IT之家 7 月 17 日消息，非營利性新聞工作室 ProofNews 昨日（7 月 16 日）發(fā)布博文，表示包括蘋果、英偉達、Salesforce 和 Anthrophic 在內的大型科技公司，在訓練其 AI 模型時均使用了來自 YouTube 的視頻資源。
報道稱這些科技公司在訓練其 AI 模型過程中，使用了名為 YouTube Subtitles 的數(shù)據(jù)集，大小為 5.7GB（4.89 億個單詞）。
該數(shù)據(jù)集由 EleutherAI 創(chuàng)建，最早發(fā)布于 2020 年，涉及超過 48000 個頻道的 173536 個 YouTube 視頻字幕內容，其中還包含 12000 多個平臺已刪除視頻的字幕內容。
YouTube Subtitles 數(shù)據(jù)集主要采集熱門 YouTube 頻道的資源，IT之家附上相關信息如下：
MrBeast（2.89 億訂閱者，其中有 2 段視頻用于訓練）
Marques Brownlee（1900 萬訂閱者，有 7 段視頻）
Jacksepticeye（近 3100 萬訂閱者，有 377 段視頻）
PewDiePie（1.11 億訂閱者，有 337 段視頻）
YouTube Subtitles 數(shù)據(jù)集隸屬于一個名為“The Pile”的數(shù)據(jù)集，其中包括其他幾個訓練數(shù)據(jù)集。大多數(shù)“The Pile”數(shù)據(jù)集都對任何有足夠空間和計算能力的人開放。
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。