Полистай модели и стили, что стоят за такими историями — бесплатный аккаунт, галерея сразу.
Журналист The Atlantic Алекс Райснер опубликовал полностью доступную для поиска публичную базу данных четырёх музыкальных датасетов, использованных для обучения ИИ-моделей, — два из них содержат 12 миллионов и 9 миллионов треков соответственно, что делает этот ресурс наиболее полным публичным отчётом об обучающих данных для ИИ в области музыки на сегодняшний день.
Расследование Райснера, опубликованное в The Atlantic, позволило выявить четыре датасета — с помощью сочетания утечек информации и открытых исследований. Два из них огромны по любым меркам: один содержит около 12 миллионов треков, другой — около 9 миллионов. Оставшиеся два меньше по объёму, однако по-прежнему представляют собой значительные обучающие корпуса. В совокупности они образуют датасет, который превосходит большинство публично раскрытых обучающих наборов ИИ в любой творческой области.
Интерфейс поиска позволяет любому пользователю ввести имя исполнителя или название песни и проверить, присутствуют ли они в базе. Это существенный сдвиг по сравнению с привычной ситуацией, когда обучающие данные либо не раскрываются, либо скрыты в технических статьях, которые большинство авторов никогда не читают. Правообладатели, давно подозревавшие, что их произведения использовались без разрешения, теперь имеют конкретный инструмент для проверки.
Это раскрытие не происходит в вакууме. Многочисленные текущие судебные иски — от музыкантов, звукозаписывающих лейблов и художников — поставили разработчиков ИИ в неудобное положение относительно источников их обучающих данных. Суды в США и Европе борются с вопросом о том, является ли сбор охраняемых авторским правом материалов для обучения ИИ добросовестным использованием или нарушением, и пока ни одно окончательное решение не урегулировало этот вопрос.
Для разработчиков ИИ момент неудобный. Ряд крупных музыкальных ИИ-инструментов был запущен или расширен в 2024–2025 годах, и вопрос о том, на чём обучались эти модели, теперь всё сложнее обходить стороной. Доступная для поиска база данных, которую может запросить любой журналист, юрист или художник, полностью меняет расстановку сил — она превращает абстрактную юридическую дискуссию в конкретный, проверяемый факт.
Это важно не только для музыки. Та же правовая логика, которая применяется к обучению на охраняемых авторским правом песнях, применима к обучению на охраняемых авторским правом изображениях, иллюстрациях и визуальном искусстве. База данных The Atlantic — это доказательство концепции: обучающие данные можно документировать, делать доступными для поиска и использовать в качестве доказательств. Если аналогичные базы данных появятся для наборов обучающих изображений — а исследователи уже начали создавать их в академическом контексте — давление на провайдеров моделей генерации изображений усилится.
Для авторов, использующих инструменты ИИ для работы с изображениями, практическим следствием является риск, связанный с моделями: платформы, которые не могут подтвердить чистоту или лицензионность обучающих данных, с большей вероятностью столкнутся с судебными претензиями, принудительным отзывом модели или ограничениями на результаты, продиктованными условиями мирового соглашения. При выборе инструментов для генерации изображений с помощью ИИ, вокруг которых строится рабочий процесс, происхождение обучающих данных — это уже не просто этический вопрос, а вопрос непрерывности бизнеса.
Это также поднимает более сложный вопрос о будущей структуре затрат на ИИ-модели. Лицензирование музыки и визуального искусства в масштабе обходится дорого. Если суды или регуляторы подтолкнут разработчиков ИИ к использованию лицензированных обучающих данных, экономика дешёвых или бесплатных генеративных инструментов существенно изменится. Изучить актуальные варианты моделей и тарифы до того, как это давление материализуется, стоит уже сейчас, пока ситуация ещё относительно открыта.
База данных Райснера не разрешит лежащие в основе юридические споры, однако задаёт прецедент того, как может выглядеть подотчётность в отношении обучающих данных на практике — и этот прецедент теперь лежит на столе юридических команд каждого разработчика ИИ.
