OpenAI pudo engullir más de un millón de horas de vídeos de YouTube para entrenar a GPT-4
Las grandes compañías en materia de IA no parecen tener miramientos a la hora de ofrecer datos a sus modelos
OpenAI es una de las compañías líderes en la creación de modelos de inteligencia artificial, con plataformas tan conocidas como DALL-E o ChatGPT, que actualmente utiliza el modelo GPT-4 para impulsar a su chatbot más famoso. Ahora, parece que los rumores eran ciertos y que para alimentarse han tenido que recurrir a la competencia.
Así es como los gigantes de la IA impulsan a sus modelos
Un reciente artículo de The New York Times expone una verdad que se intuía, pero que parece confirmarse: OpenAI habría utilizado vídeos de YouTube para entrenar a uno de sus modelos de IA más potentes hasta la fecha.
Según el medio norteamericano, la compañía de Sam Altman habría creado un programa de reconocimiento de voz conocido como Whisper y que resultó fundamental para ayudar a transcribir más de un millón de horas de vídeos de YouTube y, así, alimentar a sus modelos de IA. Algunos empleados pusieron sobre la mesa que el movimiento podía ser contrario a las políticas de YouTube, pero parece que OpenAI no se detuvo en su labor.
The race to lead A.I. has become a desperate hunt for the digital data needed to advance the technology. To obtain that data, tech companies have cut corners, ignored corporate policies and debated bending the law, according to a Times examination. https://t.co/5niE0Bvf90
— The New York Times (@nytimes) April 6, 2024
Greg Brockman, actual presidente de OpenAI, habría formado parte del equipo que transcribió los vídeos de YouTube para entrenar a GPT-4, pero esta no es una práctica poco habitual. Las grandes compañías parecen estar dispuestas a acortar el camino del éxito, aunque por medio tengan que enfrentarse a otras organizaciones y echar mano de sus equipos de abogados.
Un ejemplo claro, según el diario estadounidense, es el de Meta. La empresa de mark Zuckerberg sopesó la adquisición de la editorial Simon & Schuster, aunque tampoco descartó escudriñar internet para alimentar a sus modelos de IA, aunque tuviesen que hacer frente a una sucesión de denuncias y juicios.
OpenAI's CTO said she wasn't sure if Sora was trained on YouTube videos. YouTube's CEO says that would be a problem. https://t.co/kJUXKmV8AY
— Business Insider (@BusinessInsider) April 5, 2024
Sin embargo, al igual que OpenAI, Google también utiliza las transcripciones de los vídeos, que deberían ser propiedad de sus creadores, para entrenar a sus propios modelos de inteligencia artificial. Es más, parece que la compañía de Mountain View habría ampliado el alcance de su servicio, pudiendo acceder a las transcripciones de documentos públicos de Google Docs o a las reseñas de restaurantes en Google Maps.
La inteligencia artificial necesita de los datos como un vampiro de cuellos de víctimas para saciar su sed. Estamos en una era donde la información es imprescindible y donde tiene que ser conseguida a través de cualquier método. No es de extrañar que los principales gobiernos del planeta busquen una solución para poder atar en corto el desarrollo de la IA.