AI-taalmodellen getraind met teksten van Stephen King en andere grote auteurs

AI-taalmodellen vereisen enorme hoeveelheden tekst voor training, en terwijl sommige bronnen, zoals Wikipedia, gratis beschikbaar zijn, zijn ook hoogwaardige teksten nodig om de modellen realistischer te maken. Schrijvers hadden al langer het vermoeden dat hun werken zonder toestemming werden gebruikt voor AI-training, en nu is er tastbaar bewijs van deze praktijk. De gestolen boeken waren onderdeel van een dataset genaamd 'Books3', die werd gebruikt door AI-modellen van bedrijven als Meta en Microsoft.

Deze dataset, afkomstig uit 'The Pile', een enorme tekstverzameling ontwikkeld door EleutherAI, bevatte niet alleen werken van bekende auteurs zoals Stephen King en Zadie Smith, maar ook diverse andere tekstbronnen. Het blijft echter onduidelijk welke bedrijven deze dataset hebben gebruikt, omdat deze lange tijd vrij beschikbaar was.

LEES OOK | Marvel’s “Secret Invasion”-intro roept vragen op over het gebruik van A.I in de filmindustrie

Shawn Presser, de maker van 'Books3', had de dataset juist gecreëerd om te voorkomen dat grote bedrijven een monopolie zouden vormen op AI-ontwikkeling. EleutherAI heeft nu beloofd een versie van 'The Pile' te ontwikkelen met uitsluitend gelicentieerde documenten. Dit schandaal legt een diepgaande kloof bloot tussen AI-ontwikkelaars en auteurs. Sommige AI-experts pleiten voor een uitgebreide vorm van 'fair use' om auteursrechtelijk beschermd materiaal op te nemen in AI-training. Anderen stellen voor dat auteurs moeten aangeven dat hun werk niet mag worden gebruikt, in plaats van andersom.