Istraga časopisa The Atlantic o OpenSubtitles skupu podataka otkriva da su mnogi generativni AI sistemi obučeni koristeći scenarije TV serija i filmova, uključujući one iz više od 53. 000 filmova i 85. 000 epizoda serija. Ovi sistemi su razvijeni od strane velikih kompanija kao što su Apple, Meta, Nvidia i Salesforce, koristeći skup podataka koji uključuje dijaloge iz filmova i serija kao što su "Kum", "Simpsonovi" i "Breaking Bad". Podaci, preuzeti sa OpenSubtitles. org, sastoje se od datoteka titlova koje su korisnici izdvojili i učitali. Ova metoda obezbjeđuje bogat izvor dijaloga, ključan za obuku AI u oponašanju prirodnog govora. Različiti AI modeli, kao što je Claude od Anthropic i Apple-ovi LLM-ovi kompatibilni sa iPhone-om, su obučeni korištenjem ovih podataka. Međutim, ovi razvojni procesi izazivaju zabrinutost među holivudskim piscima i umjetnicima, koji se plaše da se njihov rad koristi bez dozvole.

Pravne izazove u vezi sa korištenjem zaštićenog materijala u obuci AI-ja su u toku, a transparentnost tehnoloških kompanija ostaje ograničena. Dok su neki stvaraoci poput Jörga Tiedenna, začetnika skupa podataka OpenSubtitles, zadovoljni njegovim širim korištenjem, drugi to vide kao kršenje intelektualnog vlasništva. Skup podataka OpenSubtitles je dio veće kolekcije nazvane The Pile, koja uključuje različite tekstove i široko je korištena od strane AI programera. Uprkos svojoj dostupnosti, njegov sadržaj je složen i zahtijeva specifične alate za navigaciju. Kako se AI nastavlja razvijati, upotreba kreativnog sadržaja bez pristanka ili naknade, postavlja etičke i pravne dileme koje ostaju neriješene.