7 月 17 日消息,非营利性新闻工作室 ProofNews 昨日(7 月 16 日)发布博文,表示包括苹果、英伟达、Salesforce 和 Anthrophic 在内的大型科技公司,在训练其 AI 模型时均使用了来自 YouTube 的视频资源。
报道称这些科技公司在训练其 AI 模型过程中,使用了名为 YouTube Subtitles 的数据集,大小为 5.7GB(4.89 亿个单词)。
该数据集由 EleutherAI 创建,最早发布于 2020 年,涉及超过 48000 个频道的 173536 个 YouTube 视频字幕内容,其中还包含 12000 多个平台已删除视频的字幕内容。
YouTube Subtitles 数据集主要采集热门 YouTube 频道的资源,IT之家附上相关信息如下:
MrBeast(2.89 亿订阅者,其中有 2 段视频用于训练)
Marques Brownlee(1900 万订阅者,有 7 段视频)
Jacksepticeye(近 3100 万订阅者,有 377 段视频)
PewDiePie(1.11 亿订阅者,有 337 段视频)
YouTube Subtitles 数据集隶属于一个名为“The Pile”的数据集,其中包括其他几个训练数据集。大多数“The Pile”数据集都对任何有足够空间和计算能力的人开放。
Prev Chapter:OpenAI联创推出人工智能教育初创公司Eureka Labs
Next Chapter:特朗普盟友起草AI行政命令,启动“曼哈顿计划”
Super Gene Chapter 3017 - No. 1 General
2024-11-18Absolute Resonance Chapter 0938: Embryonic Sword Shadow
2024-03-05