Использовать песни для обучения нейросетей можно разными способами, и это необходимо учитывать в регулировании этой сферы, объяснила НСН доктор юридических наук, профессор Елена Гринь.

Сотни треков популярных российских артистов содержатся в открытых зарубежных датасетах для обучения искусственного интеллекта (ИИ), говорится в исследовании Национальной федерации музыкальной индустрии. Лидером по количеству треков в зарубежных базах стал рэпер Баста. Также в топе Feduk, Сергея Лазарева, Димы Билана, «Звери», Леонид Агутин, Егор Крид и Ваня Дмитриенко. Отмечается, что запросы на использование произведений артистов для обучения нейросетей лейбы не получали. Гринь отметила, что один и тот же трек может использоваться для обучения разных моделей с разным объемом заимствования.

«Песни могут использоваться для обучения несколькими способами: файл скачивается, из него выделяются вокал, инструменты, ритм, тембр и другие характеристики, аудио преобразуется в спектрограммы или токены, а затем модель учится связывать музыкальные признаки с текстовым описанием, жанром, настроением или голосом. Тексты песен могут отдельно использоваться для обучения языковых моделей, а записи вокала для создания моделей, имитирующих тембр конкретного исполнителя. При этом обученная модель обычно не хранит песню как обычный аудиофайл, но это не означает автоматического отсутствия нарушения, так как во время сбора и подготовки датасета создаются копии, а сама модель может запоминать отдельные фрагменты и воспроизводить их в ответ на подходящий запрос. Поэтому в регулировании нужно учитывать не только наличие исходного файла внутри модели, но и цель использования, объем заимствования, возможность узнаваемого воспроизведения и коммерческий результат», — сказала собеседница НСН.

Треки попали в базы через площадки YouTube и Genius. Гринь отметила, что что остановить полностью массовый автоматический сбор контента с таких площадок невозможно, однако вполне реально значительно затруднить его технически.

«Площадки могут применять ограничения, авторизацию, короткоживущие ссылки, лимиты запросов, анализ поведения ботов, блокировку подозрительных IP-адресов, проверку браузера, цифровые отпечатки, водяные знаки и мониторинг массовых скачиваний. Можно также размещать часть данных в форме, неудобной для автоматического извлечения, и выдавать лицензированный доступ к датасетам вместо свободной загрузки. Но почти любой технический барьер можно обходить через распределенные сети, прокси, зеркала, ручное скачивание и уже готовые копии, поэтому ставка только на блокировку обречена на постоянную гонку. Нужно сочетать техническую защиту с регистрацией датасетов, обязательным раскрытием источников, независимым аудитом, возможностью предъявить требование об удалении и финансовой ответственностью за использование нелицензированного контента. Для уже обученной модели простое удаление ссылки на файл не всегда решает проблему. Если сведения закрепились в параметрах модели, может потребоваться специальное дообучение, замена версии или запрет на использование конкретного результата», — пояснила Гринь.

Ранее Елена Гринь сообщала НСН, что попасть в датасеты для обучения ИИ могут артисты разных уровней, но начинающим музыкантам сложэнее защитить свои интересы.