ആമസോണിന്റെ ജനറേറ്റീവ് AI മോഡലുകൾ പരിശീലിപ്പിക്കുന്നതിനായി തങ്ങളുടെ ലൈവ് ബ്രോഡ്കാസ്റ്റുകൾ, VOD-കൾ, ക്ലിപ്പുകൾ, ചാറ്റ് എന്നിവ ഉപയോഗിക്കുന്നത് തടയാൻ സ്ട്രീമർമാരെ അനുവദിക്കുന്ന ഒരു “Training for Generative AI” ടോഗിൾ Twitch അവതരിപ്പിച്ചു. സെക്യൂരിറ്റി ആൻഡ് പ്രൈവസി (Security and Privacy) ടാബിലാണ് ഈ സെറ്റിംഗ് ഉള്ളത്. ഇത് ഡിഫോൾട്ടായി ഓൺ ആയിരിക്കും. ടെക്സ്റ്റ്, ഓഡിയോ, ഇമേജ്, വീഡിയോ സിന്തസിസ് ടൂളുകൾക്കായി ഡാറ്റ ശേഖരിക്കുന്നത് തടയാൻ ക്രിയേറ്റർമാർക്ക് ഒറ്റ ക്ലിക്കിലൂടെ അനുമതി പിൻവലിക്കാവുന്നതാണ്.
ഈ ടോഗിൾ എന്തിനെ നിയന്ത്രിക്കുന്നു
ഒരു ക്രിയേറ്റർ ഈ സ്വിച്ച് ഓഫ് ചെയ്യുമ്പോൾ, ചാനലിലെ ഉള്ളടക്കം ആമസോണിന്റെ AI പൈപ്പ്ലൈനുകളിലേക്ക് അയക്കുന്നത് Twitch നിർത്തുന്നു. അതായത്, ലൈവ് സ്ട്രീമിംഗിന്റെ വീഡിയോകൾ, ആർക്കൈവ് ചെയ്ത റെക്കോർഡിംഗുകൾ, ചെറിയ ഹൈലൈറ്റ് ക്ലിപ്പുകൾ, ഓരോ ചാറ്റ് വരികളും ഇതിൽ നിന്ന് ഒഴിവാക്കപ്പെടും. സ്ട്രീമർ അപ്ലോഡ് ചെയ്യുന്ന ടെക്സ്റ്റുകൾക്കും ചിത്രങ്ങൾക്കും ഇതേ നിയന്ത്രണം ബാധകമാണ്. ഫലത്തിൽ, സ്ട്രീമർ അവരുടെ ഡിജിറ്റൽ ഫൂട്ട്പ്രിന്റിന് ചുറ്റും ഒരു അതിർവരമ്പ് നിശ്ചയിക്കുകയും, അടുത്ത തലമുറയിലെ സിന്തറ്റിക് മീഡിയയെ നയിക്കുന്ന വൻതോതിലുള്ള മൾട്ടിമോഡൽ ഡാറ്റാസെറ്റുകളിൽ നിന്ന് അതിനെ അകറ്റി നിർത്തുകയും ചെയ്യുന്നു.
സജീവമായി തുടരുന്ന AI ഫീച്ചറുകൾ
ഈ ഓപ്ഷൻ ഒഴിവാക്കുന്നത് (Opting out) പ്ലാറ്റ്ഫോമിലെ AI അധിഷ്ഠിത ടൂളുകളെ ഓഫ് ചെയ്യില്ല. ടോഗിളിന്റെ അവസ്ഥ എന്തുതന്നെയായാലും മോഡറേഷൻ ബോട്ടുകൾ, റെക്കമെൻഡേഷൻ എഞ്ചിനുകൾ, സ്പോൺസർഷിപ്പ് സഹായ സേവനങ്ങൾ, ഓട്ടോമാറ്റിക് ക്യാപ്ഷനിംഗ് എന്നിവ എല്ലാ ചാനലുകളിലും തുടർന്നും പ്രവർത്തിക്കുമെന്ന് Twitch പറയുന്നു. ഈ സേവനങ്ങൾ ഡാറ്റ ഉപയോഗിക്കുന്നത് പ്ലാറ്റ്ഫോമിനുള്ളിലെ പ്രവർത്തനങ്ങൾക്കായി മാത്രമാണ്, പുറത്തുള്ള മോഡലുകളെ പരിശീലിപ്പിക്കുന്നതിനായിട്ടല്ല. ഒരു വ്യൂവർ ചാറ്റ് ചെയ്യുമ്പോൾ, ഉടമ ഈ ഓപ്ഷൻ ഒഴിവാക്കിയിട്ടുണ്ടെങ്കിൽ, ആ ചാറ്റ് ഭാഗം ഭാവിയിലെ മോഡൽ പരിശീലനത്തിനായി ഉപയോഗിക്കാമോ എന്ന് തീരുമാനിക്കുന്നത് ഉടമയുടെ പ്രൈവസി സെറ്റിംഗ് ആണ്.
ഈ മാറ്റം പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്
വലിയ ഭാഷാ മോഡലുകളും (Large Language Models) വീഡിയോ ജനറേഷൻ സിസ്റ്റങ്ങളും മെച്ചപ്പെടുത്തുന്നതിനായി ടെക് ഭീമന്മാർ പൊതുവായി ലഭ്യമായ ഉള്ളടക്കം എങ്ങനെ ശേഖരിക്കുന്നു എന്നതിനെക്കുറിച്ചുള്ള പരിശോധനകൾ വർദ്ധിച്ചുവരുന്ന സാഹചര്യത്തിലാണ് ഈ നീക്കം വരുന്നത്. സബ്സ്ക്രിപ്ഷനുകൾ, പരസ്യങ്ങൾ, സ്പോൺസർഷിപ്പുകൾ എന്നിവയിലൂടെ വരുമാനം ലഭിക്കുന്ന തങ്ങളുടെ സൃഷ്ടികൾ വ്യക്തമായ അനുമതിയില്ലാതെ പുനരുപയോഗിക്കരുത് എന്ന് ക്രിയേറ്റർമാർ വാദിക്കുന്നു. സ്ട്രീമർമാർക്ക് സ്വയം ഈ ഓപ്ഷൻ ഒഴിവാക്കാനുള്ള സൗകര്യം നൽകുന്നതിലൂടെ, അനുമതി അടിസ്ഥാനമാക്കിയുള്ള ഡാറ്റാ ശേഖരണത്തിലേക്കുള്ള മാറ്റമാണ് Twitch സൂചിപ്പിക്കുന്നത്. ഉപയോക്താക്കൾ നിർമ്മിക്കുന്ന മീഡിയകൾ ഉൾക്കൊള്ളുന്ന പ്ലാറ്റ്ഫോമുകളിൽ ഇത് ഒരു മാനദണ്ഡമായി മാറിയേക്കാം.
ആമസോണിന്റെ AI ടീമുകളെ സംബന്ധിച്ചിടത്തോളം, വൈവിധ്യമാർന്നതും തത്സമയവുമായ ഡാറ്റയുടെ ഒരു സ്രോതസ്സ് ഈ ടോഗിൾ മുറിച്ചുമാറ്റുന്നു. ഉയർന്ന നിലവാരമുള്ള ജനറേറ്റീവ് മോഡലുകൾ പരിശീലിപ്പിക്കാൻ സാധാരണയായി കോടിക്കണക്കിന് മണിക്കൂർ നീളുന്ന വീഡിയോകളും ചാറ്റ് ലോഗുകളും ആവശ്യമാണ്. Twitch-ലെ വലിയൊരു ഭാഗം ഡാറ്റ പങ്കിടുന്നത് നിർത്തലാക്കിയാൽ, ഡെവലപ്പർമാർക്ക് മറ്റ് ഡാറ്റാസെറ്റുകൾ തേടുകയോ, ലൈസൻസിംഗ് കരാറുകൾ ചർച്ച ചെയ്യുകയോ, അല്ലെങ്കിൽ സിന്തറ്റിക് ഡാറ്റ നിർമ്മാണത്തിൽ നിക്ഷേപിക്കുകയോ ചെയ്യേണ്ടി വന്നേക്കാം. ഇതിന്റെ ആഘാതം പുതിയ മൾട്ടിമോഡൽ AI ശേഷികൾ എത്ര വേഗത്തിൽ പുറത്തിറങ്ങുന്നു എന്നതിനെ സ്വാധീനിച്ചേക്കാം.
ഉണ്ടായേക്കാവുന്ന പോരായ്മകൾ
ഈ ടോഗിൾ എല്ലാത്തരം ഡാറ്റാ ഉപയോഗങ്ങളെയും ഇല്ലാതാക്കുന്നില്ല. AI അധിഷ്ഠിത മോഡറേഷൻ, ഡിസ്കവറി, ആക്സസിബിലിറ്റി ടൂളുകൾ എന്നിവ ഇപ്പോഴും ഉള്ളടക്കം വിശകലനം ചെയ്യുന്നുണ്ട്, അതിനാൽ ക്രിയേറ്റർമാർക്ക് ആ സംവിധാനങ്ങളുടെ പ്രായോഗിക നേട്ടങ്ങൾ ലഭിക്കുന്നുണ്ട്. എന്നിരുന്നാലും, പരിശീലനത്തിനായുള്ള ഡാറ്റയുടെ കുറവ്, വിപുലമായ പെരുമാറ്റ സൂചകങ്ങളെ (behavioural signals) ആശ്രയിക്കുന്ന റെക്കമെൻഡേഷൻ അൽഗോരിതങ്ങളുടെ ദീർഘകാല കൃത്യതയെ ബാധിച്ചേക്കാം. മോഡലുകൾക്ക് പഠിക്കാൻ കുറഞ്ഞ ഉദാഹരണങ്ങൾ മാത്രമേയുള്ളൂ എങ്കിൽ, പുതിയ ട്രെൻഡുകൾ തിരിച്ചറിയുന്നതിൽ കാലതാമസം ഉണ്ടായേക്കാം എന്ന് വ്യൂവേഴ്സിന് തോന്നിയേക്കാം.
ഇത് ഡിഫോൾട്ടായി ഓൺ ആയതിനാൽ, സ്ട്രീമർ തന്നെ സജീവമായി ഇത് ഓഫ് ചെയ്യേണ്ടതുണ്ട്. ഈ ടോഗിളിനെക്കുറിച്ച് അറിയാത്തവർ അറിയാതെ തന്നെ തങ്ങളുടെ സൃഷ്ടികൾ AI പരിശീലനത്തിനായി നൽകിയേക്കാം. ഡാറ്റ പങ്കിടുന്ന ചാനലുകൾക്ക് റെക്കമെൻഡേഷൻ എഞ്ചിനുകൾ മുൻഗണന നൽകുന്നുവെന്ന് കരുതി, ഓപ്ഷൻ ഒഴിവാക്കുന്നത് കാഴ്ചക്കാരെ കുറയ്ക്കാൻ കാരണമാകുമെന്ന് ചില ക്രിയേറ്റർമാർ ഭയപ്പെടുന്നു—ഇക്കാര്യം Twitch സ്ഥിരീകരിച്ചിട്ടില്ല.
ഇനി എന്താണ് ശ്രദ്ധിക്കേണ്ടത്
ഈ ടോഗിൾ മറ്റ് ആമസോൺ സേവനങ്ങളിലേക്ക് വ്യാപിപ്പിക്കുന്നതിനെക്കുറിച്ച് Twitch ഇതുവരെ അറിയിച്ചിട്ടില്ല, കൂടാതെ ഇത് കൃത്യമായി പാലിക്കപ്പെടുന്നുണ്ടോ എന്ന് എങ്ങനെ പരിശോധിക്കുമെന്നും വ്യക്തമാക്കിയിട്ടില്ല. എത്ര ചാനലുകൾ യഥാർത്ഥത്തിൽ പരിശീലനം നിർത്തലാക്കുന്നുവെന്നും, അത് കാഴ്ചക്കാരുടെ എണ്ണത്തിലോ വരുമാനത്തിലോ മാറ്റമുണ്ടാക്കുന്നുണ്ടോ എന്നും നിരീക്ഷകർ ശ്രദ്ധിക്കും. ആമസോൺ ഇതിനോട് എങ്ങനെ പ്രതികരിക്കുന്നു—അവരുടെ ഡാറ്റ ശേഖരണ രീതികളിൽ മാറ്റം വരുത്തുകയാണോ അതോ പുതിയ പങ്കാളിത്തങ്ങൾ തേടുകയാണോ ചെയ്യുന്നത് എന്നത്—ഈ വ്യവസായം Twitch ഇക്കോസിസ്റ്റത്തെ ഒരു പരിശീലന സ്രോതസ്സായി എത്രത്തോളം വിലമതിക്കുന്നു എന്ന് കാണിച്ചുതരും.
കൂടുതൽ പ്ലാറ്റ്ഫോമുകൾ സമാനമായ അനുമതിാ സംവിധാനങ്ങൾ സ്വീകരിച്ചാൽ, AI ഡെവലപ്പർമാർക്ക് അവരുടെ ഡാറ്റാ ശേഖരണ തന്ത്രങ്ങൾ പുനർരൂപകൽപ്പന ചെയ്യേണ്ടി വന്നേക്കാം; ലൈസൻസിംഗ് കരാറുകൾക്കും ക്രിയേറ്റർ ഇൻസെന്റീവുകൾക്കും കൂടുതൽ പ്രാധാന്യം നൽകേണ്ടി വരും. വേഗത്തിലുള്ള നവീകരണത്തിനായി തുറന്ന ഡാറ്റ ഉപയോഗിക്കുന്നതും ക്രിയേറ്റർമാരുടെ ഉടമസ്ഥാവകാശം മാനിക്കുന്നതും തമ്മിലുള്ള സന്തുലിതാവസ്ഥ AI കമ്മ്യൂണിറ്റിയിലെ ഒരു പ്രധാന ചർച്ചാവിഷയമായി മാറും.
ചുരുക്കത്തിൽ: Twitch-ന്റെ പുതിയ പ്രൈവസി ടോഗിൾ, തങ്ങളുടെ ഉള്ളടക്കം ആമസോണിന്റെ ജനറേറ്റീവ് AI മോഡലുകൾക്ക് ആവശ്യമായ ഡാറ്റയായി മാറണോ എന്നത് സ്ട്രീമർമാർക്ക് നേരിട്ട് നിയന്ത്രിക്കാൻ അവസരം നൽകുന്നു. ഇത് പ്ലാറ്റ്ഫോമിലെ AI ടൂളുകളുടെ ഉപയോഗം നിലനിർത്തുന്നതോടൊപ്പം തന്നെ ഭാവിയിലെ സിന്തറ്റിക് മീഡിയയുടെ അടിസ്ഥാനമായ ഡാറ്റാ സപ്ലൈ ചെയിനിനെ മാറ്റിമറിക്കാനും സാധ്യതയുണ്ട്.