‑Nutzung entschädigt werden?
Es gibt zunehmende Besorgnis unter den Inhaltserstellern auf dem Markt. Da KI‑Systeme sich weiterentwickeln, werden sie mit Sicherheit noch mehr urheberrechtlich geschütztes Material aufnehmen. In der Vergangenheit haben Ingenieure beobachtet, dass Unternehmen das Copyright‑Management‑Informationen deaktivieren, um das Risiko ihres Handelns zu verringern. Doch die Wende ist im Gange.
Im Juli 2023 unterzeichnete eine Gruppe von über 8.000 Autoren einen Brief, der an den META‑CEO Mark Zuckerberg, den OpenAI‑CEO Sam Altman, den Alphabet‑CEO Sundar Pichai, den Stability‑AI‑CEO Emad Mostaque, den IBM‑CEO Arvind Krishna und den Microsoft (MSFT ) ‑CEO Satya Nadella gerichtet war. Der Brief erklärt, dass KI „unsere Sprache, Geschichten, Stil und Ideen nachahmt und wiederholt.“ Er fordert Entschädigung und Anerkennung.
Die Writers Guild of America und die Screen Actors Guild haben ebenfalls lautstark über die Nutzung ihrer Werke im KI‑Sektor gesprochen. Sie streben an, bestimmte Rechte und Entschädigungen für Autoren zu garantieren, wann immer ihre Werke zur Erstellung von KI‑Modellen verwendet werden.
Trainingstaktik-Optionen entstehen
Angesichts der Beschränkungen des aktuellen Setups und des Fehlens einer echten legitimen Weiterentwicklung hat BookCorpus eine bessere Lösung angeboten. Das Unternehmen wurde 2015 mit dem konkreten Ziel gegründet, KI‑Forscher beim Training von LLMs zu unterstützen. Daher umfasst es tausende Werke und Modelle, die die Leistung steigern, ohne ethische Grenzen zu überschreiten.
Bereits treten mehrere KI‑fokussierte Dienstleister in den Markt ein. Diese Unternehmen kombinieren den Zugriff auf wertvolle Daten, Modelle und mehr. Sie sind darauf ausgelegt, die rechnerischen Anforderungen von KI zu erfüllen und werden häufig mit einer Form von Cloud‑Computing‑Option angeboten, um die Entwicklungskosten weiter zu senken.
Unternehmen, die die KI‑LLM‑Revolution anführen
Der Aufstieg von LLMs hat es einfacher denn je gemacht, mit diesen Systemen zu interagieren. Von einer einfachen Chat‑Eingabe aus kann man tiefgehende Recherchen durchführen, Bilder und Geschichten erstellen und vieles mehr. Folglich werden LLMs als einer der größten Durchbrüche in der Computer‑Interaktionstechnologie in einer Lebenszeit angesehen. Hier ist ein Unternehmen, das die Innovation im LLM‑Markt weiter vorantreibt.
Alphabet Inc
Alphabet Inc. (GOOG ) ist das Mutterunternehmen von Google und dessen zahlreichen Tochtergesellschaften. Es ist eines der bekanntesten und erfolgreichsten Unternehmen im KI‑Sektor. Interessanterweise entscheiden sich die Ingenieure, das andere Modell des Unternehmens, Google DeepMind, zu nutzen, um Googles Gemini‑LLM zu erstellen. Gemini ist ein fortschrittliches LLM, das übersetzt, Inhalte versteht, Fragen beantwortet und vieles mehr.
Bemerkenswert ist, dass Google DeepMind intensiv daran arbeitet, LLMs und neue Funktionen für das Unternehmen zu entwickeln. Zum Beispiel erzeugt die neue SELF‑DISCOVER‑Funktion eine aufgabenbezogene Architektur innerhalb der Modelle, wodurch die insgesamt benötigte Zeit zur genauen Beantwortung von Fragen reduziert wird.
GOOG Preisdiagramm
Angesichts von Googles Marktdominanz, des direkten Zugriffs auf massive Daten und der fortgesetzten Expansion in zweckgerichtete Modelle ist GOOG eine kluge Aktie zum Halten. Das Unternehmen ist einer der weltweit führenden KI‑Anbieter und verfügt über das Netzwerk und die Finanzen, um seine Technologie zu integrieren und effektiv der Öffentlichkeit zugänglich zu machen.
Wie werden sich Trainingstaktiken in Zukunft ändern
Man kann erwarten, dass KI‑Trainingstaktiken künftig auf verfeinerte KI‑Systeme für Daten zurückgreifen, während die Branche expandiert. DeepSeek hat gezeigt, dass sein Ansatz die Kosten erheblich senkt. Zudem wird es schwieriger, Urheberrechtsverletzungen zu behaupten, wenn das Unternehmen einfach Daten verwendet, die von einer anderen KI erstellt wurden, anstatt sie direkt zu nutzen.
All diese Faktoren und die wachsende Nachfrage von Regierungen, das KI‑Rennen anzuführen, haben Inhaltsersteller an einen sehr gefährlichen Ort gebracht. Hoffentlich werden KI‑Entwickler in den kommenden Monaten effektivere Trainingstaktiken schaffen, die diejenigen, deren Daten sie für den Erfolg nutzen, respektieren und entschädigen.
Erfahren Sie mehr über andere coole KI‑Projekte Jetzt.











