As empresas de IA dependem de editores premium para dados de treinamento, segundo uma nova pesquisa

Na pesquisa, o advogado de IA de Ziff Davis, George Wukoson, e o diretor de tecnologia Joey Fortuna afirmaram que as empresas de IA escolhem dados de treinamento com base na classificação de sites confiáveis ​​com altas classificações em mecanismos de pesquisa. Sites populares e de alta qualidade foram escolhidos para aprimorar os modelos, pois possuem boa reputação. Uma estratégia que, segundo o estudo, permite aos desenvolvedores de IA ajustar o modelo de linguagem.

Ziff Davis destacou que provedores de conteúdo de primeira linha como Axel Springer, Future PLC, Hearst, News Corp e The New York Times, entre outros, contribuíram para o desenvolvimento de conjuntos de dados de treinamento. Em particular, foi dent que 12,04% do OpenWebText2, que foi utilizado para a criação do GPT-3 da OpenAI, veio destes editores confiáveis.

Mark Zuckerberg também opinou sobre o debate em andamento em torno do uso de conteúdo no treinamento de IA. Numa entrevista recente ao The Verge, Zuckerberg reconheceu que a recolha de dados para IA é um desafio, mas também apontou que o conteúdo de criadores ou editores individuais pode não ser tão impactante. Ele afirmou : “Acho que criadores ou editores individuais tendem a superestimar o valor de seu conteúdo específico no grande esquema disso”.

Editores entram com ações judiciais contra empresas de IA

O sigilo em torno das fontes de dados de treinamento levantou preocupações tanto entre editores quanto entre consumidores. O New York Times e o Wall Street Journal recentemente entraram com ações judiciais contra empresas de IA, dizendo que elas violaram as leis de direitos autorais ao usar seu conteúdo.

Embora a OpenAI tenha avançado nos esforços para obter licenciamento de conteúdo de organizações de mídia como o Financial Times e a DotDash Meredith, várias empresas de IA ainda trabalham sem o licenciamento adequado. O relatório afirma ainda que “os principais desenvolvedores de LLM não divulgam mais seus dados de treinamento como faziam antes”.

Embora os valores das empresas de IA aumentem, o fosso entre os titãs da tecnologia e as empresas de comunicação convencionais permanece vasto. Gigantes da tecnologia como Google e Meta, que têm um valor estimado de 2,2 biliões de dólares e 1,5 biliões de dólares, respetivamente, permanecem na vanguarda da IA ​​generativa, enquanto startups como a OpenAI e a Anthropic estão avaliadas em 157 mil milhões e 40 mil milhões de dólares, respetivamente.

Por outro lado, os editores ainda enfrentam demissões e reestruturações, o que evidencia a pressão financeira de adaptação a um ambiente cada vez mais defi pela IA. Como resultado da concorrência com conteúdos gerados pelos utilizadores e baseados em IA, numerosos editores enfrentam desafios em termos de redução de custos e de pessoal.