- Uma auditoria de datasets de IA muito usados encontrou omissão de licença acima de 70% e taxas de erro acima de 50% em sites populares de hospedagem de datasets.Data Provenance Initiative, arXiv 2310.16787
- O EPIC-KITCHENS é publicado sob uma licença não comercial, com um contato separado para licenças comerciais.página de 2024 do EPIC-KITCHENS
- O acordo de licença do Ego4D, com link no site dele, permite desenvolvimento de produtos comercial ou não comercial dentro da finalidade definida, sem o direito de sublicenciar.PDF da licença do Ego4D
- O AI Risk Management Framework do NIST é uma orientação voluntária para incorporar confiabilidade ao projeto, ao desenvolvimento, ao uso e à avaliação de IA.NIST AI RMF
Por que a procedência importa
Procedência é o registro de onde os dados vieram, quem os fez e em quais termos. Você precisa dela porque o rótulo de licença numa página de download é só uma afirmação. A Data Provenance Initiative auditou datasets de IA muito usados e viu que os sites de hospedagem de datasets erram com frequência a categoria das licenças, com omissão de licença de 70% ou mais e taxas de erro de 50% ou mais. Esses números valem para os datasets que os autores auditaram e não dizem nada direto sobre datasets de vídeo. A lição serve do mesmo jeito: leia você mesmo os termos de origem.
Na coleta sob encomenda, você faz a mesma pergunta, só que antes de qualquer gravação. Nossa página de dados de vídeo egocêntrico mostra como é uma coleta sob encomenda com consentimento e revisão. O checklist abaixo serve para qualquer fornecedor.
Tipos de licença que você vai encontrar
| Tipo | O que ela costuma permitir | Exemplo | O que conferir |
|---|---|---|---|
| Licença de pesquisa não comercial | Pesquisa e ensino; sem uso comercial sem uma licença separada | EPIC-KITCHENS: "You may not use the material for commercial purposes", com um e-mail de contato para licenças comerciais | Se o seu uso conta como comercial; se existe uma licença comercial disponível |
| Acordo de dataset assinado | Usos definidos no acordo, às vezes incluindo desenvolvimento de produtos | O acordo de licença do Ego4D permite desenvolvimento de produtos comercial ou não comercial dentro da finalidade, "without the right to sublicense" | O acordo assinado (executado) que você assina, não uma minuta; sublicenciamento; atribuição |
| Contrato de coleta sob encomenda | O que o contrato diz, negociado para o seu projeto | Um fornecedor grava conforme a sua especificação, sob um contrato de compra | Usos permitidos, restrições a identificar pessoas, exclusão e retenção |
| Nenhuma licença declarada | Incerto; não presuma permissão | Um arquivo compartilhado sem termos | Peça os termos por escrito antes de usar |
Poder baixar um dataset não dá permissão para uso comercial. E um dataset que permite desenvolver produtos ainda pode proibir que você repasse os dados para outra pessoa. Nossa comparação dos principais datasets egocêntricos públicos registra os termos de cada um.
Consentimento e autorizações
A licença define os seus direitos perante o dono do dataset. O consentimento diz respeito às pessoas nas imagens, e no vídeo egocêntrico muitas vezes elas vão além de quem usa a câmera, porque colegas de trabalho, clientes e familiares passam pelo quadro. Para o lado de quem grava, temos um guia sobre privacidade e consentimento ao gravar no trabalho, escrito para essas pessoas.
Só dá para conferir o consentimento se a documentação permitir. O Datasheets for Datasets pede que todo dataset documente como foi coletado, e os Data Cards registram as fontes de origem e os métodos de coleta. Para governança em geral, o AI Risk Management Framework do NIST é uma orientação voluntária que ajuda a organizar essas perguntas. Ele não é uma licença nem uma certificação. A lei de privacidade dos lugares onde as imagens foram gravadas também pode valer, e essa pergunta é para o seu jurídico.
Perguntas para qualquer fornecedor
Faça estas perguntas por escrito, e guarde as respostas junto com a entrega:
- Quem gravou as imagens, onde, e com qual acordo?
- Cada pessoa identificável assinou uma autorização? E as pessoas que passam pelo quadro?
- Cada local comercial deu permissão por escrito?
- E as pessoas menores de 18 anos? Elas ficam de fora, a não ser que um pai, mãe ou responsável assine?
- Quais usos a licença ou o contrato permite? Dá para sublicenciar?
- Você está proibido de identificar qualquer pessoa nas imagens? Algum processamento biométrico é feito?
- Quais dados pessoais vêm junto com o vídeo: nomes, contatos, localização?
- Qual documentação acompanha os dados? Procure um datasheet, um data card ou algo equivalente.
Coloque as respostas ao lado das suas exigências técnicas: nosso checklist de especificações de dataset egocêntrico cobre o lado do formato, e nosso checklist para avaliar um dataset de vídeos cobre a qualidade.
Erros comuns
- Confiar no rótulo de licença da página de hospedagem. Confira os termos de origem, porque a auditoria acima encontrou erros frequentes.
- Ler "grátis para baixar" como "grátis para uso comercial". Alguns datasets de pesquisa, como o EPIC-KITCHENS, são licenciados só para uso não comercial.
- Assinar com base numa minuta. Use o acordo executado, que nomeia a sua organização.
- Esquecer quem está por perto. O consentimento de quem usa a câmera não cobre as pessoas em volta.
- Misturar fontes sem anotar os termos de cada uma. Se você faz pré-treinamento com vídeo público e ajuste fino com dados de robô, como em vídeo egocêntrico comparado a dados de teleoperação, mantenha a licença de cada fonte junto com ela.
- Escolher coleta sob encomenda só por causa da licença. Às vezes uma licença comercial de dados públicos basta; veja quando dados públicos bastam.
Como a TaskCapture trata o consentimento
Os coletores precisam obter uma autorização assinada de cada pessoa identificável que gravam e, em qualquer ambiente comercial, a permissão por escrito do dono ou gerente do local. Uma pessoa menor de 18 anos só aparece com autorização assinada de um pai, mãe ou responsável; sem isso, as imagens são rejeitadas e apagadas. A TaskCapture não faz reconhecimento de rosto ou de voz e não cria identificadores biométricos, e os datasets nunca incluem nome, contato ou dados de pagamento dos coletores. Os coletores aceitam cada projeto antes de gravar, e imagens de fornecedores de dados seguem as mesmas regras de consentimento. Os contratos dos compradores limitam o uso a desenvolver, treinar, avaliar e melhorar modelos de IA e de aprendizado de máquina, e proíbem identificar qualquer pessoa que aparece. As regras completas estão na nossa Política de Privacidade.
Perguntas frequentes
O que é licenciamento de dados para dados de treinamento de IA?
São os termos que dizem o que você pode fazer com um dataset: treinar com ele, criar produtos, compartilhar ou sublicenciar. O consentimento das pessoas que aparecem nos dados é outra história.
Posso usar o EPIC-KITCHENS comercialmente?
Não sob a licença pública dele, que diz "You may not use the material for commercial purposes". A mesma página indica um contato para licenças comerciais.
Uma licença pública significa que as pessoas no vídeo consentiram?
Não. Uma licença é uma concessão do dono do dataset. O consentimento depende de como as imagens foram coletadas, então leia a documentação e o protocolo de coleta do dataset.
Isto é orientação jurídica?
Não. Aqui você encontra perguntas para fazer. Obrigações de licença e de privacidade dependem dos seus contratos e dos lugares envolvidos, então leve o caso ao seu jurídico.