Un’indagine condotta da Proof News ha rivelato che alcune delle più ricche aziende di intelligenza artificiale del mondo hanno utilizzato il materiale proveniente da migliaia di video di YouTube per addestrare i loro modelli di AI. Queste aziende, tra cui Apple, Nvidia, Anthropic e Salesforce, hanno sfruttato i sottotitoli di 173.536 video YouTube provenienti da oltre 48.000 canali, violando le regole di YouTube che vietano la raccolta di materiali senza permesso.
Il dataset, noto come YouTube Subtitles, include trascrizioni di video di canali educativi come Khan Academy, MIT e Harvard, oltre a contenuti di NPR, BBC e programmi come “The Late Show With Stephen Colbert”. Tra i creatori coinvolti figurano celebrità di YouTube come MrBeast, Marques Brownlee e PewDiePie.
David Pakman, conduttore del “The David Pakman Show”, ha dichiarato che quasi 160 dei suoi video sono stati inclusi nel dataset senza il suo consenso. Anche Dave Wiskus, CEO di Nebula, ha definito questo uso come “un furto”, sottolineando il rischio che l’AI possa danneggiare gli artisti sostituendoli.
Le aziende come Anthropic e Salesforce hanno confermato l’uso del dataset, affermando che era disponibile pubblicamente. Tuttavia, molti creatori non erano consapevoli che i loro video fossero stati utilizzati e chiedono compensazioni per l’uso non autorizzato del loro lavoro.
Non è la prima volta che il settore dell’AI è coinvolto in controversie riguardanti l’uso dei dati. Altri dataset, come Books3, hanno suscitato polemiche simili. Attualmente, le questioni legali riguardanti il permesso e il compenso rimangono irrisolte, lasciando aperte molte domande su come verranno regolamentate queste pratiche in futuro.