LAION rzuca rękawicę gigantom. 10 milionów godzin wideo trafia do naukowców

Zamiast trzymać dane pod kluczem, LAION otwiera drzwi dla każdego badacza. Niemiecka organizacja, która dała podstawy pod sukces Stable Diffusion, wypuściła właśnie Big Video Dataset (BVD). To nie jest kolejny skromny zestaw testowy. Mówimy o 10 milionach godzin nagrań wyciągniętych z odmętów sieci, które mają pomóc algorytmom zrozumieć świat tak, jak robią to ludzie – patrząc i słuchając jednocześnie.

Dlaczego to ważne właśnie teraz

W momencie, gdy Google, OpenAI i Meta budują swoje potęgi na zamkniętych zasobach, inicjatywy takie jak LAION stają się ostatnim bastionem transparentnej nauki. Publikacja BVD, oparta na analizie 1,3 miliarda adresów URL z indeksu CommonCrawl, dostarcza paliwa do rozwoju modeli multimodalnych poza korporacyjnymi laboratoriami. To ruch, który wprost odpowiada deficytowi wysokiej jakości, opisanych danych wideo, niezbędnych do trenowania nowej generacji asystentów AI.

Od pikseli do zrozumienia treści

BVD to konkretna inżynieria danych, a nie tylko zbiór linków. Zespół badawczy pobrał 80 milionów nagrań, z których wyselekcjonowano 55 milionów precyzyjnie opisanych klipów oraz 300 milionów pojedynczych klatek. Kluczem jest tutaj multimodalność: model uczy się jednocześnie z obrazu, ścieżki dźwiękowej oraz automatycznie wygenerowanych opisów tekstowych. Efekty widać w liczbach. Modele szkolone na tym zbiorze biją konkurencyjne rozwiązanie InternVid o 2,1 punktu procentowego w testach rozumienia wideo.

Prawny immunitet w Hamburgu

Budowanie tak wielkich zbiorów danych zawsze budzi kontrowersje wokół praw autorskich. LAION czuje się jednak pewnie dzięki świeżemu orzeczeniu Sądu Okręgowego w Hamburgu z 27 września 2024 roku. Sędziowie uznali, że gromadzenie treści chronionych prawem autorskim na potrzeby niekomercyjnych badań akademickich jest dopuszczalne. Sąd oparł swoją decyzję na paragrafie 60d niemieckiej ustawy o prawie autorskim, co daje twórcom projektu zielone światło do dalszego działania.

Mimo to autorzy publikacji zachowują ostrożność. Zbiór dostępny w serwisie Hugging Face jest przeznaczony wyłącznie do celów naukowych. Jak podkreślają twórcy w oficjalnym komunikacie, ich celem jest demokratyzacja AI, a nie uderzanie w interesy twórców z YouTube, skąd pochodzi większość materiałów. Kod i dane są dostępne za darmo, co ma skrócić dystans między akademickimi ośrodkami a Doliną Krzemową.