Hàng triệu video tin tức YouTube bị dùng để huấn luyện AI trái phép

Tháng trước, tờ The Atlantic công bố loạt điều tra mới về nguồn dữ liệu mà các công ty công nghệ sử dụng để huấn luyện trí tuệ nhân tạo tạo sinh. Nhà báo Alex Reisner tiết lộ ít nhất 15 triệu video tin tức trên YouTube đã bị khai thác trái phép cho mục đích nghiên cứu hoặc để phát triển các mô hình video AI thương mại. Trong danh sách này có video của nhiều hãng truyền thông lớn như The New York Times, Al Jazeera, Fox News, Bloomberg và Vox.

Các nhà báo phát hiện những tập dữ liệu khổng lồ này đang được dùng bởi các công ty công nghệ hàng đầu như Microsoft, Meta, ByteDance (công ty mẹ của TikTok), Tencent, Snap và Runway - đơn vị đứng sau mô hình tạo video AI nổi tiếng Gen-3.

alexander-shatov-niUkImZcSP8-unsplash (1)
Ảnh minh họa: Unsplash

Runway được cho là đã thu thập hơn 8.000 video từ kênh YouTube của The New York Times để huấn luyện Gen-3. Những video đó bao gồm phim tài liệu, phỏng vấn Barack Obama, phóng sự biểu tình ở Hồng Kông và nhiều nội dung tin tức khác. Một tài liệu nội bộ của công ty cho biết họ đánh giá cao video tin tức vì “tính kể chuyện và đồ họa hấp dẫn”.

Không chỉ Runway, nhiều tập dữ liệu khác do các trường đại học và công ty nghiên cứu phát triển - như HD-VILA-100M của Microsoft Research hay YT-Temporal-180M của Đại học Washington - cũng bị phát hiện chứa hàng chục nghìn video tin tức từ YouTube. Những bộ dữ liệu này sau đó được chia sẻ công khai, tải xuống hàng nghìn lần và có thể đã được nhiều công ty AI khác sử dụng để huấn luyện mô hình video của riêng họ.

Giám đốc điều hành YouTube, Neal Mohan, từng khẳng định việc tải video YouTube cho mục đích huấn luyện AI là vi phạm điều khoản sử dụng của nền tảng. Tuy nhiên, trên thực tế, các bộ dữ liệu nói trên vẫn đang được lưu hành rộng rãi mà không bị chặn.

Các hãng truyền thông bị ảnh hưởng tỏ ra phẫn nộ. Đại diện Vox Media cho biết các công ty AI đang “chi hàng tỷ USD cho phần cứng nhưng gần như không trả gì cho nội dung giúp mô hình của họ hoạt động tốt hơn”. The New York Times cũng khẳng định chưa bao giờ cho phép Runway hay bất kỳ bên nào khác sử dụng video của mình và đang xem xét hành động pháp lý.

Không chỉ các hãng lớn, nhiều kênh YouTube độc lập cũng bị ảnh hưởng. David Pakman - chủ kênh The David Pakman Show - nói việc hàng chục nghìn video của ông bị lấy đi là hành vi “xâm phạm bản quyền quy mô lớn”. Người dẫn chương trình Sam Seder của The Majority Report thì chỉ trích rằng các công ty AI đang “chiếm đoạt văn hóa chính trị độc lập mà họ không hề tạo ra”.

Theo quy định hiện nay, người đăng video lên YouTube vẫn giữ bản quyền, nhưng chỉ YouTube mới có quyền sử dụng video đó cho việc huấn luyện các mô hình AI của chính họ, chẳng hạn như Gemini hoặc Veo của Google. Việc các công ty khác lấy video từ YouTube để huấn luyện AI là hoàn toàn trái phép.

Phát ngôn viên The New York Times kết luận: “Công nghệ không thể phát triển bằng cách cướp đi công sức của những người làm báo. Nếu AI tiếp tục lấy nội dung miễn phí mà không trả công xứng đáng, người thiệt cuối cùng chính là công chúng”.

Xem thêm

Độc giả ngày càng tin nhà báo hơn thương hiệu báo chí

Độc giả ngày càng tin nhà báo hơn thương hiệu báo chí

(CLO) Các số liệu và thảo luận tại nhiều sáng kiến của Hiệp hội Tin tức và Truyền thông Quốc tế (INMA) cho thấy mối quan hệ giữa độc giả với từng nhà báo, người sáng tạo nội dung đang ngày càng có giá trị, trong khi sức mạnh của thương hiệu báo chí truyền thống không còn đủ để giữ chân công chúng.

Luật Báo chí 2025: Cơ hội mới, động lực mới cho báo chí địa phương

Luật Báo chí 2025: Cơ hội mới, động lực mới cho báo chí địa phương

(CLO) Với các cơ quan báo chí địa phương, tác động của Luật Báo chí 2025 không chỉ nằm ở những quy định mới về quản lý hoạt động báo chí. Điều đáng chú ý hơn là một tư duy mới đang được đặt ra: từ “thuần quản lý hành chính” sang “đồng hành và kiến tạo phát triển” trong môi trường truyền thông số.

Tương lai ngành truyền thông: AI làm tin thường nhật, nhà báo tập trung tạo nội dung khác biệt

Tương lai ngành truyền thông: AI làm tin thường nhật, nhà báo tập trung tạo nội dung khác biệt

(CLO) Sau một tuần tham dự Hội nghị bàn tròn CEO của INMA tại Vail (Mỹ), với sự góp mặt của khoảng 40 lãnh đạo các tổ chức báo chí, nhiều quan điểm về tương lai ngành truyền thông đã được đưa ra, trong đó nổi bật là việc tự động hóa các công việc thường nhật và tăng đầu tư vào những nội dung tạo khác biệt.

Khi AI ngày càng mạnh, tòa soạn phải mạnh lên từ bên trong

Khi AI ngày càng mạnh, tòa soạn phải mạnh lên từ bên trong

(CLO) Rời xa giai đoạn thí điểm rời rạc, báo chí đang bước vào kỷ nguyên ứng dụng AI sâu vào quy trình và hạ tầng. Cuộc đua công nghệ giờ đây không thuộc về ai sở hữu nhiều công cụ hơn, mà được định đoạt bởi năng lực biến dữ liệu và tri thức tòa soạn thành sức mạnh nội tại.

Luật Báo chí 2025: Cơ quan báo chí được liên kết sản xuất nội dung, bổ sung nguồn thu mới

Luật Báo chí 2025: Cơ quan báo chí được liên kết sản xuất nội dung, bổ sung nguồn thu mới

(CLO) Luật Báo chí 2025 cho phép cơ quan báo chí liên kết với cơ quan báo chí khác, tổ chức, cá nhân trong và ngoài nước để cùng sản xuất nội dung. Luật cũng bổ sung các nguồn thu từ bán quyền đọc, nghe, xem, cấp phép khai thác, sử dụng tác phẩm báo chí; đồng thời quy định cụ thể hơn về xuất nhập khẩu sản phẩm báo chí.

Bản quyền báo chí giữa 'cơn lốc' sao chép và khai thác dữ liệu

Bản quyền báo chí giữa 'cơn lốc' sao chép và khai thác dữ liệu

(CLO) Một bài báo có thể mất nhiều ngày tác nghiệp, xác minh, biên tập nhưng chỉ cần vài phút để bị sao chép. Video bị cắt ghép, livestream lại; dữ liệu bị tự động "cào" cho các hệ thống công nghệ. Công nghệ giúp báo chí lan xa hơn, nhưng cũng khiến tài sản trí tuệ của tòa soạn dễ bị khai thác hơn bao giờ hết.

Tòa soạn của tương lai sẽ được điều hành bằng dữ liệu

Tòa soạn của tương lai sẽ được điều hành bằng dữ liệu

(NB&CL) Cuộc cạnh tranh của báo chí đang thay đổi. Trong kỷ nguyên AI, khoảng cách giữa các tòa soạn sẽ không còn được tạo ra bởi việc ứng dụng thêm một công nghệ mới, mà bởi năng lực quản trị, khả năng tổ chức dữ liệu và những lựa chọn chiến lược được thực hiện từ hôm nay. Khi công nghệ dần trở thành điều kiện phổ biến, dữ liệu sẽ là yếu tố quyết định năng lực cạnh tranh và vị thế của mỗi cơ quan báo chí.

Chuyên gia Lê Quốc Vinh: 'Đổi mới sáng tạo lớn nhất của báo chí là thực hiện tốt hơn vai trò hạ tầng niềm tin'

Chuyên gia Lê Quốc Vinh: 'Đổi mới sáng tạo lớn nhất của báo chí là thực hiện tốt hơn vai trò hạ tầng niềm tin'

(CLO) “Trong một thế giới mà thông tin ngày càng dư thừa nhưng niềm tin ngày càng khan hiếm, đổi mới sáng tạo lớn nhất của báo chí có lẽ không nằm ở việc sản xuất thêm nội dung, mà ở việc thực hiện tốt hơn vai trò hạ tầng niềm tin cho phát triển” - ông Lê Quốc Vinh, Chủ tịch Le Group of Companies, nhấn mạnh khi đề xuất cách tiếp cận 'Báo chí Hạ tầng Niềm tin'.

VnExpress: Làm chủ dữ liệu để hiểu độc giả và tối ưu sản phẩm

VnExpress: Làm chủ dữ liệu để hiểu độc giả và tối ưu sản phẩm

(NB&CL) Với VnExpress, xây dựng năng lực dữ liệu bắt đầu từ nhu cầu trả lời những câu hỏi rất cụ thể về độc giả và sản phẩm: Vì sao pageview tăng hoặc giảm? Độc giả là ai? Họ đến và đi vì điều gì? Làm thế nào để kéo họ quay lại và tương tác? Sau nhiều năm xây dựng hệ thống riêng, dữ liệu trở thành một phần trong cách tòa soạn phân tích nội dung, hiểu độc giả và vận hành sản phẩm.

AI mạnh đến đâu, phụ thuộc dữ liệu đến đó

AI mạnh đến đâu, phụ thuộc dữ liệu đến đó

(NB&CL) AI đang đi rất nhanh từ một công nghệ được báo chí thử nghiệm sang một năng lực được tích hợp vào hoạt động tác nghiệp. Nhưng phía sau những mô hình ngôn ngữ ngày càng mạnh vẫn tồn tại một điều kiện nền tảng: AI chỉ thực sự tạo ra giá trị khi nó được cung cấp dữ liệu đủ tốt, đủ ngữ cảnh và có thể sử dụng một cách đáng tin cậy.

Tòa soạn không thiếu dữ liệu, mà thiếu năng lực khai thác

Tòa soạn không thiếu dữ liệu, mà thiếu năng lực khai thác

(NB&CL) Một tòa soạn có thể tích lũy hàng triệu bài viết, hình ảnh, video sau nhiều năm hoạt động nhưng chưa chắc đã sở hữu một kho dữ liệu có giá trị. Khi thông tin còn phân tán, thiếu cấu trúc và khó kết nối, dữ liệu dù nhiều vẫn chưa thể trở thành nguồn lực tạo ra những giá trị mới.

Cỡ chữ bài viết: