AI பயிற்சிக்குப் பயன்படுத்தப்பட்ட இசையை The Atlantic வெளிப்படுத்துகிறது

ஒரு பொது குறியீடு AI இசைப் பயிற்சி தரவைக் கண்முன் கொண்டுவந்துள்ளது

The Atlantic உருவாக்கிய புதிய தேடக்கூடிய தரவுத்தளம் AI குழாயின் பெரிதும் மறைக்கப்பட்ட ஒரு பகுதியை பொதுமக்களின் பார்வைக்கு கொண்டுவருகிறது: உருவாக்கும் (generative) அமைப்புகளைப் பயிற்றுவிக்க பயன்படுத்தப்பட்ட இசைத் தரவுத்தொகுப்புகள். The Verge வெளியிட்ட இந்தத் திட்டம் குறித்த செய்திப்படி, Atlantic நிருபர் Alex Reisner AI இசைப் பயிற்சியுடன் தொடர்புடைய நான்கு தரவுத்தொகுப்புகளை அடையாளம் கண்டு, வெளியீட்டின் AI Watchdog முயற்சியின் மூலம் அவற்றை தேடக்கூடியதாக மாற்றினார். இதன் விளைவு ஒரு தொழில்நுட்ப வளம் மட்டுமல்ல. இது கலைஞர்கள், உரிமையாளர்கள், ஆராய்ச்சியாளர்கள் மற்றும் பொதுமக்களுக்கான வெளிப்படைத்தன்மை கருவி.

அளவுதான் முதலில் கவனத்தை ஈர்க்கிறது. அந்தத் தரவுத்தொகுப்புகளில் இரண்டில் முறையே சுமார் 12 மில்லியன் மற்றும் 9 மில்லியன் பாடல்கள் உள்ளன; மற்ற இரு சிறிய தொகுப்புகளிலும் ஒவ்வொன்றில் 100,000-க்கும் மேற்பட்ட பாடல்கள் உள்ளன. அதனால் இந்த தரவுத்தளம் அரிதாகக் காணப்படும் பயிற்சி உள்ளடக்கத்தின் சிறிய மாதிரியை மட்டும் காட்டவில்லை. இது முக்கிய கலைஞர்கள், அண்டர்கிரவுண்ட் இசைக் குழுக்கள், மற்றும் பரிசோதனை இசைக்கலைஞர்கள் வரை பரவியுள்ள, தொழில்துறை அளவிலான ஒலி குறிப்புகளின் விநியோகச் சங்கிலியை வெளிச்சத்தில் கொண்டு வருகிறது.

அந்தத் தரவுத்தொகுப்புகளில் காணப்படுவதாக அறிக்கையிடப்பட்ட பெயர்கள் அந்தப் பரப்பளவை காட்டுகின்றன. The Verge கூறுவதன்படி, தேடக்கூடிய பதிவுகளில் Lady Gaga, Fred Again.., Radiohead, Aphex Twin, Wu-Tang Clan, Bruce Springsteen, மற்றும் Hainbach போன்ற கலைஞர்கள் இடம்பெற்றுள்ளனர். உருவாக்குநர்களுக்கு, இது விவாதத்தை அப்ஸ்ட்ராக்ஷனிலிருந்து துல்லியத்திற்குக் கொண்டு செல்கிறது. AI மாதிரிகள் பதிப்புரிமையால் பாதுகாக்கப்பட்ட அல்லது வணிகக் கட்டுப்பாட்டிலுள்ள உள்ளடக்கத்திலிருந்து கற்றுக்கொண்டிருக்கலாமா என்ற கேள்வி, கலைஞர்கள் தங்களது சொந்த பணியைத் தேடிப் பார்க்க முடியும் நிலையில் இனி கோட்பாடாக மட்டும் இல்லை.

ஒரே ஒரு தரவுத்தளத்தைத் தாண்டிய முக்கியத்துவம்

AI பயிற்சி தொடர்பான சர்ச்சைகள் பெரும்பாலும் காட்சிப்படுத்தப்படுதலையே மையமாகக் கொண்டுள்ளன. மாதிரி உருவாக்குநர்கள் பயிற்சி செயல்முறைகளைப் பரவலான சொற்களில் விவரிக்கலாம்; ஆனால் தங்களது பணி மேல்நிலை (upstream) தரவில் இருக்கிறதா என்பதைப் பார்க்க உருவாக்குநர்களுக்குப் பொதுவாக நடைமுறை வழி இல்லை. தேடக்கூடிய குறியீடு அந்தத் தகவல் இடைவெளியைக் குறைக்கிறது. இது எந்த ஒரு மாதிரியும் எவ்வாறு பயிற்றுவிக்கப்பட்டது என்பதைத் தனித்து நிரூபிப்பதில்லை, மேலும் பொறுப்பையும் நிறுவுவதில்லை. ஆனால் சில தரவுத்தொகுப்புகள் இருந்தன, பரவின, மேலும் உருவாக்குநர்களுக்கு கிடைக்கக்கூடியதாக இருந்தன என்பதற்கான சாட்சியத்தை அது வழங்குகிறது.

The Verge அறிக்கையின்படி, அந்தத் தரவுத்தொகுப்புகள் ஆயிரக்கணக்கான முறை பதிவிறக்கப்பட்டுள்ளன. Google மற்றும் Stability ஆகியவை ஆராய்ச்சி கட்டுரைகளில் அவற்றைப் பயன்படுத்தியதை உறுதிப்படுத்தியதாகவும் அது கூறுகிறது. இது முக்கியமானது, ஏனெனில் இது அந்தத் தரவுத்தொகுப்புகளை இணையத்தில் அப்படியே கிடக்கும் காப்பகமாக அல்லாமல், நிஜமான AI வளர்ச்சி செயல்பாடுகளுடன் இணைக்கிறது. இறுதி downstream பயன்பாட்டைத் தொடர்ந்து கண்காணிப்பது கடினமாக இருந்தாலும், முக்கிய AI நிறுவனங்கள் இந்தப் பொருட்களை ஆராய்ச்சியில் மேற்கோள் கொண்டதாகக் கிடைத்துள்ள பொது உறுதிப்படுத்தல் விவாதத்திற்கு உறுதியான அடித்தளத்தை அளிக்கிறது.

இந்தத் தரவுத்தளம் பொதுவான உரையாடலில் அடிக்கடி மங்கலாகக் கலந்துவிடும் ஒரு வேறுபாட்டையும் கூர்மையாக்குகிறது: கிடைப்புத்தன்மை என்பது அனுமதி அல்ல. தரவுத்தொகுப்புகளில் இடம்பெற்றுள்ள சில இசை மூலங்கள் ஸ்ட்ரீம் செய்யக்கூடியவையாகவோ அல்லது வேறு வகையில் ஆன்லைனில் அணுகக்கூடியவையாகவோ இருக்கலாம்; இருப்பினும் வணிகப் பயன்பாட்டுக்கான உரிமக் கட்டுப்பாடுகளுக்கு உட்பட்டிருக்கலாம். The Verge, Free Music Archive தரவுத்தொகுப்பை ஒரு உதாரணமாகக் குறிப்பிடுகிறது; தனிப்பட்ட பயன்பாட்டுக்காக படைப்புகள் இலவசமாக ஸ்ட்ரீம் செய்யப்படலாம், ஆனால் வணிகப் பயன்பாடுகளுக்கு தனித்த உரிமம் தேவைப்படலாம் என அது குறிப்பிடுகிறது.

இது AI பொருளாதாரத்தில் ஒரு முக்கிய பிளவு. டெவலப்பர்கள் பெரும்பாலும் தொழில்நுட்ப ரீதியாக அணுகக்கூடியதும், அளவிலாக சட்டப்படி மீண்டும் பயன்படுத்தக்கூடியதுமல்லாத உள்ளடக்கத்தின் எல்லையில் செயல்படுகிறார்கள். இசையில், உரிமமளிப்பு அமைப்புகள் ஏற்கனவே சிக்கலானதும் துண்டிக்கப்பட்டதும் என்பதால், அந்த வேறுபாடு குறிப்பாக முக்கியமானதாகிறது.

சேகரிப்பின் செயல்முறையே சர்ச்சையின் ஒரு பகுதி

The Verge விவரித்தபடி Reisner அவர்களின் செய்தியிடலும், நடைமுறையில் இந்தத் தரவுத்தொகுப்புகள் எவ்வாறு உருவாக்கப்படுகின்றன என்பதையும் வெளிப்படுத்துகிறது. மூன்று தரவுத்தொகுப்புகள் தொகுக்கப்பட்ட ஆடியோ நூலகங்களாக அல்லாமல், YouTube அல்லது Spotify போன்ற தளங்களில் ஹோஸ்ட் செய்யப்பட்ட பாடல்களுக்கான இணைப்புகளின் பட்டியல்களாக விநியோகிக்கப்படுகின்றன. பின்னர் டெவலப்பர்கள் உண்மையான ஆடியோவைப் பதிவிறக்க தானியக்க கருவிகளைப் பயன்படுத்துகிறார்கள். அந்தக் கருவிகளில் சில லாகின்கள், விளம்பரங்கள், மற்றும் தளங்களின் இயந்திரங்களைத் தாண்டிச் செல்ல முடியும்; இல்லையேல் அவை உருவாக்குநர்களுக்கு வருவாய் அல்லது சந்தாதாரர் செயல்பாட்டை உருவாக்கியிருக்கும்.

இது சரியானதெனில், இந்த விவரம் விவாதத்தை பதிப்புரிமையைத் தாண்டி தள நிர்வாகம் மற்றும் சேவை விதிமுறை இணக்கத்தன்மைக்குத் தள்ளுகிறது. பயிற்சி தரவு குறித்த சர்ச்சைகள் பெரும்பாலும் fair use அல்லது licensing என்ற அடிப்படையில் விளக்கப்படுகின்றன; ஆனால் சேகரிக்கும் பாதையும் முக்கியம். டெவலப்பர்கள் தளக் கட்டுப்பாடுகளைத் தாண்டிச் செல்லும் கருவிகளை நம்பினால், விவாதம் மாதிரிகள் பதிப்புரிமை உள்ள படைப்புகளிலிருந்து கற்றுக்கொள்ள முடியுமா என்பதிலேயே மட்டுமல்ல. அந்த ஊடகங்களை ஹோஸ்ட் செய்யும் சேவைகளின் தொழில்நுட்ப மற்றும் ஒப்பந்த விதிகளை சேகரிப்பு செயல்முறை தானே புறக்கணிக்கிறதா என்பதையும் அது குறித்து பேசுகிறது.

கொள்கை ரீதியாக இது முக்கியமானது, ஏனெனில் ஒழுங்குமுறை அமைப்பாளர்களும் நீதிமன்றங்களும் இறுதியில் AI பயிற்சியை பல அடுக்குப் பார்வைகளில் மதிப்பிடக் கூடும்:

• இசையுடன் தொடர்புடைய பதிப்புரிமை மற்றும் உரிமமளிப்பு கடமைகள்.
• ஆடியோ எவ்வாறு பெறப்படுகிறது என்பதற்கான சேவை விதிமுறை மீறல்கள்.
• AI அமைப்புகள் பெரிய அளவிலான இழப்பீடு இல்லாத படைப்பாற்றல் உள்ளீடுகளால் பயன் பெற்றால் ஏற்படும் போட்டி மற்றும் சந்தை விளைவுகள்.
• வணிக AI தயாரிப்புகளை உருவாக்கும் டெவலப்பர்களுக்கான வெளிப்படைத்தன்மை எதிர்பார்ப்புகள்.

The Atlantic-இன் தேடக்கூடிய குறியீடு அந்தக் கேள்விகளுக்கு தீர்வளிக்கவில்லை. ஆனால் அவற்றை வெறும் ஊகங்கள் என்று புறக்கணிக்க முடியாததாக அது மாற்றுகிறது.

AI வெளிப்படைத்தன்மை விவாதத்தில் ஒரு திருப்புமுனை

இந்தத் திட்டத்தின் பெரிய முக்கியத்துவம், இது ஆய்வின் செலவை குறைப்பதில்தான் உள்ளது. இத்தகைய கருவிகளுக்கு முன்பு, தங்கள் இசை மாதிரி பயிற்சி அமைப்புகளில் இழுத்துக்கொள்ளப்பட்டிருக்கலாம் என்று சந்தேகித்த உருவாக்குநர்களுக்கு சரிபார்க்க மிகக் குறைந்த நடைமுறை அடித்தளமே இருந்தது. ஆராய்ச்சியாளர்களும் பத்திரிகையாளர்களும் சூழலின் சில துண்டுகளை விசாரிக்க முடிந்தது, ஆனால் நுழைவுத் தடையாக இருந்தது உயர்ந்ததாக இருந்தது. தேடக்கூடிய இடைமுகம் அந்த இயக்கத்தை மாற்றுகிறது, ஏனெனில் அது தொழில்நுட்ப தரவுத்தொகுப்பு ஆதாரங்களை நிபுணர் அல்லாதவர்களும் புரிந்துகொள்ளக்கூடிய வடிவமாக மாற்றுகிறது.

அந்த மாற்றம் பல பின்னணி விளைவுகளை ஏற்படுத்தலாம். கலைஞர்கள் இந்தத் தரவுத்தளத்தை சட்டக் கோரிக்கைகள், உரிமம் பேச்சுவார்த்தைகள், அல்லது பொது பிரச்சாரங்களுக்கு பயன்படுத்தலாம். ஆராய்ச்சியாளர்கள் இதைப் பயன்படுத்தி தரவுத்தொகுப்புகள் மற்றும் வெளியிடப்பட்ட AI பணிகளுக்கிடையிலான தொடர்புகளை வரைபடமாக்கலாம். நிறுவனங்கள் தாங்கள் எதைப் பயிற்றுவித்தார்கள், எந்தச் சட்டக் கோட்பாட்டின் கீழ் பயிற்றுவித்தார்கள் என்பதைக் காகிதப்படுத்த அதிக அழுத்தத்தை சந்திக்கலாம். மேலும், அதிக குறிப்பிட்ட ஆதாரங்கள் எளிதாகக் கிடைக்கும்போது, கொள்கை வடிவமைப்பாளர்களும் தொழில்துறை பொதுவாக்கங்களை நம்புவது கடினமாகக் காணலாம்.

இங்கு ஒரு கலாசார பரிமாணமும் உள்ளது. AI விவாதத்தில் இசை மிகத் தெளிவாகத் தோன்றும் போர்க்களங்களில் ஒன்றாக மாறியுள்ளது, ஏனெனில் அதன் வெளியீடுகள் உணர்ச்சிப்பூர்வமாக உடனடியாகப் பாதிப்பதோடு, அடிப்படை உழைப்பு தனிப்பட்டதாகவும் இருக்கிறது. ஒரு பாடல் வெறும் தரவுப் புள்ளி அல்ல. அது நடிப்பு, இசை அமைப்பு, வரிசைப்படுத்தல், தயாரிப்பு, மேலும் பல நேரங்களில் அடையாளமும் ஆகும். கோடிக்கணக்கான பாடல்களை பயிற்சி உள்ளீடுகளாகக் குறியிட முடியும் போது, AI அமைப்புகளின் தொழில்துறை பசி மிகத் தெளிவாகிறது.

இப்போது, இந்தத் தரவுத்தளத்தின் உடனடி மதிப்பு சான்றும் குடிமையும் சார்ந்ததாக உள்ளது. பெரும்பாலும் பொதுப் பார்வைக்கு வெளியே வளர்ந்த ஒரு அமைப்பை ஆய்வு செய்ய உருவாக்குநர்களுக்கு இது வழி அளிக்கிறது. AI பயிற்சி குறித்த சட்ட மற்றும் வணிகப் போர்கள் தொடரும்போது, அத்தகைய வெளிப்படைத்தன்மை ஒரே ஒரு நீதிமன்றத் தீர்ப்பைப் போலவே முக்கியமானதாக மாறக்கூடும். AI மற்றும் இசை குறித்த வாதம் இனி மாதிரிகள் என்ன உருவாக்க முடியும் என்பது பற்றியே மட்டும் இல்லை. அவை அங்கு செல்ல என்னைச் சாப்பிட்டன, மேலும் அதைப் பொதுமக்கள் அறிய வேண்டியதுதானா என்பது பற்றியும் அது அதிகமாக மாறி வருகிறது.

இந்தக் கட்டுரை The Verge செய்தியிடலை அடிப்படையாகக் கொண்டது. மூல கட்டுரையைப் படிக்கவும்.