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。

先日、米人工知能企業OpenAIは、インド デリー高等法院の判決に対し異議を申し立て、ChatGPTのトレーニングデータ削除を命じる権利は同法院にはないと主張しました。この訴訟は、インドのニュース機関ANIが昨年11月に提起したもので、OpenAIが公開されたコンテンツをChatGPTのトレーニングに無断で使用したとしています。ANIは、モデルのトレーニングデータセットから自社コンテンツを削除すること、およびOpenAIによる著作権侵害を主張しています。1月10日にデリー高等法院に提出された…

最近、人工知能の著作権に関する訴訟であるKadrey対Meta訴訟の進展に伴い、Meta社内部の情報が法廷で公開され、同社幹部がLlama3の開発において、OpenAIのGPT-4モデルを超えることに執着していたことが明らかになった。Metaの生成AI担当副社長であるアフマド・アル＝ダーレ（Ahmad Al-Dahle）は、2023年10月のメッセージで「正直に言って、我々の目標はGPTを…」と述べていた。

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…

カリフォルニア大学バークレー校のSky Computing Labの研究チームNovaSkyは、金曜日にSky-T1-32B-Preview推論モデルを発表しました。このモデルは複数の主要なベンチマークテストで優れたパフォーマンスを示し、OpenAIのo1初期バージョンに匹敵します。さらに注目すべきは、その極めて低いトレーニングコストです。Sky-T1-32B-Previewは、真にオープンソースの推論モデルとしては初のものであり、NovaSkyチームはモデルだけでなく、トレーニングに使用されたデータセットと必要なトレーニングコードも公開しました。

マイクロソフトは、PhiシリーズのジェネレーティブAIモデルに新たなメンバーであるPhi-4を発表しました。以前のバージョンと比較して、Phi-4は複数の点で改善されており、特に数学問題解決能力において顕著な進歩を見せています。これは、トレーニングデータ品質の向上によるものです。木曜夜現在、Phi-4へのアクセスは限定的で、マイクロソフトが新たに発表したAzure AI Foundry開発プラットフォームでのみ利用可能であり、マイクロソフトの研究許諾契約に基づく研究目的でのみ使用が許可されています。画像の説明：画像はAIによって生成され、画像ライセンスに従います。

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。

北京百川智能科技有限公司は、大規模言語モデルのプライベート展開を低コストで実現し、効率性を向上させるためのワンストップソリューションを発表しました。このソリューションには、高品質な汎用トレーニングデータ、Baichuan4-TurboとBaichuan4-Airの2つのモデル、そしてエンドツーエンドのドメイン強化ツールチェーンが含まれており、さまざまなシナリオにおける企業のニーズに対応できます。

最近、オープンソースイニシアチブ（OSI）は、真の「オープンソース」AIとは何かを明確にする新しい定義を発表しました。この新しい基準は、特にMetaのLlamaモデルについて、テクノロジー大手から注目を集めています。なぜなら、Llamaモデルはこれらの規則に準拠していないからです。OSIは長年オープンソースソフトウェアの業界標準策定者でしたが、AIシステムには、モデルのトレーニングデータなど、従来のライセンスでは網羅できない要素があります。OSIの新しい定義によると、真にオープンソースと見なされるためには、

OpenAIは最近、注目を集める著作権訴訟において、原告弁護士に生成AIモデルのトレーニングに使用されたデータを開示することに合意しました。画像の出典：AI生成画像、画像ライセンスプロバイダーMidjourney。この訴訟の原告には、ポール・トレンブレイ、サラ・シルバーマン、マイケル・チャボン、デビッド・ヘンリー・ホワン、タネシ・コーツなど、著名な作家らが含まれます。彼らは昨年、OpenAIとその関連会社を相手取り、無許可でAIが著作物を利用したとして訴訟を起こしました。

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。

AIモデルは、Web上のトレーニングデータへのアクセスを失いつつあり、データ遮断率は1％から5～7％に増加しています。14,000のドメインのrobots.txtファイルと利用規約を分析した結果、ニュースサイト、フォーラム、ソーシャルメディアプラットフォームがAIデータアクセス制限の主要な原因であることがわかりました。特にニュースサイトでは、遮断率が3％から45％に急増しています。AIトレーニングデータにおける高品質なニュースコンテンツの割合が減少し、低品質の企業向けECコンテンツが取って代わる可能性があります。この傾向は、高品質なデータに依存するAI開発者にとって大きな課題となっています。

5月に企業向けアプリケーションに適したGranite13B LLMモデルをオープンソース化したIBM。今回、IBMのAIプラットフォーム製品担当バイスプレジデントであるアーマンド・ルイーズ（Armand Ruiz）氏が、Granite13Bのトレーニングに使用された6.48TBのデータセットの全容を公開しました。

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。

AutomatticはMidjourneyやOpenAIと交渉し、ユーザー投稿のトレーニングデータ共有を計画　Automatticは、ユーザーがサードパーティとのデータ共有をオプトアウトできるようにする予定　他の企業もAI企業と協力してトレーニングデータを提供しており、クリエイターからの反発を招いている

音楽出版社がアンスロピックに対して申し立てた差し止め仮処分命令に対し、アンスロピックは著作権で保護されたコンテンツをLLMトレーニングデータとして使用することは正当だと反論しました。アンスロピックは差し止め請求を拒否しており、トレーニングシステムがライセンスを取得することを求めることは、汎用AIツールの終焉を意味すると主張しています。

智源研究院は、コード生成モデルに、より挑戦的なトレーニングデータと評価基準を提供することを目的とした、TACOというコード生成トレーニングデータセットを発表しました。TACOは、データ規模、品質、評価方法において優れており、大規模なトレーニングセットとテストセット、多様な解答、詳細なラベルが含まれています。実験結果によると、現在普及しているコード生成モデルは、TACO評価においてGPT-4と顕著な違いがあり、この分野には依然として改善の余地があることが示されています。TACOは単なる挑戦的なデータセットではなく、…

Google DeepMind、ワシントン大学などのチームが「詩的攻撃」を用いて、ChatGPTのトレーニングデータソースを特定することに成功しました。攻撃手法は特定の単語を繰り返し用いることで、ChatGPTが電話番号やメールアドレスなどの個人情報を漏洩させるというものです。この脆弱性は8月30日にOpenAIに通知されましたが、まだこれ以上のコメントはありません。研究では、テキストや画像生成が環境に大きなエネルギー負担を与えていることを指摘し、環境に配慮したAIの使用を訴えています。