Conjuntos de dados identificados pelo veículo somam milhões de faixas utilizadas no treinamento de modelos de inteligência artificial.
O jornal The Atlantic disponibilizou ao público uma ferramenta de busca que permite identificar quais músicas foram utilizadas no treinamento de sistemas de inteligência artificial. A iniciativa expõe a dimensão e a composição dos dados que alimentam o desenvolvimento desses modelos no setor musical.
A base de dados foi organizada a partir da identificação de quatro conjuntos de informações distintos. Dois desses repositórios possuem escala massiva, contendo 12 milhões e 9 milhões de faixas, respectivamente. Os outros dois conjuntos são menores em volume, mas ainda englobam uma quantidade significativa de dados de áudio para treinamento.
A ferramenta foi desenvolvida pelo repórter Alex Reisner, do The Atlantic, após investigação sobre os materiais utilizados pelas empresas de tecnologia na criação de modelos de IA. Ao tornar os registros pesquisáveis, o veículo facilita a verificação por parte de artistas, gravadoras e pesquisadores sobre a inclusão de obras específicas nesses bancos de dados.
A revelação ocorre em um contexto de crescente escrutínio sobre a aquisição de dados para o treinamento de inteligência artificial. O setor musical acompanha de perto debates sobre direitos autorais e compensação, temas que já motivaram ações judiciais de criadores e indústria contra desenvolvedores de IA em diversos mercados.
Com a publicação da base pesquisável, o The Atlantic fornece um recurso prático para a transparência do ecossistema de IA. A medida permite um acompanhamento mais detalhado de como o acervo musical global tem sido apropriado para o aprimoramento de tecnologias generativas.
A base de dados revela quais músicas foram utilizadas no treinamento de sistemas de inteligência artificial, englobando quatro conjuntos de dados que somam mais de 20 milhões de faixas.
Por meio de uma ferramenta de busca pública desenvolvida pelo repórter Alex Reisner do The Atlantic, que permite pesquisar e verificar a inclusão de obras específicas nesses bancos de dados de treinamento.
A iniciativa promove a transparência no ecossistema de IA, fornecendo um recurso prático para o escrutínio sobre a aquisição de dados e debates sobre direitos autorais e compensação na indústria musical.