1000人以上のアーティストが、英国政府によるAIへの著作権販売に抗議するため、新しいアルバムをリリースしました。このアルバムは、この問題に対する彼らの懸念を示すために、あえて無音のトラックで構成されています。

人工知能（AI）分野における透明性を推進する取り組みの一環として、コンピュータ・通信業界協会（CCIA）はブリュッセルとワシントンD.C.において、画期的な新たな取り組みとして、世界的な業界透明性レポート・テンプレートを発表しました。このテンプレートは、汎用人工知能（GPAI）モデルのトレーニングデータに対する一般の信頼と理解を高めることを目的としています。今回発表された「AIモデルトレーニングデータ透明性テンプレート」は、企業に対し、特定のGPAIモデルのトレーニングに使用されたデータの種類（例：ポッドキャスト、書籍など）を開示することを求めており、データの主要な…

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。

Spawningは、アーティストが自身の作品がオンラインで使用される際の管理権を強化することを目指しています。同社が発表した最新のプロジェクトSource.Plusは、AIモデルのトレーニングに使用する「著作権侵害のない」メディアコンテンツを選別することを目的としており、アーティストやクリエイターが作品の使用許諾をより詳細に管理できるようにします。

OpenAIはData Partnershipsプログラムを開始し、AIモデルのトレーニングに使用される公共およびプライベートデータセットの作成において、第三者機関と連携しています。OpenAIは、AIモデルの幅広い理解を向上させるため、多様な分野、多言語、多様な形式のデータを求めています。より安全で、全人類に利益をもたらすAIという目標を達成するため、画像、音声、ビデオなど、様々な形式のデータの収集を計画しています。OpenAIの取り組みは、データ所有者の権利と透明性に関する議論を引き起こしています。

AI業界はトレーニングデータ不足の問題に直面しており、AIモデルの成長を遅らせる可能性があります。高品質データは極めて重要ですが、2026年までに枯渇する可能性があります。解決策としては、アルゴリズムの改善や合成データの使用などが挙げられます。

海賊版対策団体が、オンライン上の海賊版書籍リポジトリ「The Eye」に対し、AIトレーニングデータセット「Books3」のオフライン化を要求し、成功しました。「Books3」は37GBのテキストデータを含むデータセットで、多くの企業がAIモデルのトレーニングに使用していました。海賊版対策団体は、AIが著作権に新たな課題をもたらしていると主張し、当該データセットを保有する他のウェブサイトへの対策も継続していくとしています。

GoogleとOpenAIは、ロボットを用いてインターネットからデータを収集していますが、最近の著作権法がデータ収集活動に障害をもたらしています。AIモデルの向上には人間が生成したコンテンツが必要ですが、企業はそれに対して対価を支払うべきか、それともインターネットから自由に取得すべきかという問題があります。OpenAIは既にChatGPTが作成したデータセットをGPT-4のトレーニングに使用し始めていますが、これだけに頼るとモデルの崩壊につながる可能性があります。

複数のメディア組織が、生成AIモデルのトレーニングに使用されるデータの著作権を保護するためのルールの制定を求める声明を発表しました。グローバルな立法者に対し、トレーニングデータセットの透明性を確保し、権利者の同意を得ることを義務付ける規制の制定を求めています。また、AI企業に対し、バイアスや誤情報の排除、生成コンテンツのソースの特定などを求めています。