Artificiell intelligens
Tvivelaktiga AI‑träningsmetoder blir ett växande bekymmer

Viktiga punkterAI-företag som Meta och OpenAI står inför rättsliga åtgärder för att ha använt…
Visa mer
- AI-företag som Meta och OpenAI står inför rättsliga åtgärder för att ha använt piratkopierad bokdata från skuggbibliotek för att träna modeller.
- DeepSeek byggde en konkurrerande AI för 6 miljoner dollar genom att använda ChatGPT:s utdata, vilket väckte anklagelser om immateriell stöld.
- Innehållsskapare kräver ersättning då AI-modeller använder upphovsrättsskyddat material utan tillstånd eller betalning.
AI‑träningsmetoder fortsätter att granskas på grund av deras brist på tillsyn. Det är vanligt att nutida författare hämtar inspiration och till och med lånar element från tidigare berättelser. Även om detta är en del av skrivandets utveckling, finns det tillfällen då en författares verk och stil dupliceras utan samtycke.
När detta sker tillåter moderna upphovsrättsintrångslagar den ursprungliga innehållsskaparen att återfå förluster. Däremot kan man inte säga detsamma om det växande antalet AI‑system som har använt olagligt förvärvade verk för att utveckla sina modeller. Nu står branschen vid ett vägskäl när det gäller träningsmetoder och vedergällning för dem som drabbats av förluster. Här är vad du behöver veta.
Tvivelaktiga AI‑träningsmetoder
Ett hav av rättstvister påstår nu att OpenAI och META (META ) medvetet sökte kringvägar när de införskaffade biblioteksdata för sin modellträning. Kärnarna i rättstvisten hävdar att företaget var medvetet och brydde sig inte om att de potentiellt stal miljoner från författare utan ersättning, eller ens ett omnämnande.
Påståenden som detta är ingen stor överraskning för många som tror att AI‑kapplöpningen har lett till en grundläggande likgiltighet inför upphovsrättslagar. Därför fortsätter författare att motsätta sig AI‑utvecklare och begära mer transparens kring hur data införskaffas och bearbetas av dessa system.
Även om inga tydliga vägar har delats med allmänheten ännu, har bevisen börjat samlas mot AI‑företagen. Dessa bevis kan leda till omfattande förändringar av de träningsmetoder som AI‑utvecklare använder i framtiden.
Träningstaktiker som företag använder för att skapa modeller
Att träna ett AI‑system är en komplex process som kan innebära insamling och bearbetning av enorma mängder data från olika källor. Denna data är vad AI‑systemet refererar till när det försöker besvara frågor eller lösa nya scenarier. Följaktligen presterar de flesta AI‑system bättre när de har mer data att referera till.
Skapa AI
Det primära sättet att skapa en AI‑modell innebär datainsamling. Tidigare var datainsamling en tidskrävande process som krävde att ingenjörer sökte efter redan befintliga databaser istället för att bygga från grunden. Till exempel kan vårdgivare utveckla en AI som utnyttjar nationell hälsostatistik för att ge mer relevanta medicinska svar.
From there, the developers decide on what algorithm to choose. The main options are supervised learning, unsupervised, semi-supervised, reinforced learning, linear regression, deep learning, random forest, naïve Bayes, and neural networks. Each of these algorithms provides unique pros and cons, which make them better suited for particular tasks.
Slutligen påbörjas den iterativa träningsprocessen. I detta steg blir modellen testad och bedömd utifrån den levererade noggrannheten och prestandan. Detta steg låter ingenjörer finjustera och validera modellen, vilket ökar dess kapacitet. Steget hjälper också ingenjörer att säkerställa att modellen fortsätter att lära sig från träningsdata, snarare än att bara memorera den.

Källa – Uptech.team
Nuvarande AI‑träningsmetoder är dyra
AI‑modellens träningsprocess är tidskrävande och dyr och kan delas in i två huvudkategorier: träning och drift. Träning avser engångskostnaden för att skapa en specifik modell. Till exempel spenderade ChatGPT omkring 100 miljoner dollar på sin 4o‑modell, enligt företagets VD Sam Altman.
Det är anmärkningsvärt att dessa kostnader överskuggade tidigare modellkostnader. Till exempel kostade det cirka 4 miljoner dollar att träna ChatGPT‑3. De ökande träningskostnaderna för AI är ett direkt resultat av högre beräkningskrav. De senaste modellerna körs på de senaste NVIDIA (NVDA ) ‑chippen, vilket ökar deras kostnader.
Dessutom har AI drivit upp priserna för molnberäkning. Majoriteten av AI‑applikationer körs inte nativt på användarnas PC‑er. Istället förlitar de sig på toppmoderna datacenter och molnberäkningsalgoritmer för att stödja de enorma beräkningsbehoven. Alla dessa faktorer har gjort AI‑programmering dyr.
AI‑marknadsplatser
En nyligen ökning av antalet AI‑träningsmarknadsplatser indikerar att det nu finns fler utvecklingar inom området som söker spara på kostnader. AI‑marknadsplatser låter utvecklare, innehållsskapare och de som söker AI‑integration mötas. Utvecklare kan hitta redan byggda modeller som de kan förbättra eller finjustera för sina behov, vilket sparar mycket tid och pengar i processen.
Körtidskostnad
Körtids- eller inferenskostnaderna för AI‑system är en annan utgift som utvecklare måste beakta. Inferenskostnaden avser hur mycket pengar varje interaktion med AI:n kostar. Kostnaden för att köra många av dagens AI‑system är högre eftersom systemet måste komma åt all data i sin modell för att ge ett exakt och hjälpsamt svar. Detta steg innebär att AI:n måste använda mycket beräkningskraft, från högpresterande maskiner, ofta. Detta krav lägger till betydande kostnader för systemet.
Är dagens AI‑träningsmetoder etiska?
När du ser på träningsmetoderna och strategierna som dagens enorma AI‑företag använder, är det lätt att se att etiska och moraliska utmanande ståndpunkter finns inom branschen. Ja, för att skapa de bästa AI‑systemen måste utvecklare tillhandahålla värdefull och korrekt data till modellen. Dock hävdar vissa utvecklare att kostnaden för att få upphovsrättsgodkännande för all data i datasetet skulle vara astronomisk, vilket i praktiken kväver innovation.
Internationell upphovsrättslag skyddar författare mot obehörig användning av deras verk, stil och avbildning. AI‑system verkar ha hittat en juridisk kryphål genom att de kan använda nästan exakta kopior av personer, platser, information och berättelser, med lite juridisk motreaktion hittills.
Det finns dock en växande känsla bland innehållsskapare att dessa system olagligt har erhållit deras verk och sedan använt dem för att träna AI‑modeller som duplicerar format, ton och stil. Bevis på illegal användning av upphovsrättsskyddade böcker i OpenAIs träningsmodeller har blottlagts genom senaste avslöjanden.
OpenAI‑rättstvist
I OpenAI rättstvist hävdar kärnarna att utvecklare medvetet använde skuggbibliotek för att undvika att betala för stora boksamlingar. Skuggbibliotek är onlineplattformar som ger gratis tillgång till upphovsrättsskyddade verk. De som listas i OpenAI‑rättstvisten inkluderar LibGen, Bok, Sci‑Hub och Bibliotik.
Rättstvisten syftar till att bevisa att OpenAI och META visste att de kringgick upphovsrättslagarna. Den visar hur företagen använde skuggbibliotek och andra gratiskällor för att avsevärt sänka sina träningskostnader samtidigt som de berövade författare deras rättmätiga ersättning.
Som svar på anklagelserna agerade META först som om de var omedvetna om sådana handlingar. Men efter att e‑mail dykt upp som tros avslöja företagets fulla förståelse för sina handlingar, och förklara att de torrentade +81,7 terabyte data från skuggbibliotek, motsvarande miljontals verk.
META oredigerade e‑mail
Ironiskt nog var det interna e‑mail som avslöjade att företaget var väl medvetet om den tvivelaktiga naturen i beslutet att använda skuggbibliotek. I de oredigerade e‑mailen ifrågasätter en orolig ingenjör vid namn Nikolay Bashlykov projektets moral, innan han skämtar om planens laglighet.
I senare e‑mail uppgav medarbetaren att han var orolig för att använda META‑IP‑adresser för att ladda ner piratkopierat innehåll via torrent. Med insikten om att detta kunde vara ett problem instruerade META ingenjörer att hämta data från externa servrar som inte är anslutna till Facebook eller META.
Order från toppen
När han först frågades om METAs inblandning i torrentingen svarade Mark Zuckerberg att han inte hade någon aning om processen. De oredigerade e‑mailen bevisade motsatsen. E‑mailen tros visa att beslutet att använda icke‑FB‑servrar kom först efter Zuckergbergs direkta godkännande.
Använder AI‑utvecklare stulen innehåll?
Med tanke på de presenterade bevisen och den plötsliga ökningen i AI‑kapacitet är det uppenbart att många AI‑system har vänt sig till skuggbibliotek och andra metoder för att bygga mer effektiva träningsmodeller. Dessa dataset innehåller upphovsrättsskyddat material som aldrig fått författarnas eller förläggarnas samtycke för användning i AI‑modellträning.
Är det olagligt?
Även om det blir svårare att förneka användningen av piratkopierat material i dagens mest avancerade AI‑modeller, kvarstår frågan om praxisens laglighet. Inget AI‑företag har ännu ställts inför upphovsrättsintrångslagar. Dessutom är AI‑kapplöpningen i full gång och många politiker kan se begränsning av deras lokala AI‑systems åtkomst till data som ett hinder för innovation. Därför kan de vara ovilliga att göra kampen mot AI‑upphovsrättsintrång lika enkel som traditionella stölder.
Rättstvister strömmar in
Regulatorer kanske inte är redo att sätta press på AI‑företag, men innehållsskaparna har fått nog. Rättstvister fortsätter att strömma in från desillusionerade författare som påstår att deras innehåll har förvärvats, distribuerats och duplicerats illegalt utan någon ersättning.
Nyligen har Joseph Saveri Law Firm inlett amerikanska federala grupprättstvister direkt om detta ärende. Rättstvisten, som lämnades in på uppdrag av Sarah Silverman och andra författare mot OpenAI och META, söker ersättning för förluster som orsakats av produktens förmåga att duplicera dess format och stil.
Klassåtgärdsrättstvist påstår flera överträdelser av Digital Millennium Copyright Act, brottslig vårdslöshet och lagar om orättvis konkurrens. Målet med rättstvisten är att få ett permanent förbud mot dessa träningsmetoder tills en rättvis ersättnings- och skyddsstrategi kan införas för författare.
Tränas DeepSeek av ChatGPT?
Ironiskt nog har ChatGPT påstått att det är offer för intellektuell stöld från ett AI‑system efter den kinesiska AI‑startupen, DeepSeek skapade vågor på marknaden. DeepSeek orsakade en enorm våg av intresse efter att företaget förra månaden avslöjade sin imponerande prestanda, låga kostnader och avancerade kapabiliteter för allmänheten.
OpenAI‑utvecklare anklagade DeepSeek för att ha använt ChatGPT‑data för att programmera sin modell, vilket gjorde det möjligt att skapa en modell som överträffar konkurrensen och kostar mycket mindre. Jämfört med detta uppnådde DeepSeek prestanda på samma nivå som ChatGPT för en kostnad på 6 miljoner dollar jämfört med över 100 miljoner dollar som ChatGPT använde.
Dessutom lyckas DeepSeek använda betydligt mindre beräkningskraft tack vare sin unika konfiguration. Inferenskostnaderna för DeepSeek är mycket lägre än för ChatGPT på grund av användningen av flera specialiserade modeller istället för en enda massiv modell.
På så sätt behöver DeepSeek bara aktivera modellen som refererar till frågan, vilket gör att den kan använda mycket billigare och kraftfullare NVIDIA‑chip. Specifikt använder DeepSeek en femtiodel av kostnaden för att köra den senaste Claude 3.5 Sonnet‑modellen, vilket gör den till en mer kostnadseffektiv lösning för företag på lång sikt.
Den lånar
Intressant nog förnekar inte DeepSeek användningen av ChatGPT för att utveckla ”tänknings”-skript. Det beskriver till och med processen i den ursprungliga DeepSeek‑whitepaper. Ingenjörerna ansåg att detta tillvägagångssätt skulle ge DeepSeek mer exakt information, vilket påskyndade dess destilleringsprocess.
Dessutom säkerställde det att den data som användes för att programmera konkurrenters AI‑modeller inte användes för att programmera DeepSeek. Resultatet är ett mer effektivt system som överträffar sin föregångare och kostar bara en bråkdel att driva. Naturligtvis argumenterar många för att ChatGPT:s kostnader bör inkluderas i DeepSeek:s budget om de utnyttjade systemet för att skapa sina egna.
DeepSeek identitetskris
I en nyligen artikel gick en AI‑forskare till källan för att se om DeepSeek lånade mycket från ChatGPT. Han började med att fråga LLM:n om den ansåg att DeepSeek var smartare än Gemini, Googles konkurrent. Ironiskt nog svarade LLM:n att den trodde ”det var ChatGPT.” Detta avslöjande sågs av många som alla bevis som behövs för att bevisa den enorma mängden data som DeepSeek samlade in från ChatGPT.
Ska innehållsskapare kompenseras för AI‑användning?
Det finns en växande oro för innehållsskapare på marknaden. Allt eftersom AI‑system utvecklas kommer de utan tvekan att konsumera ännu mer upphovsrättsskyddat material. Tidigare har ingenjörer sett företag stänga av upphovsrättshanteringsinformation för att minska risken att deras handlingar upptäcks. Men trenden vänder nu.
Tillbaka i juli 2023 skrev en grupp på över 8000 författare under ett brev till META:s VD Mark Zuckerberg, OpenAI:s VD Sam Altman, Alphabet:s VD Sundar Pichai, Stability AI:s VD Emad Mostaque, IBM:s VD Arvind Krishna och Microsofts VD Satya Nadella. Brevet påstår att AI ”imiterar och återupprepar vårt språk, våra berättelser, stil och idéer.” Det kräver kompensation och erkännande.
Writers Guild of America och Screen Actors Guild har också gjort sina röster hörda angående användningen av deras verk inom AI‑sektorn. De strävar efter att garantera vissa rättigheter och ersättning för författare när deras verk används för att skapa AI‑modeller.
Alternativ för träningsstrategier dyker upp
Genom att erkänna begränsningarna i den nuvarande konfigurationen och hur den saknar någon verklig legitim väg framåt, satte BookCorpus igång för att erbjuda en bättre lösning. Företaget grundades 2015 med det specifika målet att stödja AI‑forskare i träning av LLM:er. Därför inkluderar det tusentals verk och modeller utformade för att förbättra prestanda utan att korsa etiska gränser.
Redan nu går flera AI‑inriktade tjänsteleverantörer in på marknaden. Dessa företag kombinerar tillgång till värdefull data, modeller och mer. De är anpassade för att möta AI:s beräkningskrav och kommer ofta med någon form av molnberäkningsalternativ som ett sätt att ytterligare minska utvecklingskostnaderna.
Företag som leder AI‑LLM-revolutionen
Uppkomsten av LLM:er har gjort det enklare än någonsin för vem som helst att interagera med dessa system. Från en enkel chattprompt kan du genomföra djupgående forskning, skapa bilder och berättelser och mycket mer. Följaktligen ses LLM:er som ett av de största genombrotten inom datorinteraktionstekniken i en livstid. Här är ett företag som fortsätter driva innovation på LLM‑marknaden.
Alphabet Inc
Alphabet Inc. (GOOG ) är moderbolaget till Google och dess många dotterbolag. Det är ett av de mest igenkännliga och framgångsrika företagen inom AI‑sektorn. Intressant nog väljer ingenjörerna att använda företagets andra modell, Google DeepMind, för att skapa Googles Gemini‑LLM. Gemini är en avancerad LLM som översätter, förstår innehåll, svarar på frågor och mycket mer.
Det är anmärkningsvärt att Google DeepMind har arbetat intensivt med att skapa LLM:er och nya funktioner för företaget. Till exempel skapar den nya SELF‑DISCOVER‑funktionen uppgiftspecifik arkitektur inom modellerna, vilket minskar den totala tid som behövs för att exakt besvara frågor.
GOOG Prisdiagram
Med tanke på Googles dominans på marknaden, direkt tillgång till enorm data och fortsatt expansion mot skräddarsydda modeller, är GOOG en smart aktie att hålla. Företaget är en av de bäst presterande AI‑leverantörerna globalt och har nätverket och finanserna för att integrera sin teknik och effektivt expandera den till allmänheten.
Hur kommer träningsstrategier att förändras i framtiden
Du kan förvänta dig att AI‑träningsmetoder kommer att förlita sig på mer förfinade AI‑system för data när branschen expanderar. DeepSeek visade att deras tillvägagångssätt avsevärt sänkte kostnaderna. Dessutom blir det svårare att påstå upphovsrättsintrång om företaget helt enkelt använder data skapad av en annan AI snarare än direkt.
Alla dessa faktorer och den växande efterfrågan från regeringar att leda AI‑kapplöpningen har lett innehållsskapare till en mycket farlig situation. Förhoppningsvis kommer AI‑utvecklare under de kommande månaderna att skapa mer effektiva träningsmetoder som respekterar och kompenserar dem vars data de utnyttjar för framgång.
Lär dig om andra coola AI‑projekt Nu.











