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

■データセット・スクレイピング関連

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
※🔒：会員限定記事、🔐：有料記事

2025年

日付	出来事
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）
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）
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）
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）
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（ロイター）
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
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（ロイター）
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）
8/8	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）
7/12	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）
7/3	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）
6/17	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）
3/12	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）
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	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
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） 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※）
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）
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）
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）
3/27	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）
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）

2022年

日付	出来事
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）