Google afslører brug af offentligt webdata til AI-træning

I en ny opdatering af sin privatlivspolitik har Google (GOOGL ) åbent indrømmet at bruge offentligt tilgængelige oplysninger fra webben til at træne sine AI-modeller. Denne afsløring, som er blevet fundet af Gizmodo, omfatter tjenester som Bard og Cloud AI. Google-talsperson Christa Muldoon udtalte til The Verge, at opdateringen blot klargør, at nyere tjenester som Bard også er inkluderet i denne praksis, og at Google inkorporerer privatlivsprincipper og sikkerhedsforanstaltninger i udviklingen af sine AI-teknologier.

Transparens i AI-træningspraksis er et skridt i den rigtige retning, men det rejser også en række spørgsmål. Hvordan sikrer Google privatlivets beskyttelse, når offentligt tilgængelige data bruges? Hvordan forhindres misbrug af disse data?

Implikationerne af Googles AI-træningsmetoder

Den opdaterede privatlivspolitik fastslår nu, at Google bruger oplysninger til at forbedre sine tjenester og udvikle nye produkter, funktioner og teknologier, der kan gavne brugerne og offentligheden. Politikken specificerer også, at virksomheden kan bruge offentligt tilgængelige oplysninger til at træne Googles AI-modeller og opbygge produkter og funktioner som Google Translate, Bard og Cloud AI-kapaciteter.

Men politikken klargør ikke, hvordan Google vil forhindre, at ophavsretsligt beskyttet materiale indgår i datapoolen, der bruges til træning. Mange offentligt tilgængelige websteder har politikker, der forbyder dataindsamling eller web-scraping til formålet med at træne store sprogmodeller og andre AI-værktøjer. Denne tilgang kan potentielt komme i konflikt med globale reguleringer som GDPR, der beskytter mennesker mod, at deres data misbruges uden deres udtrykkelige samtykke.

Brugen af offentligt tilgængelige data til AI-træning er ikke i sig selv problematisk, men det bliver, når det krænker ophavsretslige love og privatliv. Det er en delikat balance, som virksomheder som Google må navigere omhyggeligt.

Den bredere indvirkning af AI-træningspraksis

Brugen af offentligt tilgængelige data til AI-træning har været et omdiskuteret emne. Populære generative AI-systemer som OpenAI’s GPT-4 har været tilbageholdende med hensyn til deres datakilder og om de inkluderer sociale medie-indlæg eller ophavsretsligt beskyttet værker af menneskelige kunstnere og forfattere. Denne praksis befinder sig i øjeblikket i et juridisk gråt område og har udløst flere retssager og fået lovgivere i nogle lande til at indføre strengere love for at regulere, hvordan AI-virksomheder indsamler og bruger deres træningsdata.

Den største avisudgiver i USA, Gannett, sager Google og dets moderselskab, Alphabet (GOOG ), med påstand om, at fremgangen i AI-teknologi har hjulpet søgemæglen til at holde en monopol på det digitale annoncemarked. Imens har sociale platforme som Twitter og Reddit taget foranstaltninger for at forhindre andre virksomheder i at frit indsamle deres data, hvilket har ført til en backlash fra deres respektive fællesskaber.

Disse udviklinger understreger behovet for robuste etiske retningslinjer for AI. Da AI fortsætter med at udvikle sig, er det afgørende for virksomheder at balancere teknologisk fremgang med etiske overvejelser. Dette inkluderer respekt for ophavsretslige love, beskyttelse af privatliv og sikring af, at AI gavner hele samfundet, ikke kun et udvalgt få.

Googles seneste opdatering af sin privatlivspolitik har kastet lys over virksomhedens AI-træningspraksis. Det rejser dog også spørgsmål om de etiske implikationer af at bruge offentligt tilgængelige data til AI-træning, den potentielle krænkelse af ophavsretslige love og indvirkningen på brugernes privatliv. Da vi går videre, er det afgørende for os at fortsætte denne samtale og arbejde mod en fremtid, hvor AI udvikles og bruges ansvarligt.