OpenAI расшифровала более миллиона часов видео с YouTube для обучения GPT-4

Еще в 2021 году корпорация столкнулась с недостатком данных из англоязычных источников, приняв решение использовать и другие виды данных. Тогда в OpenAI приняли решение разработать для сбора данных из видео инструмент Whisper, основанный на архитектуре Transformer.

Несмотря на удобство такого формата сбора данных, он может считать незаконным. Это связано с тем, что создатели контента не давали корпорациям прав на его использование. Однако многие известные компании, в числе которых OpenAI, Google и Meta*, игнорируют корпоративную политику и стараются обойти законы.

Использование большого объема данных помогает компаниям быстро и качественно обучать свои нейросети, но данные, используемые для этих целей, к 2026 году могут закончиться. Это связано с тем, что компании используют данные быстрее, чем они производятся.

Стоит отметить, что OpenAI планирует использовать полученные с YouTube данные для обучения своей новой ИИ-модели GPT-5.

Ранее издание involta.media опубликовало статью о том, что создатели Claude поделились методами взлома своей нейросети.

*Meta - признана экстремистской и запрещена на территории РФ.