Nový online nástroj AI Watchdog od The Atlantic trefuje citlivé místo moderního internetu: naprostou netransparentnost tréninkových dat pro umělou inteligenci. Celé to funguje naprosto jednoduše. Zadáte své jméno, pseudonym nebo název konkrétního díla a systém okamžitě prohledá sledované databáze.
Výsledkem je jasný přehled, který vám ukáže nejen to, zda v nich vaše tvorba figuruje, ale také přesný počet výskytů, což mnoha autorům poprvé v životě poskytne hmatatelný důkaz o tom, kde všude jejich digitální stopa vlastně končí.
Mohlo by vás zajímat
Když víte kde, ale netušíte kdo
Rychlý test sice ocení spisovatelé, bloggeři i správci velkých webů, ale zároveň s sebou přináší obrovskou vlnu frustrace a bezmoci.
Zjištění, že vaše texty či obrázky leží v nějakém obřím internetovém balíku, vám totiž samo o sobě neřekne, která konkrétní technologická firma s nimi nakládala a za jakých podmínek. V dnešní době, kdy se právní bitvy o autorská práva teprve rozbíhají a jasná pravidla hry v podstatě neexistují, tak tato služba slouží spíše jako první varovný signál a záchytný bod v digitální mlze.
Is your track being used to train AI?
— DJ Mag (@DJmag) June 25, 2026
Over 21 million copyrighted songs are being circulated among AI developers while training their systems, according to a new report by The Atlantic 🛜 https://t.co/sst7MQuEBe
Pokud čekáte, že ve výpisu uvidíte loga OpenAI, Google nebo Meta, budete pravděpodobně překvapeni, protože vyhledávač odkrývá samotné surové základy strojového učení.
Místo jmen velkých korporací na vás vyskočí názvy specializovaných datasetů jako HD-Vila-100M nebo Vidgen-1M u videí, případně kontroverzní knižní databáze Books3 a LibGen.
Pro autory scénářů nebo titulků je pak klíčovým pojmem platforma OpenSubtitles, která agreguje texty z desítek tisíc filmů a seriálů a slouží jako skrytý rezervoár, ze kterého technologičtí giganti masivně čerpají.
Mohlo by vás zajímat
Jak se ze skrytých titulků stává palivo pro nejchytřejší AI mozky
Obří a volně dostupné sbírky dat fungují jako stavební kameny, ze kterých vývojáři následně skládají své vlastní specializované modely. Dokonalým příkladem je zmíněná databáze OpenSubtitles. Ta v sobě ukrývá textový obsah z více než 53 tisíc filmů a 85 tisíc seriálových epizod.
Podle dostupných zákulisních informací z tohoto konkrétního zdroje při vývoji svých systémů prokazatelně čerpaly Apple, Anthropic, Meta nebo Nvidia, aniž by o tom běžní autoři měli tušení.
Při zkoumání výsledků ale pamatujte, že pouhá přítomnost díla v databázi automaticky neznamená, že na něm byla AI reálně vycvičena. Tyto obří sety často slouží jen jako širší zásobník, ze kterého se data dále filtrují, přičemž interní mechanismy by měly teoreticky vyřadit materiály obsahující citlivé osobní údaje.
Celý nástroj od The Atlantic proto v žádném případě nefunguje jako neprůstřelný právní důkaz pro soudní spory, ale spíše jako indikátor toho, že vaše tvorba byla vtažena do divokých proudů technologického průmyslu.
Právní chaos, bezmoc tvůrců a nefunkční zdi internetu
Současný právní systém navíc tvůrcům příliš nepomáhá, jelikož evropská legislativa sice zná výjimku pro automatizovanou těžbu textů a dat (TDM), ale hranice mezi legitimním výzkumem a prachsprostým plagiátorstvím je extrémně tenká.
Autoři se sice mohou pokusit bránit technickými prostředky, jako je zakázání přístupu robotům přes soubor robots.txt na svém webu, jenže tím se paradoxně odstřihnou i od běžných vyhledávačů a přijdou o publikum.
Nová služba tak sice dokáže skvěle popsat současný stav, ale řešení tohoto hlubokého morálního a finančního dilematu zůstává v nedohlednu.
Zdroj: The Atlantic
13 foto
