Nvidia en el ojo del huracán por usar vídeos de Netflix y YouTube para entrenar su IA
Nvidia ha estado cogiendo vídeos de YouTube, Netflix y de otras fuentes para recopilar datos de entrenamiento para sus productos de IA, según se ha podido ver en chats internos de Slack, correos electrónicos y documentos.
Nvidia, parece que está en problemas y se encuentra en el centro de una controversia tras la filtración de documentos internos que revelan prácticas de recopilación masiva de datos para entrenar sus modelos de inteligencia artificial.
En concreto, se trataría de un proyecto interno, con nombre Cosmos, que tiene como objetivo alimentar varios sistemas de IA de Nvidia, incluyendo el generador de mundos 3D Omniverse, sistemas de conducción autónoma y productos de "humanos digitales".
Según la información obtenida por 404 Media, Nvidia ha estado cogiendo vídeos de YouTube y otras plataformas para tener así datos de entrenamiento para sus productos de IA. Esta práctica, conocida como scraping, ha hecho que se alce la voz de alarma sobre supuestas violaciones de derechos de autor para el desarrollo de inteligencia artificial.
Cuando se preguntó a Nvidia sobre los aspectos legales y éticos de utilizar contenido protegido por derechos de autor para entrenar modelos de IA, la empresa defendió su práctica afirmando que cumple "plenamente con la letra y el espíritu de la ley de derechos de autor".
Sin embargo, las conversaciones internas reveladas muestran que cuando los empleados pusieron sobre la mesa sus dudas precisamente sobre este aspecto, los responsables les aseguraron que tenían autorización para usar ese contenido.
"Una experiencia visual de una vida humana en datos de entrenamiento por día"
Un exempleado de Nvidia, que habla bajo anonimato, comenta que se pidió a los empleados extraer vídeos de Netflix, YouTube y otras fuentes para entrenar los modelos de IA de la empresa.
En los documentos filtrados se revela que Nvidia ha estado utilizando un programa para descargar vídeos de código abierto llamado yt-dlp, combinado con máquinas virtuales que cambian de dirección IP para evitar ser bloqueadas por YouTube.
Según los correos electrónicos, los encargados del proyecto Cosmos discutieron el uso de entre 20 y 30 máquinas virtuales en Amazon Web Services para descargar el equivalente a 80 años de vídeos completos y clips cada día. Ming-Yu Liu, vicepresidente de Investigación en Nvidia y líder del proyecto Cosmos, admitió en un correo electrónico de mayo que estaban procesando "una experiencia visual de una vida humana en datos de entrenamiento por día".
En cuanto a la respuesta de Nvidia, parece que lo tiene muy claro. Afirma en un comunicado que respeta los derechos de todos los creadores de contenido y que sus modelos y esfuerzos de investigación están en plena conformidad con la ley de derechos de autor.
Argumenta que la ley de derechos de autor protege expresiones particulares, pero no hechos, ideas, datos o información, y que el uso de estos para propósitos como el entrenamiento de modelos, está protegido por el uso justo.
Desde luego, este no es el primer problema en el que Nvidia es acusada de prácticas de scraping. En julio, la compañía fue mencionada en otro informe sobre la extracción ilegal de vídeos con derechos de autor junto con Anthropic y Salesforce y, en el CES 2024, la empresa también hizo saltar la voz de alarma con respuestas ambiguas sobre cómo se entrenó su nuevo motor de IA generativa para juegos.
El boom de la inteligencia artificial ha catapultado a Nvidia a la cima del mercado. En junio de 2024, Nvidia se convirtió en la empresa más valiosa del mundo, superando a gigantes como Microsoft y Apple, con una capitalización bursátil que alcanzó los 3,3 billones de dólares, pero claro, ahora tiene varios frentes por resolver y, pese a que se ha defendido, muy probablemente tendrá que aclarar con más pruebas este lío.
