Büyük dil modelleri, eğitim verilerinde web sayfalarından, kitaplardan ve diğer metin gövdelerinden öğrenilen sözcük kalıplarına dayalı olarak metin dizileri oluşturabilir. Programlar, ChatGPT’nin yanı sıra Microsoft Bing sohbeti ve Google’ın Bard’ı gibi arama sohbet robotlarının temelini oluşturur ve bir anda profesyonel ve yaratıcı kopyalar üreten sayıları giderek artan uygulamaların temelini oluşturur. AI ile oluşturulmuş illüstrasyonlar ve videolar oluşturan benzerleri, Pinterest ve Flickr’dan toplanan fotoğraflar gibi görüntü veri kümelerinden desenler kullanır.
Genellikle, yapay zeka geliştirmede kullanılan veri kümeleri, web sitelerinden içerik sıyıran yazılım gönderme gibi resmi olmayan yollarla oluşturulur. ABD’de bu genellikle yasal olarak kabul edilir, ancak telif hakkı sorunları ve web sitelerinin uygulamaya karşı kullanım koşulları onu tartışmalı hale getirmiştir.
Reddit ve Stack Overflow gibi birkaç web sitesi daha davetkar oldu. Yazılımın API’ler olarak bilinen içeriklerine erişmesine yardımcı olmak için indirilebilir “veri dökümleri” veya gerçek zamanlı veri portalları sunarlar. Chandrasekar, Stack Overflow örneğinde, LLM geliştiricilerinin veri dökümleri, API’ler ve kazıma yoluyla ele geçirdiğini ve bugün bunların hepsinin ücretsiz olarak yapılabileceğini söylüyor.
Ancak Chandrasekar, LLM geliştiricilerinin Stack Overflow’un hizmet şartlarını ihlal ettiğini söylüyor. Kullanıcılar, Hizmet Şartlarında belirtildiği gibi Stack Overflow’ta yayınladıkları içeriğin sahibidir, ancak tümü, daha sonra verileri kullanan herkesin nereden geldiğini belirtmesini gerektiren bir Creative Commons lisansı kapsamındadır. Chandrasekar, AI şirketleri modellerini müşterilere sattıklarında, “soruları ve cevapları modeli eğitmek için kullanılan topluluk üyelerinin her birini ilişkilendiremezler ve bu nedenle Creative Commons lisansını ihlal ederler” diyor Chandrasekar.
Ne Stack Overflow ne de Reddit fiyatlandırma bilgisi yayınlamadı. Reddit sözcüsü Tim Rathschmidt, “Konuştuğumuz sırada bunun üzerinde çalışıyoruz ve önümüzdeki haftalarda ortaklarımızla daha fazlasını paylaşacağız” diyor. Chandrasekar, Stack Overflow’un Reddit’in stratejisini inceleyecek ve kendi potansiyel müşterilerine danışacağını söylüyor.
Fiyatlandırmaya yönelik potansiyel bir yol haritası, bu ay Twitter verilerine erişim için fiyatları artıran Elon Musk’tan gelebilir. 50 milyon tweet’e erişim için ayda 42.000 dolardan başlıyorlar. Tweet hacminin yaklaşık üç katı daha önce ücretsiz olarak mevcuttu. İçinde bu hafta bir tweetMusk, büyük bir AI geliştiricisi ve OpenAI’nin yakın ortağı olan Microsoft’u eğitim algoritmalarını “Twitter verilerini yasa dışı bir şekilde kullanmakla” suçladı. Ayrıntıya girmeden, “Dava zamanı” diye ekledi.
Hem Stack Overflow hem de Reddit, verileri bazı kişi ve şirketlere ücretsiz olarak lisanslamaya devam edecek. Chandrasekar, Stack Overflow’un yalnızca büyük, ticari amaçlar için LLM’ler geliştiren şirketlerden ücret istediğini söylüyor. “İnsanlar bizimki gibi topluluk tarafından oluşturulmuş sitelerde oluşturulan ürünler için ücret almaya başladığında, bu adil kullanım değildir” diyor.
Reddit CEO’su Steve Huffman söyledi New York Times bu hafta dünyanın en büyük şirketlerine bedava vermek istemediğini söyledi. “Reddit’te gezinmek, değer üretmek ve bu değerin hiçbirini kullanıcılarımıza geri döndürmemek, sorunumuz olan bir şey” dedi.
