KUALA LUMPUR, 13 Julai — Lebih 21 juta lagu berhak cipta telah ditemui dalam beberapa set data besar yang dipercayai digunakan untuk melatih model Kecerdasan Buatan (AI) generatif. Penemuan ini hasil siasatan wartawan The Atlantic, Alex Reisner, yang mendedahkan empat set data muzik utama yang kini beredar dalam komuniti pembangunan AI dan digunakan secara meluas untuk melatih model AI.
Set data tersebut mengandungi berjuta-juta lagu, termasuk trek oleh artis global terkemuka seperti Taylor Swift, Bad Bunny dan Ed Sheeran. Menurut Reisner, set data terbesar antara empat itu ialah LAION-DISCO, yang mengandungi lebih 12 juta trek, dan Sleeping-DISCO, yang mengandungi lebih sembilan juta trek. Dua set data lain yang lebih kecil masing-masing mengandungi lebih 100,000 trek.
Apakah Itu LAION dan Sleeping-DISCO?
LAION, atau Large-scale Artificial Intelligence Open Network, ialah sebuah organisasi bukan untung Jerman yang mencipta set data terbuka besar untuk penyelidikan AI. Sleeping-DISCO pula dicipta oleh Sleeping AI, sekumpulan penyelidik AI yang mencipta dan mengeluarkan set data latihan besar secara terbuka untuk pembangunan AI.
Kedua-dua set data terbesar ini tidak mengandungi fail muzik sebenar, tetapi sebaliknya menyertakan senarai besar pautan web yang menunjuk ke lagu di platform seperti YouTube dan Spotify. Pembangun AI menggunakan alat pengikis khusus untuk memuat turun fail audio secara automatik dari pautan ini, memintas lapisan keselamatan standard, log masuk pengguna dan iklan.
Dua set data yang lebih kecil mengandungi fail MP3 sebenar yang diperoleh terus dari Free Music Archive (FMA), repositori popular untuk muzik bebas dan bebas royalti. Walaupun trek ini percuma untuk dimuat turun, lesen Creative Commons mereka melarang penggunaan komersial. Menggunakannya untuk melatih model AI komersial akan melanggar terma tersebut.
Siapa Terlibat?
Walaupun siasatan tidak memberikan bukti undang-undang yang pasti melibatkan setiap syarikat, Reisner menamakan Google dan Stability AI, memetik kertas penyelidikan awam di mana pembangun mereka sendiri mengakui menggunakan set data FMA untuk latihan model. Syarikat AI seperti Suno dan Udio juga disebut dalam laporan tersebut. Walaupun tidak dapat mengesahkan sama ada syarikat memuat turun bahan dari keempat-empat set data, laporan itu menyatakan bahawa pembangun dari Suno dan Udio beroperasi dalam komuniti dan forum perkongsian data yang sama di mana lebih 21 juta lagu telah dimuat turun beribu-ribu kali.
Reisner juga memberikan contoh trek yang dihasilkan melalui Suno yang menghasilkan versi hampir sama dengan lagu berhak cipta, termasuk Thriller Michael Jackson dan Shape of You Ed Sheeran. Sementara itu, dalam tuntutan mahkamah yang berterusan oleh Persatuan Industri Rakaman Amerika (RIAA) terhadap Suno, eksekutif syarikat sebelum ini mengaku dalam fail undang-undang bahawa mereka melatih model AI mereka pada "pada dasarnya semua fail muzik yang berkualiti munasabah" yang tersedia di web terbuka.
Enjin Carian AI Watchdog
Berikutan siasatan itu, The Atlantic melancarkan alat carian yang dipanggil AI Watchdog, membolehkan pengguna menyemak bahan apa yang disertakan dalam set data yang ditemui. Selain lagu, alat ini juga merangkumi lebih 7.5 juta buku, 81 juta artikel penyelidikan, 15 juta video YouTube, dan penulisan daripada puluhan ribu filem dan rancangan televisyen. Lebih banyak set data akan terus ditambahkan ke enjin carian tersebut.
Pemeriksaan oleh Malay Mail mendapati bahawa sekurang-kurangnya 1,000 lagu oleh artis Malaysia juga muncul dalam set data yang didedahkan. Senarai itu termasuk nama legenda seperti Allahyarham Tan Sri P. Ramlee, Datuk Sudirman, serta biduanita negara Datuk Seri Siti Nurhaliza. Aksi dan kumpulan indie tempatan juga ditemui dalam set data, termasuk Carburetor Dung, Butterfingers, Hujan, Spooky Wet Dreams dan Yuna.
Bagaimanapun, kehadiran nama-nama ini dalam set data tidak mengesahkan bahawa karya mereka digunakan untuk melatih model AI. "Kehadiran karya dalam set data bukan bukti muktamad bahawa ia digunakan. Syarikat sering menggunakan pelbagai set data dalam latihan, jadi ketiadaan karya tertentu juga bukan bukti bahawa ia tidak digunakan," tulis The Atlantic di halaman AI Watchdog.
