Dữ liệu đào tạo lậu là các tác phẩm có bản quyền được thu thập và sao chép mà không có sự cho phép của chủ bản quyền và được sử dụng làm dữ liệu đào tạo cho các mô hình AI mà không được phép.
Dữ liệu đào tạo vi phạm bản quyền (kho tài liệu bất hợp pháp) đề cập đến hành vi sử dụng văn bản, hình ảnh, âm thanh, v.v. đã được thu thập và sao chép mà không có sự cho phép của chủ sở hữu bản quyền hoặc trả tiền bồi thường, cũng như các nhóm dữ liệu đó để đào tạo trước và đào tạo bổ sung cho các mô hình AI. Các trường hợp sách, tin tức, bài hát, hình minh họa, v.v. bị sao chép và đưa vào tài liệu học tập mà không có sự đồng ý của chủ sở hữu bản quyền đã trở thành một vấn đề và các vụ kiện vi phạm bản quyền được cho là xảy ra lần lượt ở Châu Âu, Châu Mỹ và Nhật Bản. Cạm bẫy của hoạt động thực tế là nguồn dữ liệu đào tạo không được nhà cung cấp AI tiết lộ, do đó các công ty vô tình có nguy cơ bị vi phạm. Kể từ năm 2026, các báo cáo minh bạch theo dõi nguồn gốc của giấy phép dữ liệu học tập và các mô hình có cơ chế từ chối dành cho chủ sở hữu quyền sẽ được nhấn mạnh làm tiêu chí lựa chọn cho mục đích sử dụng thương mại. Khi lựa chọn một nhà cung cấp trong lĩnh vực này, việc kiểm tra ba điểm thực tế tối thiểu trước khi ký hợp đồng được coi là: tiết lộ nguồn dữ liệu tìm hiểu, sự tồn tại của các điều khoản bồi thường và hỗ trợ chọn không tham gia. Nếu điều này không được thực hiện, sẽ có rủi ro là chi phí sau này (chi phí kiện tụng và chi phí học lại) sẽ tăng vọt.