درجة ثقة المجتمعموثّق
تعرّضت Suno للكشف. تسريب لكود المصدر أزاح الستار عن كيفية بناء شركة الذكاء الاصطناعي الناشئة لنماذجها، والجواب هو كمية هائلة من البيانات المستخرجة من Deezer وYouTube وPond5.
التسريب لافت للنظر في دقته. فهو لا يشير بشكل غامض إلى “المحتوى المتاح للجمهور”، بل يظهر آلاف الساعات من المواد الصوتية والمرئية المأخوذة من ثلاثة من الأسماء الأكثر شهرة في مجال البث الإعلامي والإعلام المخزون. Deezer، المنصة الفرنسية للموسيقى التي تحتوي على عشرات الملايين من المقاطع. YouTube، الذي يعد أكبر مكتبة فيديو في العالم. Pond5، سوق الإعلام المخزون الذي يرخّص الموسيقى والمؤثرات الصوتية واللقطات للمبدعين. تشكل هذه المصادر الثلاثة معًا ما يبدو أنه العمود الفقري لخط إنتاج تدريب الذكاء الاصطناعي لـ Suno، على الأقل بناءً على ما يظهره الكود المسرب.
لم تصدر Suno أي تصريح علني حول الموضوع. لا بيان، لا توضيح، لا رد. هذا الصمت يؤدي دورًا كبيرًا حاليًا.
ما الذي يظهره الكود المسرب بالفعل
يوفر الكود نظرة نادرة ومفصلة على كيفية بناء Suno لمكتبة تدريبها. إنه ليس مخططًا معماريًا عالي المستوى، بل هو مفصل بما يكفي ليظهر من أين تأتي البيانات وكيف تُستخدم إلى حد ما. من المحتمل أن تتم معالجة المحتوى الصوتي والمرئي المستخرج من هذه المنصات لمساعدة الذكاء الاصطناعي على تعلم الأنماط: الإيقاع، النغمة، الهيكل، وكيفية تحرك الموسيقى عبر الزمن. هذا هو الهدف من تغذية الذكاء الاصطناعي بهذا النوع من المواد. تريد أن يستوعب ما يبدو ويشعر به المحتوى الجيد قبل أن يحاول إنتاج أي شيء.
الحجم هنا مهم. آلاف الساعات تمثل حجمًا كبيرًا. يتطلب تدريب نموذج ذكاء اصطناعي توليدي قادر مجموعات بيانات ضخمة، وكلما كانت البيانات متنوعة وعالية الجودة، كان الناتج أفضل. يوفر السحب من Deezer وYouTube وPond5 لـ Suno الوصول إلى مجموعة واسعة للغاية من الأنواع والأساليب الإنتاجية والصيغ الصوتية. من المحتمل أن يكون هذا التنوع مقصودًا.
لكن السؤال حول ما إذا كانت أي من هذه البيانات مرخصة – أو ما إذا كانت المنصات على علم بأن محتواها يُستخدم بهذه الطريقة – لم يُجب عليه في أي مكان في التسريب. ولم تملأ Suno هذا الفراغ.
حقوق الطبع والنشر وأخلاقيات البيانات تصبح معقدة بسرعة
الأرضية القانونية هنا غامضة. لم يتم تسويتها حقًا، في أي مكان، ما إذا كان استخراج الصوت من منصة مثل YouTube أو Deezer لأغراض تدريب الذكاء الاصطناعي مسموحًا به بموجب قانون حقوق الطبع والنشر. شروط خدمة YouTube الخاصة تحظر الاستخراج بدون تفويض. يرخّص Pond5 محتواه لاستخدامات محددة، و”تدريب نموذج ذكاء اصطناعي منافس” ربما ليس أحدها.
لا يعني أي من ذلك أن Suno بالتأكيد خالفت أي قواعد. ربما كانت هناك اتفاقيات ترخيص قائمة لم يلتقطها الكود. ربما تمت معالجة البيانات بطرق تقع تحت حجج الاستخدام العادل التي لم تختبرها المحاكم بالكامل بعد. غير واضح. لكن حقيقة أن Suno لم تقل شيئًا علنيًا تجعل من الصعب منحها فائدة الشك.
وليس الأمر مجرد قضية قانونية. هناك بُعد أخلاقي حقيقي لهذا الأمر الذي كانت صناعة الموسيقى تصرخ بشأنه منذ بضع سنوات. شاهد الفنانون وأصحاب الحقوق شركات الذكاء الاصطناعي تبني أدوات توليد متقدمة – أدوات يمكنها إنتاج موسيقى تبدو بشكل مخيف مثل التسجيلات الحقيقية – دون أي تعويض يعود للأشخاص الذين دربت أنظمتهم. Suno هي واحدة من الشركات في مركز هذا الصراع. رفعت جمعية صناعة التسجيلات الأمريكية دعوى حقوق طبع ونشر ضد Suno العام الماضي. لا يزال هذا القضية في طريقها عبر المحاكم.
لن يساعد الكود المسرب موقف Suno في هذا التقاضي.
ما الذي سيحدث بعد ذلك لـ Suno والصناعة
كانت صناعة الذكاء الاصطناعي الأوسع تحت ضغط متزايد لتكون أكثر شفافية بشأن بيانات التدريب. دفع المنظمون في الاتحاد الأوروبي باتجاه متطلبات الإفصاح بموجب قانون الذكاء الاصطناعي. في الولايات المتحدة، الصورة أقل وضوحًا، لكن الضغط من أصحاب الحقوق والمشرعين كان يتزايد بثبات.
من المحتمل أن تسرع حالة Suno بعض هذه المحادثات. إذا كان يمكن لتسريب كود المصدر أن يكشف هذا القدر عن مصادر بيانات شركة، فإنه يثير سؤالًا واضحًا: ما الذي تفعله الشركات الأخرى في مجال الموسيقى والإعلام بالذكاء الاصطناعي ولم يتسرب بعد؟ من المؤكد أن المنافسين في مجال الصوت التوليدي يسحبون من مجموعات محتوى مماثلة. الفرق هو أن ممارسات Suno الآن مرئية بطريقة ليست كذلك للآخرين.
بالنسبة لـ Deezer وYouTube وPond5، يخلق التسريب صداعًا خاصًا به. لم يعلق أي منهم على ما إذا كانوا قد سمحوا بهذا الاستخدام لمحتواهم. على وجه الخصوص، وضعت Deezer نفسها كمنصة صديقة للشركاء للفنانين – وظهور كتالوجها في مجموعة بيانات تدريب ذكاء اصطناعي مسربة، بدون أي صفقة ظاهرة، ليس مظهرًا جيدًا.
كود المصدر لـ Suno الآن في العلن. مكتبة التدريب الخاصة بالشركة، المبنية على آلاف الساعات من ثلاث منصات رئيسية، لم تعد سرًا.
الأسئلة الشائعة
ما هي المنصات التي يظهرها الكود المسرب لـ Suno كمصادر بيانات؟
يظهر الكود المسرب أن Suno استخدمت بيانات من Deezer وYouTube وPond5، حيث سحبت آلاف الساعات من المحتوى الصوتي والمرئي لتدريب نماذج الذكاء الاصطناعي الخاصة بها.
هل استجابت Suno لتسريب كود المصدر؟
لا. حتى وقت نشر هذا التقرير، لم تقم Suno بالرد علنًا على التسريب أو توضيح ممارسات الحصول على البيانات والترخيص الخاصة بها.
