英伟达再次被发现从YouTube及奈飞上抓取数据用来训练人工智能模型
内容提要
英伟达被指从YouTube和奈飞上抓取数据用于训练人工智能模型，公司否认违法，称版权法不保护事实、想法、数据或信息。员工透露公司要求从在线资源中抓取视频内容，用于各种AI产品的训练数据。内部文件证实了这一行为。英伟达回应称尊重版权法，合理使用数据用于模型训练。科技公司普遍从互联网抓取数据用于训练，可能涉及未经授权的版权内容。商业使用受保护内容训练的人工智能模型容易引发版权纠纷。
延伸解读
英伟达的版权立场与合理使用争议
英伟达回应称版权法不保护事实、想法、数据或信息，并强调合理使用保护将作品用于变个性目的的能力，如模型训练。这一立场与公司此前使用未授权第三方数据集的行为一脉相承。然而，合理使用是否涵盖大规模商业训练仍存法律争议，英伟达的辩解可能难以完全规避版权纠纷。
技术规避手段暴露数据抓取规模
报告显示，英伟达Cosmos项目使用开源视频下载器和IP跳跃技术绕过YouTube封锁，并利用30台AWS虚拟机进行抓取。内部Slack记录和邮件证实了这些行为。这种系统化、规模化的抓取方式，表明英伟达对数据获取的依赖程度较高，也增加了其面临法律挑战的风险。
行业普遍做法与商业风险
科技公司普遍从互联网抓取数据训练AI模型，但未经授权使用版权内容可能引发纠纷。英伟达在CES 2024上对其游戏生成式AI引擎训练方式的模糊回应，以及后续强调商业安全，反映出行业对版权风险的担忧。若模型用于商业用途，版权问题可能成为产品推广的障碍。
Q&A
英伟达为什么被指控从YouTube和奈飞抓取数据？
英伟达被指控从YouTube和奈飞抓取数据用于训练人工智能模型，且未获得授权。
英伟达如何回应关于数据抓取的指控？
英伟达回应称尊重版权法，认为其行为符合版权法的条文和精神。
英伟达的哪些产品使用了抓取的数据？
抓取的数据用于英伟达的Omniverse 3D世界生成器、自动驾驶系统和数字人等产品。
英伟达在抓取数据时使用了哪些技术？
英伟达的Cosmos项目使用开源视频下载器和IP跳跃技术绕过YouTube的封锁。
抓取受保护内容训练的AI模型可能面临什么风险？
受保护内容训练的AI模型用于商业用途可能引发版权纠纷。
英伟达的内部文件如何证实其抓取数据的行为？
内部文件、Slack聊天记录和电子邮件泄露证实英伟达在未经授权的情况下抓取数据用于模型训练。
