A principios de esta semana, una investigación detalló que Apple y otros gigantes tecnológicos habían utilizado subtítulos de YouTube para entrenar sus modelos de inteligencia artificial. Esto incluye más de 170.000 vídeos de MKBHD, MrBeast y más. Luego, Apple utilizó este conjunto de datos para entrenar sus modelos OpenELM de código abierto, que lanzó en abril.
Sin embargo, Apple ahora ha confirmado que OpenELM no es compatible con ninguna de sus funciones de inteligencia artificial o aprendizaje automático, incluida Apple Intelligence.
Apple dijo que creó el modelo OpenELM para contribuir a la comunidad de investigación y avanzar en el desarrollo de modelos de lenguaje de código abierto a gran escala. En el pasado, los investigadores de Apple describieron OpenELM como el "modelo de lenguaje abierto de última generación". Según Apple, OpenELM es sólo para fines de investigación y no se utiliza para admitir ninguna de sus funciones de Apple Intelligence. El modelo se publica como código abierto y está ampliamente disponible, incluso en el sitio web de investigación de aprendizaje automático de Apple.
Dado que OpenELM no se utiliza como parte de Apple Intelligence, esto significa que el conjunto de datos "Subtítulos de YouTube" no se utilizó para la capacitación de Apple Intelligence. En el pasado, Apple ha dicho que los modelos de Apple Intelligence se entrenan "con datos con licencia, incluidos datos seleccionados para mejorar características específicas, así como datos disponibles públicamente recopilados por nuestros rastreadores web".
Finalmente, Apple también declaró que no tiene planes de crear nuevas versiones del modelo OpenELM.
Como informó Wired a principios de esta semana, empresas como Apple, Anthropic y Nvidia han utilizado este conjunto de datos de "subtítulos de YouTube" para entrenar sus modelos de inteligencia artificial. Este conjunto de datos es parte de un conjunto de datos más grande llamado "ThePile" de la organización sin fines de lucro EleutherAI.