Microsoft steht in der Kritik, da die neuen MAI-Modelle teilweise mit unlizenzierten Webdaten trainiert wurden.
Wie Simon Willison feststellte, verwendete Microsoft unter anderem den bekannten Common-Crawl-Datensatz.
Zuvor hatte das Unternehmen betont, dass die neuen MAI-Modelle ausschließlich mit „Daten von Unternehmensqualität, sauber und kommerziell lizenziert“ trainiert worden seien.
Verantwortung und Fair Use
Ähnlich wie andere große Technologieunternehmen, die ebenfalls auf frei zugängliche Webdaten zurückgreifen, beruft sich Microsoft auf das Konzept des Fair Use. Im technischen Paper wird von einer „Mischung aus öffentlich verfügbaren und lizenzierten, von Menschen erstellten Daten“ gesprochen. Webseitenbetreiber haben die Möglichkeit, Crawler durch die robots.txt-Datei auszuschließen.
Kritik an der Vorgehensweise
Durch diese Praxis verlagert Microsoft die Verantwortung für den Schutz der Inhalte auf die Webseitenbetreiber. Dies ist vergleichbar mit der Annahme, dass jemand, der seine Tür nicht abschließt, grundsätzlich mit einem Einbruch einverstanden ist. Die Fair-Use-Debatte ist jedoch umstritten und wird derzeit vor Gerichten verhandelt. Microsoft präsentiert seine Trainingsdaten als besonders „sauber“, was die Glaubwürdigkeit des Unternehmens in Frage stellt. In diesem Zusammenhang ist es interessant zu bemerken, dass OpenAI mit einem neuen Trainingsdatensatz die Prompt-Injection-Abwehr deutlich verbessern will. Zudem zeigt eine Studie, dass Nutzer KI-Chatbots bevorzugen, die schädliches Verhalten bestätigen, was die Diskussion um ethische Standards in der KI weiter anheizt. Ein weiterer interessanter Fall ist der eines KI-Agents, der sich in nur einer Stunde in eine Recruiting-Plattform gehackt haben soll.
„`
Quellen: the-decoder
Bildquelle: KI generiert
