KUALA LUMPUR — Lebih 21 juta lagu berhak cipta ditemui dalam beberapa set data besar yang dipercayai digunakan untuk melatih model kecerdasan buatan (AI) generatif, menurut siasatan oleh The Atlantic. Penemuan itu menimbulkan kebimbangan mengenai penggunaan bahan berhak cipta tanpa kebenaran dalam pembangunan sistem AI yang mampu menghasilkan muzik baru.
Siasatan wartawan Alex Reisner mendedahkan empat set data utama yang kini tersebar dalam komuniti pembangunan AI. Dua set data terbesar ialah LAION‑DISCO (lebih 12 juta trek) dan Sleeping‑DISCO (lebih 9 juta trek), manakala dua set data lain masing‑masing mengandungi lebih daripada 100,000 trek.
Bagaimana set data ini diperoleh dan digunakan
– LAION, sebuah pertubuhan bukan untung dari Jerman, dan Sleeping AI, sekumpulan penyelidik AI, merupakan pemilik set data yang dinamakan dalam siasatan. Kedua‑dua set terbesar tidak menyimpan fail muzik sebenar tetapi senarai pautan web yang merujuk kepada lagu di platform seperti YouTube dan Spotify.
– Pembangun AI menggunakan alat pengikisan (scraping) khas untuk memuat turun audio daripada pautan tersebut, kaedah yang kadang‑kala dapat mengatasi lapisan keselamatan, log masuk pengguna dan iklan.
– Dua set data yang lebih kecil mengandungi fail MP3 yang dipetik dari Free Music Archive (FMA). Walaupun muzik di FMA boleh dimuat turun secara percuma, banyak trek dilindungi oleh lesen Creative Commons yang mengehadkan penggunaan komersial — penggunaan untuk melatih model komersial boleh melanggar terma lesen tersebut.
Siapa yang dinamakan dan bukti penggunaan
Reisner menyebut beberapa syarikat AI dalam laporan itu. Antara yang dinamakan adalah Google dan Stability AI berdasarkan kertas penyelidikan awam, manakala perkembangan komuniti juga menyertakan syarikat seperti Suno dan Udio. Laporan itu tidak memberi bukti undang‑undang muktamad bahawa setiap syarikat memuat turun bahan dari keempat‑empat set data tersebut, namun menunjukkan bahawa pemaju daripada syarikat berkenaan berada dalam komuniti perkongsian data yang sama dan set data itu telah dimuat turun beribu‑ribu kali.
Siasatan turut memaparkan contoh lagu yang dihasilkan oleh sistem Suno yang hampir menyerupai lagu berhak cipta terkenal, termasuk Michael Jackson (Thriller) dan Ed Sheeran (Shape of You). Dalam tuntutan mahkamah sivil yang difailkan oleh Recording Industry Association of America (RIAA) terhadap Suno, eksekutif syarikat itu pernah mengaku bahawa mereka melatih model mereka menggunakan “secara asasnya semua fail muzik berkualiti munasabah” yang tersedia di web terbuka.
Kesan kepada artis Malaysia
Semakan oleh Malay Mail mendapati sekurang‑kurangnya 1,000 lagu daripada artis Malaysia turut muncul dalam senarai set data yang didedahkan. Antara nama terkenal termasuk arwah Tan Sri P. Ramlee, Datuk Sudirman dan Datuk Seri Siti Nurhaliza. Band serta penggiat indie tempatan seperti Carburetor Dung, Butterfingers, Hujan, Spooky Wet Dreams dan penyanyi antarabangsa kelahiran Malaysia, Yuna, turut tersenarai.
The Atlantic menekankan bahawa kemunculan sesuatu karya dalam set data bukan bukti pasti ia digunakan untuk melatih model tertentu. Syarikat mungkin menggunakan pelbagai set data dan ketiadaan sesuatu karya dalam senarai juga bukan bukti ia tidak pernah digunakan.
Alat AI Watchdog dan skop data lebih luas
Selepas siasatan, The Atlantic melancarkan alat carian bertajuk The AI Watchdog yang membolehkan orang ramai menyemak apakah bahan yang terkandung dalam set data yang ditemui. Selain lagu, enjin carian itu memaparkan lebih 7.5 juta buku, 81 juta artikel penyelidikan, 15 juta video YouTube dan tulisan dari berpuluh‑puluh ribu filem dan rancangan televisyen. The Atlantic merancang untuk menambah lebih banyak set data ke dalam enjin itu dari semasa ke semasa.
Mengapa isu ini penting
Penggunaan bahan berhak cipta untuk melatih model AI menimbulkan persoalan undang‑undang dan etika:
– Hak cipta melindungi karya seni daripada digunakan tanpa kebenaran untuk tujuan komersial. Melatih model yang kemudian menjana muzik berasaskan corak daripada karya sedia ada boleh dianggap sebagai pelanggaran jika dilakukan tanpa lesen.
– Terdapat juga kebimbangan terhadap impak kepada pendapatan pencipta, terutama penggiat indie dan warisan muzik tempatan yang mungkin tidak diberi pampasan.
– Kes seperti tuntutan RIAA menunjukkan ia sudah menjadi isu litigasi yang serius dan berkemungkinan menuntut penyelesaian melalui mahkamah atau peraturan baru.
Apa seterusnya
Isu ini menyorot keperluan ketelusan dalam pembinaan set data untuk latihan AI dan perbincangan lebih luas tentang mekanisme lesen, pampasan dan hak‑hak pencipta. Pembuat polisi, syarikat teknologi dan industri kreatif dijangka terus berbincang untuk mencari garis panduan yang seimbang antara inovasi teknologi dan perlindungan hak cipta.
Pembaca juga dinasihatkan bahawa kemunculan nama artis dalam data tidak semestinya bermaksud karya mereka telah disalahgunakan; namun penemuan ini menambah tekanan kepada industri untuk memperjelas amalan pengumpulan data dan penggunaan bahan berhak cipta dalam pembangunan AI.
