Công ty AI Runway được cho là đã lấy “nghìn” video trên YouTube và các bản sao không bản quyền của các bộ phim để huấn luyện mô hình của mình mà không có sự cho phép. 404 Media đã thu thập bảng tính nội bộ cho thấy startup tạo video bằng AI đã huấn luyện mô hình Gen-3 của mình bằng nội dung từ YouTube từ các kênh như Disney, Netflix, Pixar và các phương tiện truyền thông phổ biến.
Một người cũ của Runway cho biết công ty đã sử dụng bảng tính để đánh dấu danh sách video mà họ muốn trong cơ sở dữ liệu của mình. Sau đó, họ sẽ tải chúng mà không bị phát hiện bằng phần mềm proxy mã nguồn mở để che giấu dấu vết. Một bảng liệt kê các từ khóa đơn giản như phi hành gia, nàng tiên và cầu vồng, với ghi chú biểu thị liệu công ty đã tìm thấy video chất lượng cao tương ứng để huấn luyện. Ví dụ, thuật ngữ “siêu anh hùng” bao gồm một ghi chú “Nhiều đoạn phim.” (Thật vậy.)
Các ghi chú khác cho thấy Runway đã đánh dấu các kênh YouTube cho Unreal Engine, nhà làm phim Josh Neuman và một trang fan Call of Duty là các nguồn tốt để huấn luyện video “tương tác”.
“The channels trong bảng tính đó đã là nỗ lực của toàn công ty để tìm kiếm video chất lượng tốt để xây dựng mô hình,” người cũ của công ty cho biết. “Sau đó, điều này đã được sử dụng như đầu vào cho một trình tìm kiếm web khổng lồ mà tải xuống tất cả các video từ tất cả các kênh đó, sử dụng proxy để tránh bị chặn bởi Google.”
Một danh sách gần 4.000 kênh YouTube, được biên soạn trong một trong những bảng tính, đã nhấn mạnh việc lấy “kênh được khuyến nghị” từ CBS New York, AMC Theaters, Pixar, Disney Plus, Disney CD và Hải cảng Monterey. (Vì không một mô hình AI nào hoàn thiện nếu thiếu otters.)
Ngoài ra, Runway được cho là đã biên soạn một danh sách video từ các trang web vi phạm bản quyền. Một bảng tính mang tựa đề “Nguồn Không Phải từ YouTube” bao gồm 14 liên kết đến nguồn như một lưu trữ trực tuyến không xác thực của các bộ phim của Studio Ghibli, các trang web đánh cắp anime và phim, một trang fan hiển thị video game trên Xbox và trang web phát trực tiếp hoạt hình kisscartoon.sh.
Điều làm nổi bật xem xét sự xác nhận nghiêm trọng rằng công ty đã sử dụng dữ liệu huấn luyện là việc khi 404 Media phát hiện rằng khi yêu cầu máy tạo video với tên của các YouTuber nổi tiếng được liệt kê trong bảng tính, kết quả trả về giống như đến kỳ lạ. Một biến thể quan trọng nữa, sau khi 404 Media liên hệ với Runway hỏi về sự giống nhau giữa những YouTuber trong kết quả, công cụ AI đã ngừng tạo ra chúng hoàn toàn.
“Tôi hy vọng rằng bằng việc chia sẻ thông tin này, mọi người sẽ hiểu rõ hơn về quy mô của những công ty này và họ đang làm gì để tạo ra các video ‘cool’,” người cũ của công ty nói với 404 Media.
Khi được liên hệ để bình luận, một đại diện của YouTube đã chỉ Engadget đến một cuộc phỏng vấn CEO Neal Mohan đã thực hiện với Bloomberg vào tháng 4. Trong cuộc phỏng vấn đó, Mohan mô tả việc huấn luyện trên các video của họ là một “vi phạm rõ ràng” của các điều khoản của họ. “Những ý kiến trước đây của chúng tôi về vấn đề này vẫn đứng vững,” người phát ngôn của YouTube Jack Mason viết cho Engadget.
Runway không trả lời yêu cầu bình luận vào thời điểm xuất bản.
Ít nhất một số công ty AI dường như đang trong cuộc đua để làm cho các công cụ của họ trở nên bình thường và xác lập sự lãnh đạo thị trường trước khi người dùng — và tòa án — phát hiện ra cách họ đã tạo ra sản phẩm của họ. Huấn luyện với sự cho phép thông qua các thỏa thuận được cấp phép là một điều, và đó là một chiến lược khác mà các công ty như OpenAI đã mới áp dụng. Nhưng việc coi toàn bộ internet — bao gồm nội dung bản quyền và tất cả — như là đối tượng có thể chiếm dụng trong cuộc đua kiếm lời và thống trị là một hành động rất gian trá (nếu không phải là bất hợp pháp).
Bản tin xuất sắc của 404 Media này xứng đáng được đọc.#sựkiện #Runway #AI_startup #vi_phạm_bản_quyền #YouTube
AI company Runway reportedly scraped “thousands” of YouTube videos and pirated versions of copyrighted movies without permission. 404 Media obtained alleged internal spreadsheets suggesting the AI video-generating startup trained its Gen-3 model using YouTube content from channels like Disney, Netflix, Pixar and popular media outlets.
An alleged former Runway employee told the publication the company used the spreadsheet to flag lists of videos it wanted in its database. It would then download them without detection using open-source proxy software to cover its tracks. One sheet lists simple keywords like astronaut, fairy and rainbow, with footnotes indicating whether the company had found corresponding high-quality videos to train on. For example, the term “superhero” includes a note reading, “Lots of movie clips.” (Indeed.)
Other notes show Runway flagged YouTube channels for Unreal Engine, filmmaker Josh Neuman and a Call of Duty fan page as good sources for “high movement” training videos.
“The channels in that spreadsheet were a company-wide effort to find good quality videos to build the model with,” the former employee told 404 Media. “This was then used as input to a massive web crawler which downloaded all the videos from all those channels, using proxies to avoid getting blocked by Google.”
A list of nearly 4,000 YouTube channels, compiled in one of the spreadsheets, flagged “recommended channels” from CBS New York, AMC Theaters, Pixar, Disney Plus, Disney CD and the Monterey Bay Aquarium. (Because no AI model is complete without otters.)
In addition, Runway reportedly compiled a separate list of videos from piracy sites. A spreadsheet titled “Non-YouTube Source” includes 14 links to sources like an unauthorized online archive of Studio Ghibli films, anime and movie piracy sites, a fan site displaying Xbox game videos and the animated streaming site kisscartoon.sh.
In what could be viewed as a damning confirmation that the company used the training data, 404 Media found that prompting the video generator with the names of popular YouTubers listed in the spreadsheet spit out results bearing an uncanny resemblance. Crucially, entering the same names in Runway’s older Gen-2 model — trained before the alleged data in the spreadsheets — generated “unrelated” results like generic men in suits. Additionally, after the publication contacted Runway asking about the YouTubers’ likenesses appearing in results, the AI tool stopped generating them altogether.
“I hope that by sharing this information, people will have a better understanding of the scale of these companies and what they’re doing to make ‘cool’ videos,” the former employee told 404 Media.
When contacted for comment, a YouTube representative pointed Engadget to an interview its CEO Neal Mohan gave to Bloomberg in April. In that interview, Mohan described training on its videos as a “clear violation” of its terms. “Our previous comments on this still stand,” YouTube spokesperson Jack Mason wrote to Engadget.
Runway did not respond to a request for commeInt by the time of publication.
At least some AI companies appear to be in a race to normalize their tools and establish market leadership before users — and courts — catch onto how their sausage was made. Training with permission through licensed deals is one thing, and that’s another tactic companies like OpenAI have recently adopted. But it’s a much sketchier (if not illegal) proposition to treat the entire internet — copyrighted material and all — as up for grabs in a breakneck race for profit and dominance.
404 Media’s excellent reporting is worth a read.
