Pekan lalu, muncul laporan yang menuduh Apple dan beberapa perusahaan teknologi terkemuka lainnya menggunakan subtitle YouTube untuk melatih model AI mereka. Merespons tudingan tersebut, Apple kini angkat bicara.
Dilansir dari 9to5Mac, Apple menjelaskan bahwa mereka menciptakan model OpenELM untuk mendukung komunitas peneliti dan mendorong pengembangan model bahasa besar (LLM) sumber terbuka. Sebelumnya, para peneliti Apple menggambarkan OpenELM sebagai model bahasa terbuka yang canggih.
Apple menegaskan bahwa OpenELM dirancang khusus untuk keperluan penelitian dan tidak digunakan untuk mendukung fitur AI mereka. Model ini dirilis sebagai sumber terbuka dan dapat diakses di situs web Penelitian Pembelajaran Mesin Apple.
Dalam pernyataan tersebut, Apple menyatakan bahwa OpenELM tidak digunakan dalam Apple Intelligence, sehingga data subtitle YouTube tidak digunakan untuk fitur AI yang diumumkan pada WWDC Juni 2024.
Apple juga menekankan bahwa model Apple Intelligence dilatih menggunakan data berlisensi dari penerbit dan perusahaan stok gambar, serta data yang tersedia secara publik di internet.
Perusahaan yang dipimpin oleh Tim Cook ini menegaskan bahwa mereka tidak berencana untuk mengembangkan versi baru dari model OpenELM. Mereka berkomitmen untuk menghormati hak-hak kreator dan penerbit, serta menyediakan opsi bagi situs web untuk menolak digunakan dalam pelatihan Apple Intelligence.
Sebelumnya, Wired melaporkan bahwa perusahaan seperti Apple, Anthropic, dan Nvidia mengumpulkan data subtitle YouTube untuk melatih model AI mereka, mencakup transkrip dari 173.536 video YouTube yang berasal dari lebih dari 48.000 saluran.
Video dalam dataset tersebut mencakup saluran pendidikan seperti Khan Academy dan MIT, situs berita seperti The Wall Street Journal, hingga beberapa kreator populer seperti MrBeast dan Marques Brownlee.
Marques Brownlee menyatakan bahwa Apple secara teknis tidak melanggar aturan karena mereka mendapatkan sumber AI dari perusahaan yang menggunakan transkrip video YouTube, bukan langsung dari data tersebut.
Meskipun demikian, data atau transkrip ini tetap berkontribusi pada pengembangan model AI, yang melibatkan investasi waktu dan uang dari para kreator. Brownlee menyimpulkan bahwa masalah ini kemungkinan akan terus berkembang di masa mendatang.
