تحقیقات جدید نشان می‌دهد بیش از ۱۷۰ هزار ویدیوی یوتوب بدون اجازه از این پلتفرم استخراج و برای آموزش مدل‌های هوش مصنوعی توسط شرکت‌های بزرگ فناوری مانند اپل، انتروپیک، انویدیا و سیلزفورس مورد استفاده قرار گرفته‌اند.
این کار نقض قوانین خدمات یوتوب محسوب می‌شود و سوالات جدی در مورد شفافیت استفاده از داده‌ها توسط شرکت‌های هوش مصنوعی را به وجود آورده است. گزارش منتشرشده توسط پرف نیوز با همکاری وایرد نشان می‌دهد که این مجموعه داده شامل زیرنویس‌های ویدیو‌های بیش از ۴۸ هزار کانال یوتوب است و تصاویر ویدیو‌ها در آن گنجانده نشده‌اند.
ویدیو‌های یوتوبر‌های محبوب مانند مستر بیست و ام‌کی‌بی‌اچ‌دی در کنار کلیپ‌هایی از رسانه‌های معروفی چون ای‌بی‌سی نیوز، بی‌بی‌سی و نیویورک تایمز در این مجموعه داده حضور دارند.
به نظر می‌رسد اپل داده‌های مورد نیاز برای آموزش هوش مصنوعی خود را از چندین شرکت تامین کرده است که یکی از آن‌ها حجم زیادی از داده‌های ویدیو‌های یوتوب را استخراج کرده است.
سال گذشته نیز تحلیل یکی از مجموعه داده‌ها به نام بوکس۳ نشان داد که آثار کدام نویسندگان برای آموزش هوش مصنوعی استفاده شده‌اند.
شرکت‌های توسعه‌دهنده هوش مصنوعی به طور معمول در مورد داده‌هایی که برای آموزش مدل‌های خود به کار می‌برند شفافیت لازم را ندارند. در ماه مارس و هنگام معرفی ابزار تولید ویدیو قدرتمند سورا توسط اوپن‌ای‌آی، می‌را موراتی از پاسخ به سوالاتی درباره اینکه آیا این سیستم از ویدیو‌های یوتوب برای آموزش استفاده خواهد کرد یا خیر، خودداری کرد.
