نیویورک تایمز در گزارش تازهای با اشاره به راهکار شرکتهای برای دسترسی به محتوای با کیفیت میگوید اوپنایآی برای رفع این از یک مدل رونویسی صوتی به نام Whisper استفاده میکند و بیش از یک میلیون ساعت ویدیو یوتیوب را برای آموزش GPT-4 رونویسی کرده است.
به گزارش پیوست، استفاده از رونویس ویدیوها ممکن است شرکت را بر سر موضوع استفاده منصفانه به دردسر بیاندازد. گرگ براکمن، رئیس اوپنایآی به شخصه در جمعآوری ویدیوهای استفاده شده دخیل بوده است.
لینزی هلد، سخنگوی اوپنایآی در ایمیلی به وبسایت ورج در این باره گفت که شرکت پایگاههای داده خاص را برای هر مدلی آماده میکند تا «به درک آنها از جهان واقعی کمک کرده» و جایگاه رقابتی خود را حفظ کند. هلد در ادامه گفت که این شرکت از «منابع بیشماری از جمله دادههای عمومی و همکاری برای دسترسی به دادههای غیر عمومی» استفاده میکند و حتی به دنبال تولید دادههای مصنوعی است.