AmazonとGoogleのAI競争、デフォルトでライブ配信がモデル訓練に使われるTwitchへ拡大

Amazonは、AmazonとGoogleのAI競争における論争の的となる新たな局面を確認した。Twitchのチャンネルコンテンツは、デフォルトで同社の生成AIモデルの訓練に使用され得る。

この設定は、対象チャンネルに関連するコンテンツを対象とし、ライブ配信、録画、クリップ、画像、チャンネルのメタデータ、チャットなどが含まれる可能性がある。クリエイターはこのオプションを無効化できるが、Twitchはオプトアウト方式のコントロールとして導入した。つまり、クリエイターが設定を見つけてオフにしない限り、対象チャンネルのコンテンツは利用可能なままとなる。

この開示が重要なのは、ライブ配信が特に情報量の多い訓練素材だからだ。1回の配信には、音声、動画、ゲームプレイ、表情、視聴者の反応、スラング、急速な文脈の変化が組み合わさり得る。Amazonは自社が所有するプラットフォームを通じてこうした素材にアクセスできる一方、Googleや他の競合各社は、同等のマルチモーダルデータセットを別の場所で集めなければならない。

したがって、中心的な対立はプライバシー設定を超える。AmazonはGoogle、OpenAI、Meta、Anthropicと競合するモデル向けに、独自性のあるデータを求めている。Twitchのクリエイターは、自らが制作し、その周囲にコミュニティを築いた成果物に対する実質的な管理を求めている。

Twitchが確認したデフォルト設定の内容

今回の直接的な変更は、AmazonがTwitchコンテンツを分析できることそのものではない。Twitchが生成AIの訓練に関するデフォルト有効のコントロールを公開したことだ。

この設定はTwitchアカウントのセキュリティおよびプライバシー設定に表示される。その説明では、チャンネルコンテンツをAmazonの生成AIコンテンツモデルの訓練に使用することが認められている。Twitchによれば、これをオフにすればその特定の用途は停止されるが、サービス全体におけるあらゆる形態の機械学習分析を防ぐものではない。

この違いは重要だ。Twitchはすでに、レコメンデーション、モデレーション、広告、安全対策、クリエイター発見のために自動化システムを活用している。こうしたシステムは、必ずしも汎用の生成モデルを訓練することなく、行動やコンテンツを分析できる。

生成AIの訓練には、より広範な目的がある。テキスト、画像、音声、動画にまたがるパターンを認識または生成するようモデルに学習させるものだ。結果として得られるモデルは、元のTwitch体験をはるかに超える製品を支える可能性がある。

Twitchの最高製品責任者であるMike Mintonは、同社のライブ配信でこのデフォルト設定について言及した。設定がオプトインではなくオプトアウトなのはなぜかと問われ、彼は率直にこう答えた。「オプトインだったら、誰もオプトインしないだろう」。

この発言は、技術的な開示を同意をめぐる論争へと変えた。デフォルトは中立的な使いやすさの判断として提示されたわけではない。Twitchは、クリエイターが自らのコンテンツを進んで提供することはほとんどないと理解した上で、不作為を参加とみなす設計を選んだ。

Mintonはまた、Amazonが収集した素材を他社へ再販することはないと述べた。この保証は一つの懸念を限定するが、Amazonがデータを社内でどのように処理、保持、統合、活用するかという問題を解決するものではない。

Twitchのコミュニティ責任者であるMary Kishは、コミュニティからの懸念を理由に、自身でこの設定を無効化したと報じられている。同時に、Twitchはいくつかの形態のAIなしには運営できないとも主張した。プラットフォームの自動化と基盤モデルの訓練は異なる活動であるため、両方の立場は成立し得る。

1回の配信に複数の人が登場する場合、対象範囲はより複雑になる。チャンネル所有者はチャンネル設定を管理できるが、ゲストが同じ意向を持つとは限らない。チャット参加者は、配信者の訓練設定を確認しないまま、メッセージ、ジョーク、エモート、反応を投稿できる。

Mintonは、同意が混在する配信が正当な疑問を提起することを認めたと報じられている。Twitchは、配信が生成AIの訓練に寄与しているかどうかを視聴者に示す、目に見えるチャンネルラベルを発表していない。

この欠落により、このコントロールは当初見えるほど個人に限定されたものではなくなる。視聴者は自分のチャンネルでは訓練を回避できても、有効化されたチャンネルに入り、そのライブ会話に参加することはあり得る。チャンネル単位のデフォルトが、集団的な創作空間を管理する。

Twitchのより広範なユーザーコンテンツ規約は、サービスの提供および改善のため、個々のコンテンツをキャッシュまたは保存することをすでに同社に認めている。しかし、一般的なサービスライセンスが、プラットフォーム運営と再利用可能な生成モデルの構築との実務上の違いをなくすわけではない。

新しい設定は、その違いを可視化する。また、AmazonがTwitchを単なる動画配信事業以上のものと見なしていることを、クリエイターに直接示している。

AmazonとGoogleのAI競争でライブ配信が重要な理由

TwitchはAmazonに、すべてのモデル開発者が求めるものを提供する。人々が話し、行動し、視聴し、反応する様子を同期したリアルタイムの事例として提供するのだ。

大規模言語モデルの多くは、膨大なテキストコレクションから始まった。次の競争段階は、単一のシステム内で複数のメディア形式を処理するマルチモーダルモデルへの依存をますます強めている。動画は、言葉を行動、時間、物体、環境、人間の反応と結びつけるため、特に価値が高い。

Twitch配信には、音声による解説、画面上のテキスト、ゲーム映像、音楽、ウェブカメラ映像、チャンネル情報、視聴者との会話が含まれ得る。これらの要素は、個別のファイルとして存在するのではなく、同時に展開される。

この同期は、モデルが言語を出来事と関連付ける助けになり得る。ストリーマーがゲームの仕組みを説明したり、予期せぬ結果に反応したり、視聴者に答えたりする際、周囲の動画やチャットが文脈を提供する。

この素材は会話的でもある。ライブ配信の発話には、中断、不完全な文、地域的な表現、ユーモア、誤り、感情の変化、以前の瞬間に依存する言及が含まれる。こうした性質は、洗練された企業動画や合成対話では再現しにくい。

チャットはさらに別の層を加える。グループがライブイベントにどう反応するか、どのフレーズが広がるか、特定コミュニティ内で意味がどう変化するかを示す。エモートは、通常のテキストデータセットでは捉えられない文脈を伝えることがある。

これは、すべてのTwitch配信が自動的にAmazonのすべてのモデルを改善することを意味しない。訓練データは選別、フィルタリング、ラベル付け、重複排除を行い、意図する能力に合わせる必要がある。低品質または反復的なデータは、計算資源を浪費したり、モデルの挙動を歪めたりする可能性がある。

Amazon自身の訓練に関する開示によれば、同社の生成AIサービスは、ライセンス取得済み、独自、合成、オープンソース、公開利用可能なデータセットを使用する場合がある。これらのコレクションには、テキスト、画像、音声、動画、コード、個人または集計された消費者情報が含まれる可能性がある。

同開示では、データセットの規模はモデルまたはサービスによって異なり、数千から数兆のデータポイントに及ぶとしている。Amazonによれば、同社は自動品質スコアリング、人間によるアノテーション、選好ランキング、重複排除などのプロセスを適用している。

Twitchは、このより大きな混合データの中でAmazonに独自コンポーネントを提供できる。GoogleはYouTubeを保有し、Metaは主要なソーシャルプラットフォームを運営し、MicrosoftはOpenAIと密接な関係を維持している。各社は、通常のウェブクローリングでは得られない素材を生み出すサービスを管理している。

ここでAmazonとGoogleは、恣意的な比較ではなく意味のある競争キーワードとなる。Googleは、YouTubeの膨大な動画カタログと関連メタデータから技術的優位性を引き出せる。Amazonが所有する動画プラットフォームはより小規模だが、Twitchはライブかつ双方向的な行動に特化している。

違いは単にカタログの規模ではない。YouTubeにはライブ配信、録画、チュートリアル、エンターテインメント、短尺動画がある。Twitchは、継続的な視聴者参加を伴う長時間セッションにより大きく集中している。

Amazonはまた、モデル開発を、コンピューティングインフラとマネージドAIサービスを販売するAWSと結び付けられる。より優れた社内モデルは、Amazon Bedrockの提供、ショッピング機能、広告ツール、Alexaサービス、メディアシステム、将来のエージェントを強化し得る。

ただし、Twitchはどの特定モデルがチャンネルコンテンツを受け取るのか明らかにしていない。そのデータがNovaモデル、特化型の動画システム、広告モデル、または複数の社内プロジェクトを支えるのかも説明していない。

この不明確さは重要だ。リスクは用途によって変わるからだ。モデレーション分類器の訓練は、音声、人格、動画を生成できるモデルの訓練とは異なる。「Amazonの生成AIコンテンツモデル」という広範な言及では、クリエイターはそのレベルの詳細を得られない。

Amazonも戦略的な圧力に直面している。7月のAI戦略に関する報道では、同社が新たなフロンティアモデルの取り組みに資源を振り向ける一方、複数の主力Novaモデルを段階的に廃止しているとされた。

Amazonは、Novaを放棄しているとの含意に異議を唱えた。広報担当者は、同社が次世代フロンティア研究に投資しながら、顧客が利用するモデルのサポートを継続していると述べた。

どちらの説明も、優先順位付けを示している。Amazonは、独自データ、研究者、計算能力がどこで防御可能な優位性を生み出せるかを判断している。Twitchのライブかつマルチモーダルなアーカイブは、差別化を求めるこの動きに適合する。

真のトレードオフは能力と同意の間にある

Amazonのデータ優位性は、多くのクリエイターが同じ条件のもとでは意図的に提供しない素材に依存している。

Twitchのデフォルト設定は、このトレードオフを異例なほど明確に捉えている。ほとんど誰もオプトインしないのであれば、プラットフォームが参加を最大化するには、沈黙を許可として扱うしかない。

ユーザーはすべての設定を確認するわけではないため、デフォルト設定が行動を決めることは多い。設定の存在を知ることのないクリエイターもいる。対象範囲を誤解したり、判断を先送りしたり、初期のプライバシー選択が今も適用されると考えたりする人もいるだろう。

こうした行動上の効果は技術的な偶然ではない。Mintonの説明は、予想される参加率が設計を形作ったことを示している。Twitchは、Amazonのデータニーズに資するデフォルトを選び、情報を得たクリエイターには離脱する道を提供した。

オプトアウトも、可視性、安定性、理解可能性があり、処理開始前に適用されるなら、実質的なコントロールを提供し得る。Twitchがこれらの条件を満たすかどうかには疑問が残る。

第一に、同社は新たなコントロールが導入される前に何が起きていたかを公に詳述していない。発表をめぐる報道は、Amazonが以前からAI開発にTwitchの素材を使用していたことを示している。したがって、この設定は、すでに完了した訓練を取り消すことなく、将来の処理を規定する可能性がある。

データ主体の影響を訓練済みモデルから取り除こうとする機械的アンラーニングは、依然として技術的に難しい。ソースファイルを削除しても、そのファイルから導かれたモデル更新が自動的に元に戻るわけではない。

第二に、チャンネル単位の設計では、すべての参加者を完全に表現できない。配信者はゲストを招いたり、協力者を取り上げたり、視聴者のメッセージを読み上げたり、ライセンスを受けた素材を再配信したりすることがある。チャンネル所有者が、すべての要素について無制限のAI訓練権を持つとは限らない。

Twitchの規約は、ユーザーに対し、コンテンツを配信するために必要な権利を保有することを求めている。しかし、作品を配信する許可が常にモデル訓練のための再利用許可と同じとは限らない。音楽、ゲーム、アートワーク、パフォーマンス、ゲスト出演には、それぞれ別個の契約上または法的な制約が伴う可能性がある。

第三に、Twitchはデータ保持について説明していません。クリエイターは、この設定を無効にすると新たな収集、今後のトレーニング実行、評価用データセットのいずれが阻止されるのか、あるいはそのすべてが対象なのかを知る必要があります。キャッシュされた複製や、すでにAmazonのシステムへ転送されたデータについても明確な説明が求められます。

第四に、このコントロールでは、学習済みモデルが識別可能なクリエイター固有の特徴を再現できるかどうかが分かりません。Twitchのコンテンツには、人物の声、顔、しぐさ、繰り返し使うフレーズ、視聴者との関係性が含まれる場合があります。

モデルは特定の配信者をコピーせずとも、一般的な話し方や動画のパターンを学習できます。それでもクリエイターが、記憶化、声の模倣、アイデンティティの漏えい、著作権保護コンテンツの再現を測るテストを求めるのは当然です。

Amazonは、個人データに関するリスクを抑えるための保護措置を講じ、学習素材を重複排除していると述べています。これらは有用な実践ですが、モデル固有の文書や独立した評価による裏付けがない限り、あくまで企業側の主張にとどまります。

同じ不確実性は報酬にも当てはまります。Twitchのクリエイターは、このデータセットを特徴的なものにしている録画と社会的文脈を生み出しています。Amazonはこれらの素材を商用システムの改善に利用できる可能性がありますが、この設定はクリエイターへの支払い、帰属表示、モデルへのアクセスを約束していません。

大規模なトレーニングを支持する立場からは、有用なシステムを構築するにはプラットフォームに大規模なデータセットが必要だと主張できるでしょう。公開された成果物ごとに個別交渉を義務づければ、研究が遅れ、既存大手に有利に働き、一部の機械学習が実用不可能になる可能性があります。

しかし、その議論はデフォルト設定の問題を解決しません。Twitchはすでにクリエイターと直接の関係を持っています。見知らぬ公開ウェブページをクロールする企業よりも容易に、クリエイターと連絡を取り、条件を提示し、インセンティブを設計できます。

オプトイン型プログラムでは、クリエイターに具体的な利点を提供できます。Twitchは発見性を高めるツール、モデル搭載の編集機能、収益分配、パフォーマンス分析へのアクセスなどを提供できるでしょう。そうすれば、参加は隠れた前提ではなく、交換関係になります。

Minton氏のコメントは、Twitchが現在の提案だけでクリエイターを納得させられるとは期待していなかったことを示唆しています。プラットフォームは代わりに、デフォルトでの登録に依存しました。

契約、クリップ、スポンサーシップに関するメモ、ポリシー変更を管理するクリエイターにとって、こうした詳細の追跡はナレッジ管理の課題にもなります。検索可能なAIナレッジベースは、チームが通知、同意に関する決定、変化するプラットフォーム規約を保存する助けになります。

Google、YouTube、競合各社も同じデータ問題に直面

プラットフォームのデータを求めているのはAmazonだけではありませんが、Twitchの認めた事実は競合他社と規制当局に明確な検証事例を与えています。

Googleが比較対象となるのは、YouTubeを通じて比類ない多様性を持つ動画形式に直接アクセスできるためです。Googleはテキスト、音声、画像、動画を処理できるGeminiモデルも開発しています。

したがってYouTubeとクリエイターの関係は、同様の戦略的可能性と同様の信頼上の問題を生み出します。プラットフォーム運営者は、コンテンツをレコメンデーションの改善、不正利用の検出、字幕生成、より広範なAIシステムの開発に利用できます。ユーザーはこうした目的を常に区別しているわけではありません。

MetaもFacebookとInstagramで同じ緊張関係に直面しています。公開投稿は、文化的・視覚的・会話的な知識を必要とするモデルに有用となり得ます。Metaは、ユーザーがAIトレーニングに異議を唱える方法をめぐっても反発に直面してきました。

Redditは、プラットフォーム上のコンテンツへのアクセスをライセンス供与することで、より明示的に商業的な道を選んでいます。このアプローチはデータを資産として認めるものですが、個々の投稿者はなお、プラットフォームレベルの契約が自らの利益を反映しているかどうかを疑問視できます。

OpenAIとAnthropicには、同等の消費者向け動画プラットフォームがありません。両社はパートナーシップ、ライセンス済みコレクション、公開ソース、合成データ、製品を通じて提出された素材により大きく依存しています。競合他社が継続的に更新されるメディアネットワークを支配する場合、これは両社を不利な立場に置く可能性があります。

競争は、すべてのプラットフォーム所有者に既存サービスをトレーニング基盤として再解釈するよう促します。検索クエリは言語フィードバックになり、写真は視覚データになり、動画はマルチモーダルな事例になり、会話は人間の選好を示す実演になります。

AmazonとGoogleの競争は、そのインセンティブを強めます。両社はクラウド事業、消費者向けサービス、広告システム、AIモデルのポートフォリオを運営しているためです。有用なモデルは複数の部門を同時に強化できます。

しかし、プラットフォームの所有は、そこで起きるすべてのことに対する無制限の権利を生むわけではありません。ライブ配信の1フレームには、配信者のオリジナル作品、ゲームパブリッシャーのアセット、ライセンス音楽、ゲストの発言、視聴者チャット、ブランド素材が含まれ得ます。

この重層的な権利構造により、ライブ動画は整理された社内データセットよりも法的・運用的に複雑になります。明白な権利侵害を除外しても、残るすべての素材に適切なトレーニングの根拠があるかという問いには答えられません。

規制当局は、プラットフォームが処理目的をどれだけ明確に説明しているかも調べるでしょう。同意を法的根拠とする法域では、同意は十分な情報に基づき、具体的でなければなりません。埋もれたデフォルト設定は、目立つ自発的な選択よりも厳しい精査を受ける可能性があります。

Twitchにとって最も強力な防御策は、詳細な透明性です。同社はモデルファミリー、データのカテゴリー、地理的範囲、保持期間、締切日、評価方法、オプトアウトの効果を特定できます。

また、クリエイター、ゲスト、チャット参加者を区別することもできます。チャンネルバッジで生成AIトレーニングが有効かどうかを示せます。視聴者は、メッセージを投稿する前に参加するかどうかを判断できるようになります。

Twitchはそのようなラベルを発表していません。ラベルがなければ、視聴者は自分の投稿が有効化されたチャンネルのトレーニングプールに入るかどうかを容易に知ることができません。

独立監査も有用な検証手段になるでしょう。監査人は、オプトアウトがAmazonのシステム全体に反映されるか、除外されたコンテンツが後のデータセットに現れるか、モデルが保護対象または個人に関する素材を再現するかをテストできます。

競争のために、すべての企業が利用可能な中で最も弱い同意基準を採用する必要はありません。Google、Amazon、Meta、その他のプラットフォーム所有者は、モデル性能だけでなく、データ慣行の信頼性でも競争できます。

Twitchには現在、自社のコントロールが機能することを証明する機会があります。もし同社がトグルを十分な開示として扱うだけなら、未回答の疑問はインターフェース設計ではなく処理に関するものなので、反発は続くでしょう。

クリエイターとAI購入者が次に注目すべきこと

次の3つの兆候は、Twitchの設定が真のコントロールを表すのか、それとも世論の圧力に対する限定的な対応にすぎないのかを示すでしょう。

第一の兆候は、モデル固有の透明性通知です。AmazonはTwitchコンテンツを利用するモデルファミリーまたは製品カテゴリーを明示すべきです。また、この設定が登場する前にトレーニングが始まっていたか、すでに処理されたデータをどう扱うかも説明すべきです。

その開示は、クリエイターに意味のある選択肢があるというAmazonの主張を強めるでしょう。曖昧さが続けば、同社が十分な情報に基づく参加よりも柔軟性を重視していることを示唆します。

第二の兆候は、Twitchが同意が混在する配信をどのように扱うかです。プラットフォームには、チャンネル所有者の設定と異なる希望を持つゲスト、共同配信者、チャット参加者に関する明確なルールが必要です。

目に見えるトレーニング状況バッジは、すべての権利問題を解決するわけではありませんが、通知を改善します。個々のチャット投稿に適用されるコントロールは、より正確な選択肢を提供できるでしょう。

今後数回の製品アップデートで、Twitchがこれらの機能のいずれかを導入するか注目してください。沈黙が続けば、コミュニティによって生成されたデータセットについて、チャンネル所有者だけが意思決定者となります。

第三の兆候は、規制上または契約上の圧力です。クリエイター団体、ゲームパブリッシャー、出演者、プライバシー当局が、Twitchに法的根拠と権利連鎖の文書化を求めるかもしれません。正式な調査が始まれば、企業ライブ配信で提示されたものより具体的な回答を迫ることになります。

AI購入者はクリエイターと同じくらい、この問題を重視すべきです。企業は、モデルデータの出所、人々が異議を唱えることができたか、ライセンスが商用展開をカバーしているかをますます評価しています。不明確な来歴は、調達、コンプライアンス、評判に関するリスクになり得ます。

開発者もまた、データが多ければ常により良いモデルが生まれると考えるべきではありません。Twitchの素材には、ノイズ、反復、著作権保護メディア、組織的なチャット行動、高度にローカライズされた言語が含まれます。強力なキュレーションは規模と同じくらい重要です。

クリエイターは今すぐ、ウェブ上のTwitchのセキュリティおよびプライバシー設定を確認できます。自らの選択を記録し、ポリシー更新後に見直し、チャンネルの設定を共同作業者に伝えるべきです。

また、第三者の権利が伴うコンテンツを棚卸しすべきです。トレーニングを無効にしても、音楽、ゲーム、スポンサーシップ、ゲストに関する契約に代わるものではありませんが、不確実な再利用経路を一つ減らせます。

チャンネル設定が環境を形作るため、視聴者の直接的なコントロールはより少なくなります。チャットで機微な詳細を共有する前に、メッセージが保存・分析され、周囲の配信と結び付けられる可能性があると考えるべきです。

より広いAmazonとGoogleのAI競争における重要な問いは、どちらの企業がより多くの動画を所有しているかではありません。独自プラットフォームが、コミュニティを価値あるものにした信頼を損なうことなく、コミュニティをモデル基盤へ転換できるかどうかです。

Amazonは、異例のマルチモーダル資源へのアクセスを得ました。同時にTwitchは、その優位性の代償も露呈させました。同社の製品責任者は、自発的な参加率は低いと認めたうえで、デフォルト同意を中心に構築されたシステムを擁護しました。

この認めた事実は、クリエイター、規制当局、企業顧客に次の対応を判断するための具体的な基準を与えます。モデル名の明示、強制力のある除外措置、可視化されたチャンネル状況、独立テストに注目してください。

こうした措置が導入されれば、Twitchは反発をより信頼できるデータ契約へと転換できます。導入されなければ、AmazonとGoogleの競争はまたしても見慣れた結果を生むことになります。すなわち、データへのアクセスは改善される一方で、その取得方法に対する信頼は低下するのです。