Nvidia anklagats för att medvetet ha använt miljontals piratkopierade böcker för att träna sina AI-modeller efter att företaget kontaktade det kontroversiella ”skuggbiblioteket” Anna’s Archive. Uppgifterna framkommer i en uppdaterad stämningsansökan där författare kräver skadestånd för upphovsrättsintrång.
Enligt rättsdokument som lämnats in i fredags nådde en medlem av NVIDIA:s datastrategi-team ut till Anna’s Archive för att få tillgång till deras piratkopierade material. I mejlen diskuterades möjligheten att ”inkludera Anna’s Archive i förträningsdata för våra LLM:er”. Anna’s Archive tog tiotusentals dollar för ”höghastighetsåtkomst” till sina samlingaroch NVIDIA ville veta vad denna tjänst innebar.
500 terabyte piratkopierad data
Anna’s Archive erbjöd Nvidia tillgång till ungefär 500 terabyte data, vilket omfattade miljontals böcker. Detta inkluderade också material som normalt bara är tillgängligt genom Internet Archives digitala utlåningssystem, som själv har blivit stämt i domstol. Men det var inte bara Anna’s Archive som NVIDIA påstås ha använt, den uppdaterade stämningsansökan nämner även LibGen, Sci-Hub och Z-Library som källor.
Att ett företag som NVIDIA, värt över en biljon dollar och som varit en av de största vinnarna i AI-boomen, skulle behöva kontakta piratbibliotek för träningsdata väcker frågor om hur desperata techföretagen verkligen är efter bra textmaterial. Särskilt med tanke på att de blev varnade om att innehållet var illegalt, men valde att gå vidare ändå.
