Intelligenza artificiale
Tattiche di Addestramento dell’IA Questionabili: una Preoccupazione in Crescita

Punti chiaveAziende di IA come Meta e OpenAI affrontano cause legali per aver utilizzato dati di…
Vedi di più
- Aziende di IA come Meta e OpenAI affrontano cause legali per aver utilizzato dati di libri piratati da biblioteche ombra per addestrare i modelli.
- DeepSeek ha costruito un'IA rivale con 6 milioni di dollari utilizzando l'output di ChatGPT, scatenando accuse di furto intellettuale.
- I creatori di contenuti chiedono un compenso poiché i modelli di IA assimilano opere protette da copyright senza autorizzazione o pagamento.
Le tattiche di addestramento dell’IA continuano a essere oggetto di scrutinio a causa della loro mancanza di supervisione. È comune per gli scrittori contemporanei trarre ispirazione e persino prendere in prestito elementi da storie precedenti. Sebbene questa pratica faccia parte dell’evoluzione della scrittura, ci sono momenti in cui le opere e lo stile di un autore vengono duplicati senza consenso.
Quando si verifica questa situazione, le leggi moderne sul diritto d’autore consentono al creatore originale del contenuto di recuperare le perdite. Tuttavia, lo stesso non vale per il numero crescente di sistemi IA che hanno utilizzato opere acquisite illegalmente per sviluppare i loro modelli. Ora, l’industria si trova a un bivio riguardo alle tattiche di addestramento e alla retribuzione per coloro che hanno subito perdite. Ecco ciò che devi sapere.
Tattiche di Addestramento dell’IA Questionabili
Una raffica di cause legali ora afferma che OpenAI e META (META ) hanno deliberatamente cercato scappatoie nell’acquisizione dei dati delle biblioteche per l’addestramento dei loro modelli. I querelanti sostengono che l’azienda era consapevole e non le importava di rubare potenzialmente milioni agli autori senza compenso, né nemmeno una menzione.
Affermare ciò non sorprende molto chi crede che la corsa all’IA abbia portato a un disprezzo fondamentale delle leggi sul diritto d’autore. Perciò gli autori continuano a opporsi agli sviluppatori di IA, chiedendo maggiore trasparenza su come i dati vengano acquisiti e processati da questi sistemi.
Sebbene non siano ancora stati condivisi percorsi chiari con il pubblico, le prove hanno iniziato ad accumularsi contro le aziende di IA. Queste evidenze potrebbero portare a cambiamenti radicali nelle tattiche di addestramento utilizzate dagli sviluppatori di IA in futuro.
Tattiche di Addestramento Utilizzate dalle Aziende per Creare Modelli
Addestrare un sistema di IA è un processo complesso che può coinvolgere la raccolta e l’elaborazione di enormi quantità di dati provenienti da varie fonti. Questi dati sono ciò a cui il sistema di IA fa riferimento quando tenta di rispondere a domande o di affrontare nuovi scenari. Di conseguenza, la maggior parte dei sistemi di IA funziona meglio quando dispone di più dati di riferimento.
Creare IA
Il modo principale per creare un modello di IA prevede la raccolta dei dati. In passato, la raccolta dei dati era un processo dispendioso in termini di tempo che richiedeva agli ingegneri di cercare database già esistenti anziché costruirne di nuovi da zero. Ad esempio, i fornitori di assistenza sanitaria possono sviluppare un’IA che sfrutta le statistiche sanitarie nazionali per fornire risposte mediche più pertinenti.
Da lì, gli sviluppatori decidono quale algoritmo scegliere. Le principali opzioni sono apprendimento supervisionato, non supervisionato, semi-supervisionato, apprendimento per rinforzo, regressione lineare, deep learning, foresta casuale, Naïve Bayes e reti neurali. Ognuno di questi algoritmi offre vantaggi e svantaggi unici, che li rendono più adatti a compiti specifici.
Infine, inizia il processo di addestramento iterativo. In questa fase, il modello viene interrogato e valutato in base all’accuratezza e alle prestazioni fornite. Questo passaggio consente agli ingegneri di perfezionare e convalidare il modello, potenziandone le capacità. Questa fase aiuta inoltre gli ingegneri a garantire che il modello continui a imparare dai dati di addestramento, anziché limitarsi a memorizzarli.

Fonte – Uptech.team
Le Tattiche di Addestramento dell’IA Attuali Sono Costose
Il processo di addestramento di un modello di IA è dispendioso in termini di tempo e costi e può essere suddiviso in due categorie principali: addestramento e esecuzione. L’addestramento si riferisce al costo una tantum per creare un modello specifico. Ad esempio, ChatGPT ha speso circa 100 milioni di dollari per il suo modello 4o, secondo il CEO dell’azienda, Sam Altman.
È notevole che questi costi superano di gran lunga le spese dei modelli precedenti. Ad esempio, l’addestramento di ChatGPT-3 costa circa 4 milioni di dollari. L’aumento dei costi di addestramento dell’IA è il risultato diretto di maggiori requisiti computazionali. I modelli più recenti funzionano sui chip NVIDIA (NVDA ) più recenti, aumentando ulteriormente i costi.
Inoltre, l’IA ha spinto al rialzo i prezzi del cloud computing. La maggior parte delle applicazioni IA non viene eseguita nativamente sui PC degli utenti. Invece, si basano su data center all’avanguardia e algoritmi di cloud computing per supportare le enormi esigenze computazionali. Tutti questi fattori hanno reso la programmazione dell’IA costosa.
Mercati dell’IA
Un recente aumento del numero di mercati per l’addestramento dell’IA indica che ora ci sono più sviluppi in questo settore alla ricerca di risparmiare sui costi. I mercati dell’IA consentono a sviluppatori, creatori di contenuti e a chi cerca integrazioni IA di incontrarsi. Gli sviluppatori possono trovare modelli già costruiti che possono migliorare o perfezionare per le loro esigenze, risparmiando molto tempo e denaro nel processo.
Costo di Esecuzione
I costi di runtime o di inferenza dei sistemi IA sono un’altra spesa che gli sviluppatori devono considerare. Il costo di inferenza indica quanto denaro costa ogni interazione con l’IA. Il costo di esecuzione di molti dei sistemi IA odierni è più elevato perché il sistema deve accedere a tutti i dati del suo modello per fornire una risposta accurata e utile. Questo passaggio significa che l’IA dovrà utilizzare molta potenza di calcolo, da macchine ad alte prestazioni, frequentemente. Questa esigenza aggiunge costi significativi al sistema.
Le Tattiche di Addestramento dell’IA di Oggi Sono Etiche?
Quando si osservano le tattiche e le strategie di addestramento impiegate dalle enormi aziende di IA odierne, è facile vedere che esistono posizioni etiche e morali difficili all’interno del settore. Sì, per creare i migliori sistemi IA, gli sviluppatori devono fornire dati preziosi e accurati al modello. Tuttavia, alcuni sviluppatori sostengono che il costo per ottenere l’approvazione del diritto d’autore su tutti i dati utilizzati sarebbe astronomico, soffocando sostanzialmente l’innovazione.
La legge internazionale sul diritto d’autore protegge gli autori dall’uso non autorizzato delle loro opere, stile e immagine. I sistemi IA sembrano aver trovato una scappatoia legale che consente loro di utilizzare repliche quasi esatte di persone, luoghi, informazioni e storie, con poco riscontro legale finora.
Tuttavia, cresce il sentimento tra i creatori di contenuti che questi sistemi hanno ottenuto illegalmente le loro opere e le hanno poi usate per addestrare modelli IA a duplicare formato, tono e stile. Prove dell’uso illegale di libri protetti da copyright nei modelli di addestramento di OpenAI sono emerse grazie a recenti rivelazioni.
Causa Legale contro OpenAI
Nella causa legale contro OpenAI, i querelanti sostengono che gli sviluppatori hanno consapevolmente utilizzato biblioteche shadow per evitare di pagare per grandi collezioni di libri. Le biblioteche shadow sono piattaforme online che forniscono accesso gratuito a opere protette da copyright. Quelle elencate nella causa contro OpenAI includono LibGen, Bok, Sci-Hub e Bibliotik.
La causa mira a dimostrare che OpenAI e META sapevano di eludere le leggi sul diritto d’autore. Dimostra come le aziende hanno utilizzato biblioteche shadow e altre fonti gratuite per ridurre significativamente i costi di addestramento, derubando gli autori dei loro giusti compensi.
In risposta alle accuse, META ha inizialmente agito come se non fosse a conoscenza di tali azioni. Tuttavia, dopo la comparsa di email che si ritiene rivelino la piena comprensione da parte dell’azienda delle proprie azioni, e che spiegano di aver scaricato via torrent +81,7 terabyte di dati dalle biblioteche shadow, equivalenti a milioni di opere.
Email Non Redatte di META
Ironia della sorte, sono state le email interne a rivelare che l’azienda era ben consapevole della natura dubbia della decisione di utilizzare le biblioteche shadow. Nelle email non redatte, un ingegnere preoccupato di nome Nikolay Bashlykov mette in dubbio la moralità del progetto, per poi scherzare sulla legalità del piano.
In email successive, il dipendente ha dichiarato di essere preoccupato per l’uso degli indirizzi IP di META per caricare contenuti piratati via torrent. Riconoscendo che ciò potesse essere un problema, META ha istruito gli ingegneri a scaricare i dati da server esterni non collegati a Facebook o META.
Ordini dalla Direzione
Quando gli fu chiesto originariamente del coinvolgimento di META nel torrenting, Mark Zuckerberg dichiarò di non avere alcuna idea del processo. Le email non redatte dimostrarono il contrario. Si ritiene che le email mostrino che la decisione di utilizzare server non-FB è avvenuta solo dopo l’approvazione diretta di Zuckerberg.
Gli Sviluppatori di IA Stanno Utilizzando Contenuti Rubati?
Considerate le prove fornite e il repentino aumento delle capacità dell’IA, sembra ovvio che molti sistemi IA si siano rivolti alle biblioteche shadow e ad altri mezzi per costruire modelli di addestramento più efficaci. Questi set di dati contengono materiali protetti da copyright che non hanno mai ricevuto il consenso degli autori o degli editori per l’uso nei modelli di addestramento IA.
È Illegale?
Mentre diventa sempre più difficile negare l’uso di materiale pirata nei modelli IA più avanzati di oggi, la legalità della pratica rimane incerta. Nessuna azienda IA è stata ancora soggetta a leggi sul diritto d’autore. Inoltre, la corsa all’IA è in pieno svolgimento e molti politici potrebbero vedere la limitazione dell’accesso dei loro sistemi IA locali ai dati come un ostacolo all’innovazione. Pertanto, potrebbero non agire per rendere la lotta contro la violazione del diritto d’autore IA così semplice come i furti tradizionali.
Cause Legali Che Affiorano
Gli organi di regolamentazione potrebbero non essere pronti a mettere pressione sulle aziende IA, ma i creatori di contenuti ne hanno avuto abbastanza. Le cause legali continuano ad arrivare da autori disillusi che affermano che i loro contenuti sono stati acquisiti illegalmente, distribuiti e duplicati senza alcun compenso.
Recentemente, lo studio legale Joseph Saveri ha intentato cause collettive federali statunitensi direttamente su questo tema. La causa, presentata a nome di Sarah Silverman e altri autori contro OpenAI e META, richiede risarcimenti per le perdite causate dalla capacità del prodotto di duplicare il suo formato e stile.
La causa collettiva causa sostiene molteplici violazioni del Digital Millennium Copyright Act, negligenza criminale e leggi sulla concorrenza sleale. L’obiettivo della causa è ottenere un’ingiunzione permanente su queste tattiche di addestramento finché non venga messa in atto una strategia di compensazione e protezione equa per gli autori.
DeepSeek è Addestrato da ChatGPT?
Ironia della sorte, ChatGPT ha affermato di essere vittima di furto intellettuale da parte di un sistema IA dopo che la startup cinese di IA, DeepSeek ha suscitato scalpore nel mercato. DeepSeek ha generato un’ondata di interesse dopo che l’azienda ha rivelato al pubblico, lo scorso mese, le sue prestazioni impressionanti, i costi contenuti e le capacità avanzate.
Gli sviluppatori di OpenAI hanno accusato DeepSeek di aver utilizzato i dati di ChatGPT per programmare il proprio modello, consentendogli di creare un modello che supera la concorrenza e costa molto meno. In confronto, DeepSeek ha raggiunto prestazioni pari a quelle di ChatGPT per un costo di 6 milioni di dollari rispetto ai più di 100 milioni spesi da ChatGPT.
Inoltre, DeepSeek riesce a utilizzare molta meno potenza di calcolo grazie alla sua configurazione unica. I costi di inferenza per DeepSeek sono molto inferiori a quelli di ChatGPT a causa dell’uso di diversi modelli specializzati rispetto a un unico modello massiccio.
Pertanto, DeepSeek deve solo attivare il modello riferendosi alla domanda, consentendogli di utilizzare chip NVIDIA molto meno costosi e potenti. In particolare, DeepSeek utilizza 1/50 del costo di esecuzione dell’ultimo modello Claude 3.5 Sonnet, rendendolo una soluzione più conveniente per le aziende a lungo termine.
Prende in Prestito
Curiosamente, DeepSeek non nega l’uso di ChatGPT per sviluppare script “pensanti”. Descrive persino il processo nel whitepaper originale di DeepSeek. Gli ingegneri hanno ritenuto che questo approccio fornisse a DeepSeek informazioni più accurate, accelerando il suo processo di distillazione.
Inoltre, ha garantito che i dati usati per programmare i modelli IA dei concorrenti non fossero utilizzati per programmare DeepSeek. I risultati sono un sistema più efficiente che supera il suo predecessore e costa solo una frazione per funzionare. Naturalmente, molti sostengono che i costi di ChatGPT dovrebbero essere inclusi nel budget di DeepSeek se hanno sfruttato il sistema per creare il proprio.
Crisi d’Identità di DeepSeek
In un recente articolo, un ricercatore IA è andato alla fonte per verificare se DeepSeek avesse preso molto da ChatGPT. Ha iniziato chiedendo al LLM se pensasse che DeepSeek fosse più intelligente di Gemini, il concorrente di Google. Ironia della sorte, il LLM ha risposto che pensava “fosse ChatGPT”. Questa rivelazione è stata vista da molti come tutta la prova necessaria per dimostrare la quantità massiccia di dati che DeepSeek ha raccolto da ChatGPT.
I Creatori di Contenuti Dovrebbero Essere Compensati per l’Uso dell’IA?
C’è una crescente preoccupazione per i creatori di contenuti sul mercato. Man mano che i sistemi IA evolvono, sicuramente ingeriranno ancora più materiali protetti da copyright. In passato, gli ingegneri hanno visto le aziende disattivare le informazioni di gestione del copyright per ridurre il rischio di essere scoperti. Tuttavia, la situazione sta cambiando.
Nel luglio 2023, un gruppo di oltre 8000 scrittori ha firmato una lettera indirizzata al CEO di META Mark Zuckerberg, al CEO di OpenAI Sam Altman, al CEO di Alphabet Sundar Pichai, al CEO di Stability AI Emad Mostaque, al CEO di IBM Arvind Krishna e al CEO di Microsoft (MSFT ) Satya Nadella. La lettera afferma che l’IA “mima e rigurgita il nostro linguaggio, le nostre storie, lo stile e le idee”. Richiede compenso e riconoscimento.
La Writers Guild of America e la Screen Actors Guild hanno anche espresso apertamente preoccupazioni sull’uso delle loro opere nel settore IA. Cercano di garantire determinati diritti e compensi per gli scrittori ogni volta che le loro opere vengono utilizzate per creare modelli IA.
Emergono Opzioni per le Tattiche di Addestramento
Riconoscendo le limitazioni dell’attuale configurazione e la mancanza di una reale via legittima in avanti, BookCorpus ha cercato di offrire una soluzione migliore. L’azienda è stata fondata nel 2015 con l’obiettivo specifico di supportare i ricercatori IA nell’addestramento di LLM. Pertanto, include migliaia di opere e modelli progettati per migliorare le prestazioni, senza oltrepassare i limiti etici.
Già, diversi fornitori di servizi focalizzati sull’IA stanno entrando nel mercato. Queste aziende combinano l’accesso a dati preziosi, modelli e altro. Sono progettate per soddisfare i requisiti computazionali dell’IA e spesso includono una forma di opzione di cloud computing come modo per ridurre ulteriormente i costi di sviluppo.
Aziende Che Guidano la Rivoluzione degli LLM di IA
L’ascesa degli LLM ha reso più facile che mai per chiunque interagire con questi sistemi. Da un semplice prompt di chat, è possibile condurre ricerche approfondite, creare immagini e storie, e molto altro. Di conseguenza, gli LLM sono considerati una delle più grandi innovazioni nella tecnologia di interazione informatica di una vita. Ecco un’azienda che continua a guidare l’innovazione nel mercato degli LLM.
Alphabet Inc
Alphabet Inc. (GOOG ) è la società madre di Google e delle sue numerose filiali. È una delle aziende più riconoscibili e di successo nel settore IA. Curiosamente, gli ingegneri hanno scelto di utilizzare l’altro modello dell’azienda, Google DeepMind, per creare l’LLM Gemini di Google. Gemini è un LLM avanzato che traduce, comprende contenuti, risponde a domande e molto altro.
È notevole che Google DeepMind abbia lavorato intensamente per creare LLM e nuove funzionalità per l’azienda. Ad esempio, la nuova funzionalità SELF-DISCOVER crea un’architettura specifica per compito all’interno dei modelli, riducendo il tempo complessivo necessario per rispondere accuratamente alle domande.
GOOG Grafico dei prezzi
Dato il dominio di Google nel mercato, l’accesso diretto a enormi quantità di dati e l’espansione continua verso modelli su misura, GOOG è un’azione intelligente da detenere. L’azienda è uno dei fornitori di IA più performanti a livello globale e dispone della rete e delle finanze per integrare la sua tecnologia e diffonderla al pubblico in modo efficace.
Come Cambieranno le Tattiche di Addestramento in Futuro
Ci si può aspettare che le tattiche di addestramento dell’IA si basino su sistemi IA più raffinati per i dati man mano che l’industria si espande. DeepSeek ha dimostrato che il suo approccio ha ridotto significativamente i costi. Inoltre, sarà più difficile affermare una violazione del diritto d’autore se l’azienda utilizza semplicemente dati creati da un’altra IA piuttosto che direttamente.
Tutti questi fattori e la crescente domanda dei governi di guidare la corsa all’IA hanno portato i creatori di contenuti in una posizione molto pericolosa. Speriamo che, nei prossimi mesi, gli sviluppatori di IA creino tattiche di addestramento più efficaci che rispettino e compensino coloro i cui dati vengono sfruttati per il successo.
Scopri altri interessanti progetti IA Ora.











