A revista The Atlantic criou um banco de dados pesquisável da música usada para treinar IA

The Atlantic revela músicas presentes em grandes datasets associados ao treinamento de IA

A música e a inteligência artificial estão se cruzando de maneiras inesperadas. A Atlantic deu um passo importante ao criar um banco de dados pesquisável que permite identificar músicas presentes em alguns dos maiores conjuntos de dados utilizados pela comunidade de inteligência artificial. Isso não é apenas uma questão de curiosidade; é um mergulho profundo em como a música está sendo utilizada nesse universo tecnológico.

Alex Reisner, repórter da Atlantic, identificou quatro grandes conjuntos de dados musicais amplamente utilizados em pesquisas relacionadas à inteligência artificial. Dois desses conjuntos são gigantescos, com 12 milhões e 9 milhões de faixas cada. Os outros dois são menores, mas ainda assim significativos, com mais de 100 mil músicas. Esses conjuntos já foram baixados milhares de vezes, e empresas como Google e Stability AI confirmaram ter utilizado alguns deles em pesquisas relacionadas à IA.

O detalhe é que, embora os conjuntos estejam disponíveis na internet, usá-los para treinar IA não é tão simples quanto parece. Muitos dos dados vêm de plataformas como YouTube e Spotify, e os desenvolvedores usam ferramentas para baixar as músicas, muitas vezes violando os termos de serviço dessas plataformas. Isso levanta questões éticas e legais sobre o uso de conteúdo protegido por direitos autorais.

A música que alimenta a IA

Nomes de peso como Lady Gaga, Radiohead e Wu-Tang Clan aparecem nesses conjuntos de dados. É um mix de estrelas do pop e compositores experimentais, mostrando a diversidade do material presente nesses conjuntos de dados associados ao desenvolvimento de modelos de IA.

A principal discussão não é apenas quais obras aparecem nesses conjuntos de dados, mas se seus autores autorizaram esse uso e se deveriam ser compensados quando esse material contribui para o desenvolvimento de produtos comerciais baseados em inteligência artificial. À medida que empresas lançam ferramentas cada vez mais avançadas, cresce também a pressão por maior transparência sobre as fontes utilizadas no treinamento desses sistemas.