Kunstig intelligens
Spørsmålstegn rundt AI‑treningsmetoder blir en økende bekymring

Viktige punkterAI-selskaper som Meta og OpenAI står overfor søksmål for å ha brukt piratkopiert…
Vis mer
- AI-selskaper som Meta og OpenAI står overfor søksmål for å ha brukt piratkopiert bokdata fra skyggebiblioteker til å trene modeller.
- DeepSeek bygde en rivaliserende AI for 6 millioner dollar ved å bruke ChatGPTs output, noe som utløste anklager om intellektuell tyveri.
- Innholdsskapere krever kompensasjon ettersom AI-modeller inntar opphavsrettsbeskyttet materiale uten tillatelse eller betaling.
AI‑treningsmetoder fortsetter å bli gransket på grunn av manglende tilsyn. Det er vanlig at moderne forfattere henter inspirasjon og til og med låner elementer fra eldre historier. Selv om denne praksisen er en del av skrivingens utvikling, finnes det tilfeller der en forfatters verk og stil blir duplisert uten samtykke.
Når dette skjer, tillater moderne opphavsretts‑bruddlover den opprinnelige innholdsskaperen å få tilbake tapene. Det samme kan imidlertid ikke sies om det økende antallet AI‑systemer som har brukt ulovlig ervervet materiale for å utvikle modellene sine. Nå står bransjen ved et veiskille når det gjelder treningsmetoder og erstatning for de som har lidd tap. Dette er det du trenger å vite.
Spørsmålstegn rundt AI‑treningsmetoder
En mengde rettssaker hevder nå at OpenAI og META (META ) bevisst søkte omveier ved innhenting av bibliotekdata for modelltrening. Saksøkerne påstår at selskapet var klar over og likgelde seg med at de potensielt stjal millioner fra forfattere uten kompensasjon, eller til og med uten nevning.
Slike påstander er ikke en stor overraskelse for mange som mener AI‑kappløpet har ført til en grunnleggende tilsidesettelse av opphavsrettslovene. Derfor fortsetter forfattere å presse tilbake mot AI‑utviklere, og krever mer åpenhet rundt hvordan data blir innhentet og bearbeidet av disse systemene.
Selv om ingen klare veier er blitt delt med publikum ennå, har bevisene begynt å hope seg opp mot AI‑selskapene. Disse bevisene kan føre til omfattende endringer i treningsmetodene som AI‑utviklere bruker i fremtiden.
Treningsmetoder brukt av selskaper for å lage modeller
Å trene et AI‑system er en kompleks prosess som kan innebære innsamling og bearbeiding av enorme mengder data fra ulike kilder. Disse dataene er det AI‑systemet refererer til når det forsøker å svare på spørsmål eller løse nye scenarier. Følgelig presterer de fleste AI‑systemer bedre når de har mer data å referere til.
Opprette AI
Den primære måten å lage en AI‑modell på innebærer datainnsamling. Tidligere var datainnsamling en tidkrevende prosess som krevde at ingeniører lette etter allerede eksisterende databaser i stedet for å bygge fra bunnen av. For eksempel kan helseleverandører utvikle en AI som utnytter nasjonale helsestatistikker for å gi mer relevante medisinske svar.
Deretter bestemmer utviklerne hvilken algoritme de skal velge. Hovedalternativene er veiledet læring, uveiledet, semi‑veiledet, forsterket læring, lineær regresjon, dyp læring, random forest, naïve Bayes og nevrale nettverk. Hver av disse algoritmene gir unike fordeler og ulemper, noe som gjør dem bedre egnet for bestemte oppgaver.
Til slutt begynner den iterative treningsprosessen. I dette stadiet blir modellen testet og vurdert på nøyaktighet og ytelse. Dette trinnet gjør det mulig for ingeniører å finjustere og validere modellen, og dermed øke kapasitetene. Det hjelper også ingeniører med å sikre at modellen fortsetter å lære fra treningsdataene, i stedet for bare å memorere dem.

Kilde – Uptech.team
Nåværende AI‑treningsmetoder er kostbare
AI‑modelltrening er tidkrevende og kostbart, og kan deles inn i to hovedkategorier: trening og drift. Trening refererer til engangskostnaden for å lage en bestemt modell. For eksempel brukte ChatGPT rundt $100 M på sin 4o‑modell, ifølge selskapets administrerende direktør, Sam Altman.
Disse kostnadene overgikk tidligere modellutgifter betydelig. For eksempel kostet trening av ChatGPT‑3 omtrent $4 M. De økende kostnadene ved AI‑trening er et direkte resultat av større beregningskrav. De nyeste modellene kjører på de siste NVIDIA (NVDA ) ‑brikkene, noe som øker kostnadene.
I tillegg har AI presset opp prisene på skytjenester. De fleste AI‑applikasjoner kjører ikke direkte på brukernes PC‑er. I stedet er de avhengige av toppmoderne datasentre og sky‑algoritmer for å støtte de massive beregningskravene. Alle disse faktorene har gjort AI‑programmering dyrt.
AI‑markedsplasser
Et nylig hopp i antall AI‑treningsmarkedsplasser indikerer at det nå finnes flere utviklinger i dette rommet som søker å spare kostnader. AI‑markedsplasser gjør det mulig for utviklere, innholdsskapere og de som søker AI‑integrasjon å møtes. Utviklere kan finne allerede bygde modeller som de kan forbedre eller finjustere for sine behov, noe som sparer både tid og penger.
Kjøretidskostnad
Kjøretids‑ eller inferenskostnader for AI‑systemer er en annen utgift som utviklere må ta i betraktning. Inferenskostnaden refererer til hvor mye penger hver interaksjon med AI’en koster. Kostnaden ved å kjøre mange av dagens AI‑systemer er høyere fordi systemet må få tilgang til all data i modellen for å gi et nøyaktig og hjelpsomt svar. Dette betyr at AI’en må bruke mye datakraft fra høyytelsesmaskiner ofte. Dette kravet legger betydelige kostnader til systemet.
Er dagens AI‑treningsmetoder etiske?
Når du ser på treningsmetodene og strategiene som dagens massive AI‑selskaper bruker, er det lett å se at etisk og moralsk utfordrende holdninger eksisterer i bransjen. Ja, for å lage de beste AI‑systemene må utviklere gi verdifulle og nøyaktige data til modellen. Imidlertid argumenterer noen utviklere for at kostnaden ved å få opphavsrettsgodkjenning på all data i settet ville vært astronomisk, og i praksis kvele innovasjon.
Internasjonal opphavsrett beskytter forfattere mot uautorisert bruk av deres verk, stil og likhet. AI‑systemer ser ut til å ha funnet et juridisk smutthull som gjør at de kan bruke nesten eksakte kopier av personer, steder, informasjon og historier, med lite juridisk motstand så langt.
Det er imidlertid en økende oppfatning blant innholdsskapere om at disse systemene ulovlig har ervervet deres verk og deretter brukt dem til å trene AI‑modeller som dupliserer format, tone og stil. Bevis på ulovlig bruk av opphavsrettsbeskyttede bøker i OpenAI‑treningsmodeller har blitt avdekket gjennom nylige avsløringer.
OpenAI‑rettssak
I OpenAI rettssak påstår saksøkerne at utviklere bevisst brukte skyggelibrairier for å unngå å betale for store boksamlinger. Skyggelibrairier er nettplattformer som gir gratis tilgang til opphavsrettsbeskyttede verk. De som er nevnt i OpenAI‑rettssaken inkluderer LibGen, Bok, Sci‑Hub og Bibliotik.
Rettssaken har som mål å bevise at OpenAI og META visste at de omgådde opphavsrettslovene. Den viser hvordan selskapene brukte skyggelibrairier og andre gratis kilder for å senke treningskostnadene betydelig, samtidig som de fratok forfattere deres rettmessige betaling.
Som svar på påstandene opptrådte META først som om de ikke var klar over slike handlinger. Men etter at e‑postmeldinger dukket opp som antas å avsløre selskapets fulle forståelse av handlingene, og som forklarer at de lastet ned +81,7 terabyte data fra skyggelibrairier, tilsvarende millioner av verk.
META‑ufiltrerte e‑postmeldinger
Ironisk nok var det interne e‑postmeldinger som avslørte at selskapet var godt klar over den tvilsomme naturen i beslutningen om å bruke skyggelibrairier. I de ufiltrede e‑postene stiller en bekymret ingeniør ved navn Nikolay Bashlykov spørsmål ved prosjektets moral, før han spøker om lovligheten av planen.
I senere e‑postmeldinger uttalte den ansatte at han var bekymret for å bruke META‑IP‑adresser til å laste ned piratert innhold via torrent. Da han innså at dette kunne være et problem, instruerte META ingeniører om å laste ned data fra eksterne servere som ikke var koblet til Facebook eller META.
Bestillinger fra toppen
Da han først ble spurt om METAs involvering i torrentingen, sa Mark Zuckerberg at han ikke hadde noen anelse om prosessen. De ufiltrede e‑postene viste det motsatte. E‑postene antas å vise at beslutningen om å bruke ikke‑FB‑servere kun ble tatt etter Zuckergbergs direkte godkjenning.
Bruker AI‑utviklere stjålet innhold?
Gitt bevisene som er presentert og den plutselige økningen i AI‑kapasitet, er det tilsynelatende åpenbart at mange AI‑systemer har vendt seg mot skyggelibrairier og andre metoder for å bygge mer effektive treningsmodeller. Disse datasett inneholder opphavsrettsbeskyttet materiale som aldri har fått forfatterens eller forleggerens samtykke til bruk i AI‑modelltrening.
Er det ulovlig?
Selv om det blir stadig vanskeligere å benekte bruk av piratert materiale i dagens mest avanserte AI‑modeller, er lovligheten av praksisen fortsatt i tvil. Ingen AI‑selskap har ennå blitt holdt ansvarlig under opphavsrettslover. I tillegg er AI‑kappløpet i full gang, og mange politikere kan se begrensning av lokalt AI‑systemtilgang til data som en hindring for innovasjon. Derfor kan de nøle med å gjøre kampen mot AI‑opphavsrettsbrudd like enkel som tradisjonelt tyveri.
Rettssaker strømmer inn
Regulatorer er kanskje ikke klare til å legge press på AI‑selskaper, men innholdsskapere har fått nok. Rettssaker fortsetter å strømme inn fra desillusjonerte forfattere som hevder at deres innhold har blitt ulovlig ervervet, distribuert og duplisert uten noen kompensasjon.
Nylig leverte Joseph Saveri Law Firm amerikanske føderale klasserettssaker direkte om dette temaet. Rettssaken, som ble innlevert på vegne av Sarah Silverman og andre forfattere mot OpenAI og META, søker erstatning for tap forårsaket av produktets evne til å duplisere format og stil.
Klasserettsrettssak påstår flere brudd på Digital Millennium Copyright Act, kriminell uaktsomhet og urettferdig konkurranselovgivning. Målet med rettssaken er å oppnå en permanent pålegg mot disse treningsmetodene inntil en rettferdig kompensasjon og beskyttelsesstrategi kan settes i verk for forfattere.
Er DeepSeek trent av ChatGPT?
Ironisk nok har ChatGPT hevdet at de er offer for intellektuell tyveri fra et AI‑system etter at det kinesiske AI‑oppstartsselskapet, DeepSeek sendte bølger gjennom markedet, fikk oppmerksomhet. DeepSeek skapte en bølge av interesse etter at selskapet avslørte sin imponerende ytelse, lave kostnader og avanserte evner for publikum i forrige måned.
OpenAI‑utviklere anklaget DeepSeek for å bruke ChatGPT‑data til å programmere sin modell, noe som gjorde det mulig å lage en modell som overgår konkurrentene og koster langt mindre. Sammenlignet med dette oppnådde DeepSeek ytelse på nivå med ChatGPT for en kostnad på $6 M versus +$100 M brukt av ChatGPT.
I tillegg klarer DeepSeek å bruke langt mindre datakraft takket være sin unike oppsett. Inferenskostnadene for DeepSeek er langt lavere enn for ChatGPT på grunn av bruken av flere spesialiserte modeller i stedet for én massiv modell.
Dermed trenger DeepSeek kun å aktivere modellen som refererer til spørsmålet, noe som gjør at den kan bruke langt billigere og kraftigere NVIDIA‑brikker. Spesielt bruker DeepSeek 1/50‑delen av kostnaden ved å kjøre den nyeste Claude 3.5 Sonnet‑modellen, noe som gjør den til en mer kostnadseffektiv løsning for bedrifter på lang sikt.
Den låner
Interessant nok benekter ikke DeepSeek bruken av ChatGPT for å utvikle “tenkende” skript. De beskriver til og med prosessen i den originale DeepSeek‑hviteboken. Ingeniørene mente at denne tilnærmingen ville gi DeepSeek mer nøyaktig informasjon, noe som akselererte destillasjonsprosessen.
I tillegg sikret de at dataene som ble brukt til å programmere konkurrentenes AI‑modeller ikke ble brukt til å programmere DeepSeek. Resultatet er et mer effektivt system som overgår forgjengeren og kun koster en brøkdel av driftskostnadene. Selvfølgelig argumenterer mange for at ChatGPT‑kostnadene bør inkluderes i DeepSeek‑budsjettet dersom de har utnyttet systemet for å lage sin egen modell.
DeepSeek identitetskrise
I en nylig artikkel gikk en AI‑forsker til kilden for å se om DeepSeek hadde lånt mye fra ChatGPT. Han begynte med å spørre LLM‑en om den mente DeepSeek var smartere enn Gemini, Googles konkurrent. Ironisk nok svarte LLM‑en at den mente “det var ChatGPT.” Denne avsløringen ble av mange sett på som all nødvendig bevis for å bevise den enorme mengden data DeepSeek samlet fra ChatGPT.
Bør innholdsskapere kompenseres for AI‑bruk?
Det er økende bekymring for innholdsskapere i markedet. Etter hvert som AI‑systemer utvikler seg, vil de uten tvil innta enda mer opphavsrettsbeskyttet materiale. Tidligere har ingeniører sett selskaper slå av opphavsrettsadministrasjonsinformasjon for å redusere risikoen for at handlingene deres blir oppdaget. Imidlertid snur tidevannet.
Tilbake i juli 2023 signerte en gruppe på over 8000 forfattere et brev til META‑administrerende direktør Mark Zuckerberg, OpenAI‑administrerende direktør Sam Altman, Alphabet‑administrerende direktør Sundar Pichai, Stability AI‑administrerende direktør Emad Mostaque, IBM‑administrerende direktør Arvind Krishna og Microsoft (MSFT ) ‑administrerende direktør Satya Nadella. Brevet sier at AI “etterligner og gjentar vårt språk, våre historier, stil og ideer.” Det krever kompensasjon og anerkjennelse.
Writers Guild of America og Screen Actors Guild har også gjort seg hørt om bruken av deres verk innen AI‑sektoren. De søker å garantere visse rettigheter og kompensasjon for forfattere når deres verk brukes til å lage AI‑modeller.
Treningsmetodealternativer dukker opp
Ved å erkjenne begrensningene i dagens oppsett og hvordan det mangler en reell legitim vei videre, satte BookCorpus i gang for å tilby en bedre løsning. Selskapet ble grunnlagt i 2015 med det spesifikke målet om å støtte AI‑forskere i trening av LLM‑er. Dermed inkluderer det tusenvis av verk og modeller designet for å forbedre ytelse, uten å krysse etiske grenser.
Allerede nå går flere AI‑fokuserte tjenesteleverandører inn på markedet. Disse firmaene kombinerer tilgang til verdifulle data, modeller og mer. De er skreddersydd for å møte AI‑beregningskrav og kommer ofte med en form for sky‑databehandling som en måte å ytterligere redusere utviklingskostnader på.
Selskaper som leder AI‑LLM‑revolusjonen
Oppsvinget av LLM‑er har gjort det enklere enn noensinne for hvem som helst å samhandle med disse systemene. Fra en enkel chat‑prompt kan du utføre grundig forskning, lage bilder og historier, og mye mer. Følgelig blir LLM‑er sett på som ett av de største gjennombruddene innen datamaskininteraksjonsteknologi i en levetid. Her er ett selskap som fortsetter å drive innovasjon i LLM‑markedet.
Alphabet Inc
Alphabet Inc. (GOOG ) er morselskapet til Google og dets mange datterselskaper. Det er ett av de mest gjenkjennelige og suksessrike selskapene i AI‑sektoren. Interessant nok velger ingeniørene å bruke selskapets andre modell, Google DeepMind, for å lage Googles Gemini‑LLM. Gemini er en avansert LLM som oversetter, forstår innhold, svarer på spørsmål og mye mer.
Det er verdt å merke seg at Google DeepMind har jobbet hardt med å lage LLM‑er og nye funksjoner for firmaet. For eksempel skaper den nye SELF‑DISCOVER‑funksjonen oppgavespesifikk arkitektur innen modellene, noe som reduserer den totale tiden som trengs for å svare nøyaktig på spørsmål.
GOOG Prisdiagram
Gitt Googles dominans i markedet, direkte tilgang til massive data, og fortsatt ekspansjon inn i formålsbygde modeller, er GOOG en smart aksje å holde. Selskapet er en av de best‑presterende AI‑leverandørene globalt og har nettverket og finansene som trengs for å integrere teknologien og effektivt utvide den til publikum.
Hvordan vil treningsmetoder endres i fremtiden
Du kan forvente at AI‑treningsmetoder vil stole på mer raffinerte AI‑systemer for data etter hvert som industrien vokser. DeepSeek demonstrerte at deres tilnærming betydelig senket kostnadene. I tillegg vil det bli vanskeligere å påberope seg opphavsrettsbrudd dersom selskapet bare bruker data laget av en annen AI i stedet for direkte.
Alle disse faktorene og den økende etterspørselen fra regjeringer om å lede AI‑kappløpet har ført innholdsskapere inn i en svært farlig situasjon. Forhåpentligvis vil AI‑utviklere i de kommende månedene skape mer effektive treningsmetoder som respekterer og kompenserer de hvis data de utnytter for suksess.
Learn about other cool AI Projects Nå.











