Inteligência artificial
Táticas Questionáveis de Treinamento de IA: Uma Preocupação Crescente

Pontos-chaveEmpresas de IA como Meta e OpenAI enfrentam processos por usar dados de livros piratas…
Ver mais
- Empresas de IA como Meta e OpenAI enfrentam processos por usar dados de livros piratas de bibliotecas clandestinas para treinar modelos.
- A DeepSeek construiu uma IA rival por US$ 6 milhões usando a saída do ChatGPT, gerando acusações de furto intelectual.
- Criadores de conteúdo exigem compensação, já que modelos de IA absorvem obras protegidas por direitos autorais sem permissão ou pagamento.
As táticas de treinamento de IA continuam sob escrutínio devido à falta de supervisão. É comum que escritores contemporâneos busquem inspiração e até mesmo tomem emprestado aspectos de histórias anteriores. Embora essa prática faça parte da evolução da escrita, há momentos em que as obras e o estilo de um autor são duplicados sem consentimento.
Quando isso ocorre, as leis atuais de violação de direitos autorais permitem que o criador de conteúdo original recupere perdas. Contudo, o mesmo não pode ser dito sobre o número crescente de sistemas de IA que foram encontrados usando obras adquiridas ilegalmente para desenvolver seus modelos. Agora, a indústria enfrenta uma encruzilhada em termos de táticas de treinamento e reparação para aqueles que sofreram perdas. Veja o que você precisa saber.
Táticas Questionáveis de Treinamento de IA
Uma enxurrada de processos judiciais agora alegam que a OpenAI e a META (META ) procuraram deliberadamente soluções alternativas ao adquirir dados de bibliotecas para o treinamento de seus modelos. Os autores da ação afirmam que a empresa estava ciente e não se importava que estavam potencialmente roubando milhões de autores sem compensação, ou mesmo menção.
Reclamações como essa não são surpresa para muitos que acreditam que a corrida pela IA levou a um desrespeito básico às leis de direitos autorais. Assim, os autores continuam a pressionar os desenvolvedores de IA, exigindo mais transparência sobre como os dados são adquiridos e processados por esses sistemas.
Embora nenhum caminho claro tenha sido compartilhado com o público ainda, as evidências começaram a se acumular contra as empresas de IA. Essas evidências podem resultar em mudanças drásticas nas táticas de treinamento usadas pelos desenvolvedores de IA no futuro.
Táticas de Treinamento Usadas por Empresas para Criar Modelos
Treinar um sistema de IA é um processo complexo que pode envolver a coleta e o processamento de enormes quantidades de dados de várias fontes. Esses dados são o que o sistema de IA referencia ao tentar responder perguntas ou descobrir novos cenários. Consequentemente, a maioria dos sistemas de IA tem melhor desempenho quando possui mais dados de referência.
Criando IA
A forma principal de criar um modelo de IA envolve a coleta de dados. No passado, a coleta de dados era um processo demorado que exigia que engenheiros buscassem bancos de dados já existentes em vez de construir do zero. Por exemplo, provedores de saúde podem desenvolver uma IA que utiliza estatísticas de saúde nacionais para fornecer respostas médicas mais relevantes.
A partir daí, os desenvolvedores decidem qual algoritmo escolher. As principais opções são aprendizado supervisionado, não supervisionado, semi-supervisionado, aprendizado por reforço, regressão linear, deep learning, random forest, Naïve Bayes e redes neurais. Cada um desses algoritmos oferece prós e contras únicos, que os tornam mais adequados para tarefas específicas.
Por fim, inicia-se o processo iterativo de treinamento. Nesta fase, o modelo é questionado e avaliado quanto à precisão e desempenho fornecidos. Essa etapa permite que os engenheiros ajustem e validem o modelo, ampliando suas capacidades. Também ajuda a garantir que o modelo continue aprendendo a partir dos dados de treinamento, em vez de apenas memorizá‑los.

Fonte – Uptech.team
As Táticas Atuais de Treinamento de IA São Caras
O processo de treinamento de modelos de IA consome tempo e é caro, podendo ser dividido em duas categorias principais: treinamento e execução. O treinamento refere‑se ao custo único de criar um modelo específico. Por exemplo, o ChatGPT gastou cerca de US$ 100 milhões em seu modelo 4o, segundo o CEO da empresa, Sam Altman.
Notavelmente, esses custos superam os gastos de modelos anteriores. Por exemplo, o ChatGPT‑3 custou aproximadamente US$ 4 milhões para ser treinado. O aumento dos custos de treinamento de IA é resultado direto de maiores exigências computacionais. Os modelos mais recentes rodam nos chips NVIDIA (NVDA ) mais avançados, o que eleva ainda mais os custos.
Além disso, a IA elevou os preços da computação em nuvem. A maioria das aplicações de IA não roda nativamente nos PCs dos usuários. Em vez disso, dependem de data centers de última geração e algoritmos de computação em nuvem para suportar as massivas exigências computacionais. Todos esses fatores tornaram a programação de IA cara.
Mercados de IA
Um recente aumento no número de marketplaces de treinamento de IA indica que agora há mais desenvolvimentos no setor buscando economizar custos. Os marketplaces de IA permitem que desenvolvedores, criadores de conteúdo e quem busca integração de IA se encontrem. Os desenvolvedores podem encontrar modelos já construídos que podem ser aprimorados ou ajustados às suas necessidades, economizando tempo e recursos financeiros no processo.
Custo de Execução
Os custos de tempo de execução ou inferência dos sistemas de IA são outra despesa que os desenvolvedores devem considerar. O custo de inferência refere‑se a quanto cada interação com a IA custa. O custo de operar muitos dos sistemas de IA atuais é maior porque o sistema deve acessar todos os dados em seu modelo para fornecer uma resposta precisa e útil. Essa etapa significa que a IA precisará utilizar muita potência computacional, de máquinas equipadas com alto desempenho, com frequência. Essa exigência adiciona custos significativos ao sistema.
As Táticas de Treinamento de IA de Hoje São Éticas?
Ao observar as táticas e estratégias empregadas pelas gigantes de IA atuais, é fácil perceber que posições éticas e morais desafiadoras existem na indústria. Sim, para criar os melhores sistemas de IA, os desenvolvedores precisam fornecer dados valiosos e precisos ao modelo. Contudo, alguns desenvolvedores argumentam que o custo de obter aprovação de direitos autorais para todos os dados usados seria astronômico, basicamente sufocando a inovação.
A lei internacional de direitos autorais protege os autores contra o uso não autorizado de suas obras, estilo e semelhança. Os sistemas de IA parecem ter encontrado uma brecha legal ao poder utilizar réplicas quase exatas de pessoas, lugares, informações e histórias, com pouca resistência jurídica até o momento.
Entretanto, cresce o sentimento entre criadores de conteúdo de que esses sistemas obtiveram ilegalmente suas obras e as usaram para treinar modelos de IA que duplicam formato, tom e estilo. Evidências do uso ilegal de livros protegidos por direitos autorais nos modelos de treinamento da OpenAI foram reveladas por recentes revelações.
Processo contra a OpenAI
No processo contra a OpenAI, os autores alegam que os desenvolvedores usaram conscientemente bibliotecas sombra para evitar pagar por grandes coleções de livros. Bibliotecas sombra são plataformas online que fornecem acesso gratuito a obras protegidas por direitos autorais. As listadas no processo contra a OpenAI incluem LibGen, Bok, Sci‑Hub e Bibliotik.
O processo busca provar que a OpenAI e a META sabiam que estavam contornando leis de direitos autorais. Ele demonstra como as empresas usaram bibliotecas sombra e outras fontes gratuitas para reduzir significativamente seus custos de treinamento, ao mesmo tempo que roubavam dos autores os pagamentos devidos.
Em resposta às alegações, a META inicialmente agiu como se não soubesse de tais ações. Contudo, após surgirem e‑mails que supostamente revelam o entendimento completo da empresa sobre suas ações, e explicam que ela fez torrent de +81,7 terabytes de dados de bibliotecas sombra, equivalentes a milhões de obras.
E‑mails Não Redigidos da META
Ironia do destino, foram e‑mails internos que revelaram que a empresa estava bem ciente da natureza questionável de sua decisão de usar bibliotecas sombra. Nos e‑mails não redigidos, um engenheiro preocupado chamado Nikolay Bashlykov questiona a moralidade do projeto, antes de brincar sobre a legalidade do plano.
Em e‑mails posteriores, o funcionário afirmou que estava preocupado em usar endereços IP da META para carregar conteúdo pirateado via torrent. Reconhecendo que isso poderia ser um problema, a META instruiu os engenheiros a baixar os dados de servidores externos que não estavam conectados ao Facebook ou à META.
Ordens da Alta Administração
Quando inicialmente questionado sobre o envolvimento da META no torrent, Mark Zuckerberg afirmou que não tinha ideia do processo. Os e‑mails não redigidos provaram o contrário. Acredita‑se que os e‑mails mostrem que a decisão de usar servidores fora do Facebook ocorreu somente após a aprovação direta de Zuckerberg.
Desenvolvedores de IA Estão Usando Conteúdo Roubado?
Dadas as evidências apresentadas e o súbito aumento nas capacidades de IA, parece óbvio que muitos sistemas de IA recorreram a bibliotecas sombra e outros meios para construir modelos de treinamento mais eficazes. Esses conjuntos de dados contêm materiais protegidos por direitos autorais que nunca receberam consentimento dos autores ou editores para uso no treinamento de modelos de IA.
Isso é Ilegal?
Embora esteja se tornando mais difícil negar o uso de material pirateado nos modelos de IA mais avançados de hoje, a legalidade da prática permanece em questão. Nenhuma empresa de IA foi ainda submetida a leis de violação de direitos autorais. Além disso, a corrida pela IA está em pleno andamento e muitos políticos podem ver a limitação do acesso local a dados como um obstáculo à inovação. Assim, podem não agir para tornar o combate à violação de direitos autorais por IA tão simples quanto os roubos tradicionais.
Processos Em Massa
Os reguladores podem não estar prontos para pressionar as empresas de IA, mas os criadores de conteúdo já tiveram o suficiente. Processos continuam a surgir de autores desiludidos que afirmam que seu conteúdo foi adquirido ilegalmente, distribuído e duplicado sem qualquer compensação.
Recentemente, o escritório de advocacia Joseph Saveri entrou com processos de ação coletiva federal nos EUA diretamente sobre este assunto. O processo, que foi ajuizado em nome de Sarah Silverman e outros autores contra a OpenAI e a META, busca reparação por perdas causadas pela capacidade do produto de duplicar seu formato e estilo.
A ação coletiva processo alega múltiplas violações da Digital Millennium Copyright Act, negligência criminal e leis de concorrência desleal. O objetivo do processo é obter uma liminar permanente sobre essas táticas de treinamento até que uma estratégia justa de compensação e proteção possa ser implementada para os autores.
A DeepSeek é Treinada pelo ChatGPT?
Ironia do destino, o ChatGPT alegou ser vítima de roubo intelectual por um sistema de IA após a startup chinesa de IA, DeepSeek causar ondas no mercado. A DeepSeek provocou uma onda de interesse depois que a empresa revelou seu desempenho impressionante, baixos custos e capacidades avançadas ao público no mês passado.
Desenvolvedores da OpenAI acusaram a DeepSeek de usar dados do ChatGPT para programar seu modelo, o que lhe permitiu criar um modelo que supera a concorrência e custa muito menos. Em comparação, a DeepSeek alcançou desempenho equiparável ao do ChatGPT por um custo de US$ 6 milhões versus mais de US$ 100 milhões usados pelo ChatGPT.
Além disso, a DeepSeek consegue utilizar muito menos poder computacional graças à sua configuração única. Os custos de inferência da DeepSeek são muito menores que os do ChatGPT devido ao uso de vários modelos especializados em vez de um único modelo massivo.
Assim, a DeepSeek só precisa ativar o modelo referente à pergunta, permitindo-lhe usar chips NVIDIA muito menos caros e poderosos. Especificamente, a DeepSeek usa 1/50 do custo de execução do mais recente modelo Claude 3.5 Sonnet, tornando‑a uma solução mais econômica para empresas a longo prazo.
Ela Empresta
Curiosamente, a DeepSeek não nega o uso do ChatGPT para desenvolver scripts “pensantes”. Ela até descreve o processo no whitepaper original da DeepSeek. Os engenheiros acreditaram que essa abordagem forneceria à DeepSeek informações mais precisas, acelerando seu processo de destilação.
Além disso, garantiu‑se que os dados usados para programar os modelos de IA concorrentes não fossem usados para programar a DeepSeek. O resultado é um sistema mais eficiente que supera seu predecessor e custa apenas uma fração para operar. Claro, muitos argumentam que os custos do ChatGPT deveriam ser incluídos no orçamento da DeepSeek se eles aproveitaram o sistema para criar o seu próprio.
Crise de Identidade da DeepSeek
Em um artigo recente, um pesquisador de IA foi à fonte para verificar se a DeepSeek havia copiado muito do ChatGPT. Ele começou perguntando ao LLM se achava que a DeepSeek era mais inteligente que a Gemini, concorrente da Google. Ironia do destino, o LLM respondeu que achava que “era o ChatGPT”. Essa revelação foi vista por muitos como toda a evidência necessária para provar a enorme quantidade de dados que a DeepSeek coletou do ChatGPT.
Os Criadores de Conteúdo Devem Ser Compensados pelo Uso de IA?
Há uma preocupação crescente para os criadores de conteúdo no mercado. À medida que os sistemas de IA evoluem, eles certamente ingerirão ainda mais materiais protegidos por direitos autorais. No passado, engenheiros viram empresas desativarem informações de gerenciamento de direitos autorais para reduzir o risco de serem pegos. Contudo, a maré está mudando.
No julho de 2023, um grupo de mais de 8 000 escritores assinou uma carta dirigida ao CEO da META, Mark Zuckerberg, ao CEO da OpenAI, Sam Altman, ao CEO da Alphabet, Sundar Pichai, ao CEO da Stability AI, Emad Mostaque, ao CEO da IBM, Arvind Krishna e ao CEO da Microsoft (MSFT ), Satya Nadella. A carta afirma que a IA “imita e regurgita nossa linguagem, histórias, estilo e ideias”. Ela exige compensação e reconhecimento.
A Writers Guild of America e a Screen Actors Guild também têm se manifestado sobre o uso de suas obras no setor de IA. Elas buscam garantir certos direitos e compensação para os escritores sempre que suas obras forem usadas para criar modelos de IA.
Opções de Táticas de Treinamento Emergentes
Reconhecendo as limitações da configuração atual e como ela carece de um caminho legítimo real, a BookCorpus propôs uma solução melhor. A empresa foi fundada em 2015 com o objetivo específico de apoiar pesquisadores de IA no treinamento de LLMs. Como tal, inclui milhares de obras e modelos projetados para melhorar o desempenho, sem cruzar linhas éticas.
Já vários provedores de serviços focados em IA estão entrando no mercado. Essas empresas combinam acesso a dados valiosos, modelos e mais. Elas são adaptadas para atender aos requisitos computacionais de IA e frequentemente vêm acompanhadas de alguma forma de opção de computação em nuvem como forma de reduzir ainda mais os custos de desenvolvimento.
Empresas que Lideram a Revolução dos LLMs de IA
O surgimento dos LLMs facilitou como nunca antes a interação com esses sistemas. A partir de um simples prompt de chat, você pode conduzir pesquisas aprofundadas, criar imagens e histórias, e muito mais. Consequentemente, os LLMs são vistos como um dos maiores avanços na tecnologia de interação computacional em uma vida. Aqui está uma empresa que continua impulsionando a inovação no mercado de LLMs.
Alphabet Inc
Alphabet Inc. (GOOG ) é a empresa controladora do Google e de suas muitas subsidiárias. É uma das empresas mais reconhecíveis e bem‑sucedidas no setor de IA. Curiosamente, os engenheiros optam por utilizar outro modelo da empresa, o Google DeepMind, para criar o Gemini LLM do Google. Gemini é um LLM avançado que traduz, compreende conteúdo, responde perguntas e muito mais.
Notavelmente, o Google DeepMind tem trabalhado arduamente criando LLMs e novos recursos para a empresa. Por exemplo, o novo recurso SELF‑DISCOVER cria arquitetura específica para tarefas dentro dos modelos, reduzindo o tempo total necessário para responder perguntas com precisão.
GOOG Gráfico de preços
Dada a dominância do Google no mercado, o acesso direto a enormes volumes de dados e a expansão contínua em modelos construídos para propósitos específicos, GOOG é uma ação inteligente para se manter. A empresa está entre os provedores de IA de melhor desempenho globalmente e possui a rede e os recursos financeiros para integrar sua tecnologia e expandi‑la ao público de forma eficaz.
Como as Táticas de Treinamento mudarão no futuro
Você pode esperar que as táticas de treinamento de IA passem a depender de sistemas de IA mais refinados para dados à medida que a indústria se expande. A DeepSeek demonstrou que sua abordagem reduziu significativamente os custos. Além disso, será mais difícil alegar violação de direitos autorais se a empresa simplesmente usar dados criados por outra IA em vez de diretamente.
Todos esses fatores e a crescente demanda dos governos para liderar a corrida da IA levaram os criadores de conteúdo a um lugar muito perigoso. Esperamos que, nos próximos meses, os desenvolvedores de IA criem táticas de treinamento mais eficazes que respeitem e compensem aqueles cujos dados eles utilizam para alcançar o sucesso.
Saiba mais sobre outros projetos de IA legais agora.











