データセット・スクレイピング関連の事例一覧 - AI画像生成・生成系AI 問題まとめwiki

生成AIに使用されるデータセットに含まれるもの及び、
収集方法などに関する問題の事例集
※アノテーション（タグ付け作業）等の問題についてはこちらをご参照ください。
※生成AI関連の訴訟・法的対応事例についてはこちらをご参照ください。
※🔒：会員限定記事、🔐：有料記事

2026年

日付	出来事	発信元
5/29	生成AIの裏で大規模なプライバシー侵害 設計段階から違法性	AMNESTY
4/25	米メタ、社員のパソコン操作データを強制収集 AI開発に利用	日本経済新聞🔒
4/7	AppleがAIトレーニングのために数百万本のYouTube動画をスクレイピングしたとして複数のYouTubeチャンネルから訴えられる	GIGAZINE
3/3	Metaのスマートグラスの背後にいる「データアノテイター」はユーザーのプライベートな映像や写真をすべて見ることができる	GIGAZINE
2/28	アンソロピック「プロジェクト・パナマ」事件―7つの視点からの考察	AFPBB
2/5	「Chrome」のAI搭載拡張機能、半数がユーザーデータを収集	ZDNET
2/2	アンソロピック「プロジェクト・パナマ」事件―7つの視点からの考察	note
1/30	Amazonから報告されるAIトレーニングデータ内の児童性的虐待コンテンツの数は「異例の多さ」で情報源が分からないとの指摘	GIGAZINE
1/26	ChatGPTがイーロン・マスクの百科事典サイト「Grokipedia」の情報を引用しているとの報道	GIGAZINE
1/20	NVIDIAが海賊版サイト「Anna’s Archive」から500TBのデータ提供を受ける約束をしていたことが判明	GIGAZINE
1/19	何百件もの著作権侵害報告を「意図的に無視した」としてMetaが訴えられる	GIGAZINE
1/16	Microsoft・Meta・Amazon・Perplexity・Mistral AIがWikipediaの有料プログラムパートナーとして公式に発表	GIGAZINE
1/13	複数のAIで『ハリー・ポッター』などの書籍を7割から9割出力可能であることが実証される	GIGAZINE
1/10	生成AIは「ハリー・ポッター」を丸暗記している：スタンフォード大らが暴いた商用LLMの“記憶”と著作権の危機	XenoSpectrum

2025年

日付	出来事	発信元
12/12	GoogleドライブにAIトレーニングデータをアップロードした開発者が児童性的虐待コンテンツを保存したとしてGoogleアカウントを停止される	GIGAZINE
12/4	AI学習に個人情報、統計目的なら同意不要 経済界の要望受け改正案	朝日新聞🔐
12/2	OpenAIは海賊版書籍のデータセットを削除した理由の説明を避けようとしている	GIGAZINE
12/2	Google「NotebookLM」の投稿がブロガーのレシピをパクったとして削除される	GIGAZINE
11/5	OpenAIなどのAI学習元アーカイブを構築してきた非営利団体「Common Crawl」の実態、有料ページを含む数十億のウェブページを2013年以来スクレイピングし続けている	GIGAZINE
11/4	LLMの内部情報から入力テキスト完全復元に成功、AIの動作理解に進展	テクノエッジ
10/31	Metaがエロ動画をAIのトレーニングに使ったとアダルトサイトから訴えられるも「個人利用」だとして反論	GIGAZINE
10/29	クラウドに潜む「隠れAI」 AI利用を規約に明示せず	日経クロステック
10/28	イーロン・マスクがWikipediaより優秀と豪語する百科事典サイト「Grokipedia」が一般公開される、Wikipediaから丸ごとコピーした記事も多数	GIGAZINE
9/30	ChatGPTなどとの会話内容を収集・販売したとしてAI分析スタートアップProfoundに専門家が警鐘	innovaTopia
9/10	SHEINの広告モデル、まさかの殺人犯。AI生成画像のモラルは…？	GIZMODO※
8/26	Metaに激震！アダルト映画を無断利用してAI訓練？3億5千万ドル規模の著作権訴訟が勃発	Modern-g
8/26	「紳士協定」かいくぐるAIボット 悩む報道機関、相次ぐ訴訟と連携	朝日新聞
8/1	ChatGPTの会話内容をGoogleなどの検索エンジンでインデックス化する機能がテストされるも短期間で削除される	GIGAZINE
7/28	ChatGPTにあなたの秘密をペラペラ明かさない方が良い-サム・アルトマン氏も危惧	CNET※
7/25	トランプ大統領が「AI企業がトレーニングに使った著作権のある全コンテンツに料金を支払うのは現実的ではない」と主張	GIGAZINE
7/14	ChatGPTの結果がLLMスパムに汚染され始めた	海外SEO情報ブログ
6/30	GoogleのAI「Gemini」のトレーニング業務などを担うScale AIで未審査のフリーランサーによるあまりにも粗悪な仕事が横行していたことが判明	GIGAZINE
6/20	GoogleはYouTubeにアップロードされた動画をAIのトレーニングに使用しているがクリエイターはあまり把握していないことが判明	GIGAZINE
6/16	MetaのAI「Llama 3.1 70B」が著作権で保護された「ハリー・ポッターと賢者の石」の42％を再現できることを研究者らが発見	GIGAZINE
5/27	AIトレーニングについてコンテンツ作者に使用許可を求めるなら「国のAI産業が一夜で消滅してしまう」と元Meta幹部のニック・クレッグが語る	GIGAZINE
5/15	「AI企業がトレーニングに使った著作物の公開を義務づける修正案」をイギリス貴族院が可決、無断使用OKとの政府方針を拒否	GIGAZINE
5/12	AI企業が著作権で保護された素材を使用してAIを訓練することについて懸念を表明していた著作権局長をトランプ政権が解任	GIGAZINE
5/11	音声ファイル共有サービスのSoundCloudが音声データをAI学習に利用できるよう利用規約をひっそり変更も「AI学習にユーザーの音声ファイルは利用していない」と言及、利用する際には通知＆オプトアウト可能にすると約束	GIGAZINE
4/7	イギリス政府による「権利者がオプトアウトしない限りAI企業が許可なしでコンテンツをAIモデルトレーニングに利用することを認める」という提案をOpenAIとGoogleが拒否	GIGAZINE
4/3	「執拗なAIスクレイピングがインフラストラクチャに負担をかけている」とWikimedia財団が発表	GIGAZINE
3/14	GoogleがAI開発で「フェアユースとテキストおよびデータマイニングの例外」が重要だと発表、OpenAIに続いてホワイトハウスのAI行動計画に対する提案を発表	GIGAZINE
2/28	LLMをセキュリティに問題があるコードでトレーニングしたらAIが発狂して研究者が困惑、ヒトラーを称賛し「人類をAIの奴隷にすべき」と宣言	GIGAZINE
2/10	Metaが海賊版コンテンツを含む81.7TB分のデータでAIをトレーニングしていたことが明らかに	GIGAZINE
1/23	米リンクトインを集団訴訟で提訴、個人情報をAI開発に無断提供	Reuters
1/15	Metaのマーク・ザッカーバーグCEOがAI「Llama」の開発チームに対し著作権で保護された作品の無断使用を許可したと訴訟で追及される	GIGAZINE
1/11	OpenAIのクローラーボットが3Dスキャンデータ販売サイトをほぼDDoS攻撃な徹底スクレイピングでダウンさせていた	GIGAZINE

2024年

日付	出来事	発信元
12/23	伊、オープンAIに罰金 チャットGPTがデータ保護規則違反	Reuters
12/8	自分の創作物がAI学習に使用されたかどうかを確認できるようになる「AIの透明性と責任に関する法案」がアメリカで提出される	GIGAZINE
11/22	OpenAIが著作権訴訟の証拠データを誤って消去していたことを明かす	GIGAZINE
10/1	オンライン学習サイトのUdemyが「生成AIトレーニングのオプトアウト期間」をわずか3週間で終了してしまい講師陣に動揺が広がる	GIGAZINE
9/25	OpenAIの著作権訴訟でChatGPTのトレーニングデータが一部の人間に開示されることが決定、オフライン・記録機器持ち込み禁止の厳重警備体制	GIGAZINE
9/20	LinkedInが同意なしで勝手にユーザーデータを生成AIのトレーニングに使っていたことが判明	GIGAZINE
9/12	MetaがFacebookとInstagramの成人ユーザーの投稿をAIに学習させていることが判明、ユーザーに拒否権なし	GIGAZINE
9/2	Stable Diffusionにも使われるデータセット「LAION-5B」に児童性的虐待コンテンツが見つかり開発元がリンクを削除した「Re-LAION-5B」をリリース	GIGAZINE
8/26	「紳士協定」かいくぐるAIボット 悩む報道機関、相次ぐ訴訟と連携	朝日新聞
8/21	Anthropicが著作権侵害で3人の作家に訴えられる、Claudeのトレーニングに著作権で保護された何十万冊もの本を使用したとの主張	GIGAZINE
8/8	XがEUのユーザーデータを使用して同意なくGrokをトレーニングしたとして告訴される	GIGAZINE
8/6	Meta 顔認識技術による個人情報収集問題でテキサス州と単一州では過去最多の約2,100億円で和解	Ledge.ai
7/23	AIを開発するために必要なデータが急速に枯渇、たった1年で高品質データの4分の1が使用不可に	GIGAZINE
7/17	Apple・NVIDIA・AnthropicなどがYouTubeの動画字幕を許可なくAIのトレーニングに利用していたと判明	GIGAZINE
7/12	作品を無断でAIトレーニングに使うことを違法化する「COPIED法」が議会へ提出される	GIGAZINE
7/5	OpenAIが内部メッセージングシステムに不正アクセスされAI技術関連の情報を盗まれていたことが発覚、FBIや一般ユーザーには通知なしで秘密にしていた	GIGAZINE
7/3	国家データ保護機関がMetaに「ユーザーデータを勝手にAIトレーニングに使うのを即刻停止せよ」と命じる	GIGAZINE
6/29	AIの無断学習認める「衝撃」の米判決 企業・権利者への影響は	朝日新聞🔐
6/17	生成AI検索エンジンのPerplexityはクローラーを防ぐ「robots.txt」を無視してウェブサイトから情報を抜き出している	GIGAZINE
6/11	画像生成AIのStable Diffusionなどに使われるデータセット「LAION-5B」に同意のない子どもの写真が含まれており身元まで特定可能	GIGAZINE
5/20	Slackがユーザーの明示的な許可なくメッセージなどをAIトレーニングに利用していることが判明	GIGAZINE
4/28	写真共有サイト「EyeEm」が「投稿された写真はAIトレーニングに利用する」と表明	GIGAZINE
4/11	生成AIの学習に用いた資料の公開を義務付ける「生成AI著作権開示法」案が提出される	GIGAZINE
4/8	MetaがAI強化のため「訴えられてもいいから著作権で保護された作品をかき集めよう」と議論していたとの報道	GIGAZINE
4/8	100万時間以上のYouTube動画をOpenAIがAIモデルのトレーニングに利用していたことが判明	GIGAZINE
4/7	事件・事故の犠牲者の顔写真、生成AIが無断使用…遺族「使うのやめて」・識者「尊厳にかかわる」	読売新聞
3/26	水遊び、内科検診…園児の裸画像、ポルノ流用横行、AI用データにも	毎日新聞🔐
3/21	生成AI、児童ポルノ画像を学習か…専門家「被害者の人権侵害恐れ」	読売新聞
3/21	生成AIが違法画像学習か、データ収集先に画像投稿サイトやネット掲示板…フィルターすり抜けも	読売新聞
3/21	Googleがメディアの記事をAI「Gemini」のトレーニングに使用した件で約410億円もの罰金を競争当局から科される	GIGAZINE
3/13	ニューヨーク・タイムズが「私たちがChatGPTをハッキングしたのではなくChatGPTがペイウォールをバイパスしたのだ」と反論	GIGAZINE
3/12	画像生成AI・Midjourneyが「Stable Diffusion開発元のBOTによるプロンプトと画像の大量収集」を検知して当該アカウントを永久BAN	GIGAZINE
2/28	TumblrやWordPressがユーザーデータをAIトレーニングに提供する契約を結ぼうとしていたことが判明	GIGAZINE
2/18	RedditがAIモデルのトレーニングに自社コンテンツの利用を許可するライセンス契約を締結か	GIGAZINE
1/30	OpenAIに対しイタリアの個人データ保護当局がGDPR違反を通知、最大で全世界年間売上高の4％または32億円の制裁金が課される可能性あり	GIGAZINE
1/16	生成AIが潜在的に抱える「モデル崩壊」問題が早くも顕在化し始めた	日経クロストレンド
1/13	人気の画像生成AIモデルが子どもの虐待画像でトレーニングされていたことが判明	Ledge.ai
1/6	画像生成AIの訓練に「児童ポルノ」が使用されていたことが発覚	Forbes JAPAN
1/5	OpenAIがAIのトレーニングにコンテンツを利用したメディアにライセンス料として年間100万ドルから500万ドルを支払いか	GIGAZINE
1/5	6歳児を含む1万6000人の作家リストが流出。AIの訓練に使用したとしてMidjourneyに非難が殺到	ARTnewsJAPAN

2023年

日付	出来事	発信元
12/25	「見ず知らずの他人がChatGPTに搭載されている大規模言語モデルから自分のメールアドレスを入手していた」という報告	GIGAZINE
12/24	AIモデルのトレーニングデータを開示することを義務付ける法案が提出される	GIGAZINE
12/21	画像生成AI「Stable Diffusion」などに使われた50億枚超の画像セット「LAION-5B」に1008枚の児童ポルノ画像が入っていることが判明し削除へ	GIGAZINE
12/21	生成AIの学習データに児童虐待画像 米大学研究者が指摘	日本経済新聞
12/15	DropboxユーザーのデータをOpenAIと共有する機能がデフォルトで有効になっているとの指摘で大炎上、実際はAI機能利用者のみ	GIGAZINE
12/14	メタのAI画像生成ツール、唯一の欠点はユーザーがソースとなる画像を提供	Forbes JAPAN
12/11	AI企業は人間が作ったデータを使い果たした。彼らは今、AIを使ってより多くのものを作ろうとしている	AINOW
12/9	「ChatGPT」から個人情報含む学習データの抽出に成功 Google DeepMind研究者ら	CNET※
11/27	「Instagramが年齢制限を無視する13歳未満のユーザーを黙認しデータを収集していた」として33州の司法長官がMetaを訴える	GIGAZINE
10/26	AI開発者が怯える「影の図書館」問題 海賊版だらけの学習データ	日経ビジネス
9/29	Googleが生成AIのトレーニングに自分のウェブサイトが使われないようにするオプションを発表、もう遅いという指摘も	GIGAZINE
9/28	GoogleのチャットAI「Bard」で会話内容を共有するとGoogle検索に表示されてしまうことが発覚	GIGAZINE
9/29	MetaのAIのトレーニングに使われた書籍データセット「Books3」には村上春樹やスティーブン・キングの著作も含まれている	GIGAZINE
9/23	結婚相談所の会員データベースからプロフィールを取ってくるやつ出来た！！	x.com
8/17	OpenAI、著作権保護作品をChatGPTの訓練に使っていることを隠蔽か。バイトダンスのAI研究チームが指摘	BUSINESS INSIDER
7/18	検索エンジン「Brave Search」がウェブ上の著作権コンテンツを収集してAI学習用に有料販売しているという指摘	GIGAZINE
7/15	Meta・OpenAI・Google AI学習データをめぐり次々と集団訴訟に	Ledge.ai
7/5	ChatGPTのウェブブラウジング機能が一時停止、有料記事を無料で読めてしまうとの報告から	GIGAZINE
7/4	「ChatGPTの学習に海賊版の本が使われた」として作家がOpenAIを告訴	GIGAZINE
7/4	「オンラインで公開されたものすべてをAIのためにスクレイピングする」とGoogleが発表	GIGAZINE
6/30	ChatGPT開発のOpenAIがAI学習用データをめぐって集団訴訟を起こされる	GIGAZINE
5/16	うお、マクドナルド行けた。スクレイピングし放題じゃねぇか・・ #ChatGPT	x.com
5/15	画像生成AIに「普通のおじさん」を作らせました→そっくりすぎる「本人」が登場し「自分でも自分に見える」と驚愕する珍事が発生	BuzzFeed
5/3	サムスン、ChatGPTの社内使用禁止　機密コードの流出受け	Forbes JAPAN
4/28	AI学習データの開示を義務づける法案がEUで提出される	GIGAZINE
4/27	画像生成AIによる作品の無許可使用を主張した写真家が逆に損害賠償を請求される	GIGAZINE
4/21	ユーザーの同意なしに訓練した可能性のあるChatGPTの「OpenAI」が厳格なプライバシー法を重視するEUで法的な問題に直面、「規則の準拠は不可能に近い」と専門家	GIGAZINE
3/29	「企業の機密データをChatGPTに勝手に入力したことがある」という社会人が大量発生しておりセキュリティ上の懸念が高まっているとサイバーセキュリティ企業が指摘	GIGAZINE
3/31	GoogleのチャットAI「Bard」はChatGPTのデータでトレーニングされているという指摘も公式は否定	GIGAZINE
3/27	ChatGPTのAPIをハッキングしたら80以上の「秘密のプラグイン」を発見したという報告	GIGAZINE
3/21	Googleがメディアの記事をAI「Gemini」のトレーニングに使用した件で約410億円もの罰金を競争当局から科される	GIGAZINE
2/2	Stable Diffusionなどの画像生成AIは「記憶」に基づいて学習した画像をほぼそのまま生成できるという報告	GIGAZINE
1/18	画像生成AI「Stable Diffusion」開発元のStability AIがかつてGoogleを和解に持ち込ませたこともあるストックフォトサイトのGetty Imagesに訴えられる	GIGAZINE
1/16	画像生成AI「Stable Diffusion」と「Midjourney」に対して集団訴訟が提起される	GIGAZINE

2022年

日付	出来事	発信元
12/20	データ泥棒にご用心！ 大人気のアバター作成AIアプリの落とし穴	ARTnewsJAPAN
9/22	画像生成AIユーザーがAI学習用データセットから「自分の医療記録の写真」を発見してしまう	GIGAZINE
8/31	23億枚もの画像で構成された画像生成AI「Stable Diffusion」のデータセットのうち1200万枚がどこから入手した画像かを調査した結果が公開される	GIGAZINE

2018年

日付	出来事	発信元
11/15	病院患者160万人の医療データが今やGoogleに握られていると権利団体が警鐘を鳴らす	GIGAZINE