最近、海賊版対策団体が、オンライン上の海賊版書籍リソースライブラリ「The Eye」にあるAIトレーニングデータセット「Books3」の削除を要求しました。このデータセットは37GBのテキストデータを含んでおり、人工知能モデルのトレーニングに使用されていました。
同団体は、AIが著作権に新たな課題をもたらしており、より厳格な規制と規範が必要だと主張しています。データセットは削除されましたが、公開者は新たなダウンロードリンクを公開しました。Metaなどの大手テクノロジー企業もこのデータセットを使用していました。
海賊版対策団体は、このデータセットを保有するウェブサイトへの対策を継続する予定です。
ハーバード大学は木曜日、約100万冊のパブリックドメイン書籍を含む高品質なデータセットを公開すると発表しました。これは、誰でも大規模言語モデルやその他のAIツールをトレーニングするために利用できます。このデータセットは、ハーバード大学が新設した機関データイニシアチブ（Institutional Data Initiative）によって作成され、マイクロソフトとOpenAIの資金提供を受けています。収録されている書籍はすべて、Google ブックスプロジェクトでスキャンされた、著作権の保護期限が切れた作品です。
『ニューヨーク・タイムズ』と『デイリー・ニュース』は著作権訴訟で予期せぬ展開に直面。OpenAIのエンジニアが、重要な証拠となりうる仮想マシンの検索データを誤って削除したことで、注目を集めるこの訴訟に新たなドラマが加わった。水曜夜、ニューヨーク南地区合衆国地方裁判所に提出された書簡によると、両メディアの弁護士と技術専門家は、OpenAIのAIトレーニングデータセットの検索に150時間以上を費やしていた。しかし、11月14日、OpenAIのエンジニアが仮想マシンに保存されていたデータを誤って削除した。
LAIONは、CSAM（児童性的虐待素材）へのリンクを包括的に削除した世界初のAIトレーニングデータセットであるRe-LAION-5Bを発表しました。これは、児童性的虐待素材の問題に対処することを目的としています。このデータセットはLAION-5Bを大幅に改良したもので、Re-LAION-5B ResearchとResearch-Safeの2つのバージョンがあり、合計2236個のCSAMリンクが削除されています。そのうち1008個は児童保護団体のリストに掲載されていたものです。このデータセットは、テキストと画像のペアを55億個含んでおり、…
先日、国家スーパーコンピューティング成都センター、中国地震局地球物理研究所、清華大学が共同開発した地震波大規模言語モデル「谛听」が四川省成都で正式に発表されました。このモデルは、国内初となる億級パラメーター規模の地震波大規模言語モデルであり、中国の地震学研究と人工知能技術の融合における重要なブレークスルーを意味します。
