atlantisch Reporter Alex Reisner hat es kürzlich aufgedeckt vier Datensätze von Musik, die zum Trainieren und Erstellen von KI-Modellen verwendet wird vollständig durchsuchbar für die Öffentlichkeit. Zwei der Sets sind mit 12 Millionen und 9 Millionen Titeln absolut riesig. Die anderen beiden sind viel kleiner, stellen aber mit jeweils über 100.000 Songs immer noch eine beträchtliche Menge an Trainingsdaten dar.

Laut Reisner wurden die Sets tausende Male heruntergeladen und obwohl es unmöglich ist, genau zu wissen, wer sie verwendet hat, Google Und Stabilität Beide haben dies in Forschungsarbeiten bestätigt. Einige der Quellen, wie die Kostenloses Musikarchiv Der Datensatz kann für den persönlichen Gebrauch kostenlos gestreamt werden, für kommerzielle Anwendungen ist jedoch eine Lizenz erforderlich.

Während die Datensätze theoretisch frei im Internet verfügbar sind, ist ihre Verwendung als Trainingsdaten nicht so einfach wie das Herunterladen einer ZIP-Datei und deren Einspeisung in ein KI-Modell. Wie Reisner erklärt:

Drei der Datensätze, die ich gefunden habe, werden als Linkliste zu Songs auf YouTube oder Spotify verteilt. KI-Entwickler laden das eigentliche Audio mithilfe von Tools herunter, die den Job automatisieren. Einige davon ermöglichen es Entwicklern, Anmeldungen, Werbung und Mechanismen zu umgehen, die den Erstellern Geld oder Abonnenten einbringen könnten. Solche Tools verstoßen gegen die Nutzungsbedingungen dieser Plattformen.