人工知能
疑わしいAIトレーニング手法の増大する懸念

要点MetaやOpenAIなどのAI企業は、海賊版図書館から書籍データを不正に使用してモデルを訓練したとして訴訟に直面している。
もっと見る
- MetaやOpenAIなどのAI企業は、海賊版図書館から書籍データを不正に使用してモデルを訓練したとして訴訟に直面している。
- DeepSeekはChatGPTの出力を利用して600万ドルで競合AIを構築し、知的財産窃盗の非難を引き起こした。
- AIモデルが著作権保護された作品を許可や報酬なしに取り込むことに対し、コンテンツ制作者たちは補償を要求している。
AIトレーニング手法は、監督が不十分であることから引き続き精査の対象となっています。現代の作家が過去の物語からインスピレーションを得たり、要素を借用したりすることは一般的です。この慣行は執筆の進化の一部ですが、著者の作品やスタイルが許可なく複製されることもあります。
著作権をめぐる紛争では、作品の取得方法、複製や学習への利用、出力の内容などが争点になります。AI企業による書籍利用についても訴訟が起きていますが、個々の利用が違法かどうかは事実関係と適用法によって異なります。
疑わしいAIトレーニング手法
A flurry of 訴訟OpenAIやMeta (META ) を相手取った訴訟では、著者らが、学習用書籍を十分な許諾や対価なしに取得・利用したと主張しています。ここで述べるのは原告の主張であり、各社の行為について一律の司法判断が下されたという意味ではありません。
このような主張は、AI競争が著作権法への基本的な無視につながったと考える多くの人にとって大きな驚きではありません。そのため、著者はAI開発者に対し、データの取得方法やシステムによる処理についての透明性を求めて抵抗し続けています。
まだ公に明確な道筋は示されていませんが、証拠はAI企業に対して積み重なり始めています。この証拠は、将来的にAI開発者が使用するトレーニング手法に大規模な変化をもたらす可能性があります。
企業がモデル作成に使用するトレーニング手法
AIモデルの学習には、さまざまな資料の収集、選別、処理が必要です。データの量だけで性能が決まるわけではなく、品質、重複、権利処理、評価方法も重要です。
AIの作成
モデル開発では、まず目的に適したデータを集めます。既存のデータベースを使う場合もあれば、独自に収集・作成する場合もあります。医療のような分野では、精度に加えて個人情報の保護や利用権限の確認が欠かせません。
そこから、開発者は使用するアルゴリズムを決定します。主な選択肢は、教師あり学習、教師なし学習、半教師あり学習、強化学習、線形回帰、深層学習、ランダムフォレスト、ナイーブベイズ、そしてニューラルネットワークです。これらのアルゴリズムはそれぞれ独自の長所と短所を持ち、特定のタスクに適しています。
最後に、反復的なトレーニングプロセスが始まります。この段階では、モデルに質問が投げかけられ、提供された精度とパフォーマンスが評価されます。このステップにより、エンジニアはモデルを微調整し検証でき、能力が向上します。また、この段階は、モデルが単に記憶するだけでなく、トレーニングデータから学び続けることを保証するのに役立ちます。

ソース – Uptech.team
現在のAIトレーニング手法は高額です
大規模AIには学習時の費用と、利用者の要求に応答する推論時の費用があります。計算資源、電力、データの準備に要する費用はモデルや運用方法によって大きく変わります。特定のモデルの開発費に関する公開発言は、監査済みの総費用と同じものとして扱えません。
特に、これらの費用は以前のモデル費用をはるかに上回ります。例えば、ChatGPT-3のトレーニングには約400万ドル($4M)がかかります。AIトレーニングコストの上昇は、計算要件の増加が直接の原因です。最新のモデルは最新のNVIDIA (NVDA ) チップ上で動作し、コストがさらに増加します。
さらに、AIはクラウドコンピューティングの価格も上昇させました。ほとんどのAIアプリケーションはユーザーのPC上で直接実行されず、最先端のデータセンターとクラウドコンピューティングアルゴリズムに依存して膨大な計算要件を支えています。これらすべての要因が、AIプログラミングを高価にしています。
AIマーケットプレイス
モデルやデータを提供する市場では、開発者が既存の資源を利用して開発時間を短縮できます。ただし、取得したモデルやデータを再利用できるかどうか、ライセンスと出所を確認する必要があります。
実行コスト
推論費用とは、学習済みモデルが利用者の要求を処理する際に生じる計算や運用の費用です。必要な計算量はモデルの大きさ、入力と出力の長さ、利用するハードウェアなどに左右されます。モデルが回答のたびに学習データ全体へアクセスするわけではありません。
現在のAIトレーニング手法は倫理的か?
AI開発には、十分な学習素材を確保する必要性と、著作物の権利を尊重する必要性があります。許諾、対価、フェアユースなどをめぐる議論は続いており、個別の事案について一般論だけで結論を出すことはできません。
国際著作権法は、作者の作品、スタイル、肖像の無断使用から保護します。AIシステムは、ほぼ正確な人物、場所、情報、物語のレプリカをほとんど法的な抵抗なしに利用できる法的抜け穴を見つけたようです。
しかし、コンテンツ制作者の間では、これらのシステムが違法に取得した作品を使用し、AIモデルを訓練してフォーマット、トーン、スタイルを複製しているという感情が高まっています。OpenAIのトレーニングモデルで著作権で保護された書籍が違法に使用された証拠が、最近の暴露により明らかになっています。
OpenAI訴訟
In the OpenAI 訴訟原告側は、一部の開発者が海賊版を含む非公式の書籍収集サイトから作品を得たと主張しています。訴訟資料ではLibGenなどの名称が挙がっていますが、取得と利用の経緯は各事件で区別して判断する必要があります。
この訴訟は、OpenAI と META が著作権法を回避していたことを証明しようとしています。彼らがシャドウライブラリやその他の無料ソースを利用してトレーニングコストを大幅に削減し、作者から正当な支払いを奪った方法を示しています。
この主張に対し、META は最初はそのような行為を認識していないかのように振る舞いました。しかし、同社の行動を完全に理解していたことを示すメールが浮上し、約81.7テラバイトのデータをシャドウライブラリからトレントで取得したことが明らかになりました。
META 未編集メール
Metaをめぐる訴訟では、社内のやり取りが証拠として提出されました。その解釈や法的意味については当事者の主張と裁判所の判断を分けて読む必要があります。
後のメールでは、従業員はMETAのIPアドレスを使用してトレントで海賊版コンテンツをロードすることに懸念を示しました。この問題を認識し、METAはエンジニアにFacebookやMETAに接続されていない外部サーバーからデータをダウンロードするよう指示しました。
上層部からの指示
Metaの書籍データ取得をめぐって、経営陣の認識や承認の範囲も争点になりました。公開された資料だけから、すべての疑惑が確定した事実だと断定することはできません。
AI開発者は盗用コンテンツを使用しているか?
一部の学習データに著作権のある書籍が含まれることは訴訟で明らかになっています。一方、すべてのAIモデルが同じ方法で書籍を取得した、またはすべて無許諾利用が違法と確定した、と一般化することはできません。
違法か?
米国ではAI学習と著作権の関係について複数の判決が出ています。例えば2025年のMeta事件では、提示された証拠に基づく原告らの主張についてMeta側に有利な略式判決が出ました。別のAnthropic事件では、学習のための複製と海賊版書籍の取得が異なる扱いを受けました。各判決の射程は事案ごとに限られます。
訴訟が相次ぐ
著者や出版社は、作品の取得、複製、学習利用について説明や対価を求めて提訴しています。開発企業もそれぞれ反論しており、未確定の争点を有罪や侵害の確定事実として記すべきではありません。
最近、ジョセフ・サヴェリ法律事務所はこの問題に関して米国連邦の集団訴訟を提起しました。この訴訟はサラ・シルバーマンら作者を代表してOpenAIとMETAに対し、製品がフォーマットとスタイルを複製する能力によってもたらされた損失の賠償を求めています。
この集団訴訟は、デジタルミレニアム著作権法(DMCA)違反、重大な過失、そして不公正競争法違反を複数主張しています。訴訟の目的は、作者に対する公正な補償と保護戦略が整うまで、これらのトレーニング手法に対する永続的な差止めを得ることです。
DeepSeekはChatGPTによって訓練されたか?
Ironically, ChatGPT has alleged that it’s the victim of intellectual theft from an AI system after Chinese AI startup, DeepSeekが市場に波紋を投げかけた。DeepSeekの発表は、性能と開発費をめぐる議論を広げました。費用や性能の比較には、計算対象と測定条件をそろえる必要があります。
OpenAIの開発者は、DeepSeekがChatGPTのデータを使用してモデルをプログラムし、競合他社を上回り、はるかに低コストでモデルを作成できたと非難しています。比較すると、DeepSeekはChatGPTと同等の性能を実現しながら、費用は600万ドルで、ChatGPTが使用した1億ドル以上に比べてはるかに安価です。
さらに、DeepSeekは独自の設定によりはるかに少ない計算力で済みます。DeepSeekの推論コストは、複数の専門モデルを使用するため、ChatGPTよりもはるかに低くなっています。
そのため、DeepSeekは質問に応じてモデルを起動するだけで済み、はるかに安価で高性能なNVIDIAチップを利用できます。具体的には、DeepSeekは最新のClaude 3.5 Sonnetモデルの実行コストの1/50で済み、長期的には企業にとってよりコスト効果の高いソリューションとなります。
それは借用している
他モデルの出力を学習に使う「蒸留」はAI開発で議論される手法です。ただし、特定企業が別の企業のサービスをどのように利用したかは、確認できる資料に基づいて判断する必要があります。
さらに、競合他社のAIモデルをプログラムするために使用されたデータがDeepSeekのプログラムに使用されないようにしました。その結果、前モデルを上回る効率的なシステムが実現し、運用コストはごくわずかです。もちろん、多くの人は、ChatGPTのコストがDeepSeekの予算に含まれるべきだと主張しています。
DeepSeekのアイデンティティ危機
In a recent 記事あるチャットボットが自分を別のモデル名で呼んだという逸話だけでは、学習データの出所や取得量を証明できません。出力の混同には複数の原因が考えられます。
コンテンツ制作者はAI利用に対して補償されるべきか?
著作物の利用をめぐる懸念は、モデルが普及するにつれて強まっています。作品の出所を追跡し、権利表示を維持し、適切な許諾条件を確認することが重要です。
2023年7月、8000人以上の作家が書簡に署名し、METAのCEOマーク・ザッカーバーグ、OpenAIのCEOサム・アルトマン、AlphabetのCEOサンダー・ピチャイ、Stability AIのCEOエマド・モスタケ、IBMのCEOアルヴィンド・クリシュナ、Microsoft (MSFT ) のCEOサティア・ナデラに宛てました。その書簡は、AIが「私たちの言語、物語、スタイル、アイデアを模倣し、再現している」と述べ、補償と認識を求めています。
全米脚本家組合(Writers Guild of America)と全米俳優組合(Screen Actors Guild)も、AI分野での自らの作品使用について声を上げています。彼らは、作品がAIモデル作成に使用される際に、作家に対する特定の権利と補償を保証することを求めています。
トレーニング手法の選択肢が現れる
書籍データセットの名称だけで、収録作品の権利処理が適切だとは判断できません。研究者や開発者は、個々のデータセットのライセンス、収集方法、利用制限を確認する必要があります。
すでに、複数のAI特化型サービスプロバイダーが市場に参入しています。これらの企業は貴重なデータやモデルへのアクセスを組み合わせ、AIの計算要件に合わせてカスタマイズされ、開発コストをさらに削減するためにクラウドコンピューティングオプションを提供することが多いです。
AI LLM革命をリードする企業
大規模言語モデルは、文章作成、情報整理、コード支援などに使われています。対話型の操作により利用が広がりましたが、回答の正確性や権利処理の確認は引き続き必要です。
Alphabet Inc
Alphabet (GOOG ) はGoogleの親会社です。Google DeepMindはGeminiモデルの開発に携わり、同モデルは文章や画像などの入力を扱います。同社の事業と本稿で扱う書籍取得訴訟は別の論点です。
特に、Google DeepMindはLLMや新機能の開発に注力しています。例えば、新しいSELF-DISCOVER機能は、モデル内でタスク固有のアーキテクチャを作成し、質問に正確に答えるために必要な時間全体を短縮します。
GOOG 価格チャート
Googleの市場支配力、膨大なデータへの直接アクセス、そして目的別モデルへの継続的な拡張を考えると、GOOGは保有すべき賢明な株式です。同社は世界的にトップクラスのAIプロバイダーの一つであり、技術を統合し一般に効果的に拡大するためのネットワークと資金を備えています。
将来、トレーニング手法はどのように変わるか
今後、AIが生成したデータを使う場面は増える可能性があります。しかし、生成物を介したからといって著作権上の問題が自動的に消えるわけではありません。取得元、利用許諾、生成物と原作品の関係をそれぞれ確認する必要があります。
これらすべての要因と、政府がAI競争をリードしようとする需要の高まりが、コンテンツ制作者を非常に危険な状況に追い込んでいます。今後数か月で、AI開発者がデータを活用する際にそれを尊重し、補償する、より効果的なトレーニング手法を創出することが期待されます。
Learn about other cool AI Projects 今すぐ.











