Les ensembles de données de formation musicale AI comprennent plus de 21 millions de chansons protégées par des droits d'auteur

Des découvertes récentes ont identifié que des millions de chansons protégées par des droits d'auteur sont présentes dans des ensembles de données utilisés pour former des modèles de musique d'intelligence artificielle. Ce développement est notable en raison de l'échelle de la musique incluse et de l'implication de plusieurs entreprises technologiques dans la recherche sur l'IA.

Une enquête menée par The Atlantic a révélé que quatre ensembles de données distincts utilisés pour la formation musicale AI contiennent collectivement plus de 21 millions d'enregistrements protégés par des droits d'auteur. Ces ensembles de données sont diffusés parmi les développeurs d'IA et incluent des œuvres d'un large éventail d'artistes.

La plus grande de ces collections, LAION-DISCO-12M, contient environ 12,6 millions de morceaux provenant de liens.

YouTube, tandis qu'une autre, Sleeping-DISCO-9M, contient environ 9 millions de morceaux obtenus à partir de musique commerciale. Deux ensembles de données supplémentaires contiennent chacun plus de 100 000 enregistrements, élargissant encore la portée de la musique disponible pour la formation de l'IA.

La musique d'artistes reconnus internationalement tels que Taylor Swift, Bad Bunny, Billie Eilish, Nirvana, Pearl Jam, les Beatles, Nick Cave et Kylie Minogue est incluse dans ces ensembles de données. La présence de tels artistes met en évidence la large gamme de matériel protégé par des droits d'auteur impliqué.

Ce que les chiffres montrent

• Plus de 21 millions de chansons protégées par des droits d'auteur sont présentes dans quatre ensembles de données
• LAION-DISCO-12M contient environ 12,6 millions de morceaux
• Sleeping-DISCO-9M détient environ 9 millions de morceaux extraits de musique commerciale
• Deux ensembles de données plus petits contiennent chacun plus de 100 000 enregistrements
• Un musicien a découvert que 71 % de sa discographie était incluse dans les ensembles de données

Google et Stability AI ont confirmé dans leurs recherches publiées qu'ils ont utilisé l'ensemble de données Free Music Archive, qui est l'une des collections identifiées dans l'enquête. Cependant, l'inclusion d'une chanson dans ces ensembles de données ne confirme pas automatiquement son utilisation dans la formation de modèles d'IA, car les entreprises peuvent exclure certaines œuvres durant le processus.

The Atlantic a introduit un outil accessible au public appelé “AI Watchdog”, qui permet aux artistes de rechercher leurs chansons au sein des quatre ensembles de données. Cet outil offre aux musiciens un moyen de vérifier si leur travail a été inclus dans ces collections à grande échelle.

Un musicien indépendant basé à Nashville a utilisé l'outil AI Watchdog et a découvert que 48 de ses chansons, représentant 71 % de sa discographie totale, apparaissaient dans les ensembles de données. Cet exemple illustre comment les artistes individuels peuvent être affectés par l'inclusion de leur musique dans les ressources de formation de l'IA.

Les ensembles de données ont été compilés à partir de diverses sources, y compris YouTube et des plateformes de musique commerciale. La large gamme de musique dans ces collections démontre l'étendue des efforts de formation de l'IA dans le secteur musical.

* Cet article est basé sur des informations publiquement disponibles au moment de la rédaction.