ओपनएआई और माइक्रोसॉफ्ट के खिलाफ न्यूयॉर्क टाइम्स के कॉपीराइट मुकदमे में नई अप्रकाशित सामग्री से हड़ताली आंतरिक स्वीकारोक्ति की एक श्रृंखला का पता चलता है - जिसमें एक शीर्ष माइक्रोसॉफ्ट कार्यकारी ने निजी तौर पर कंपनियों की एआई प्रशिक्षण प्रथाओं को चोरी के रूप में वर्णित किया है, और ओपनएआई के स्वयं के नेतृत्व ने स्वीकार किया है कि इसका चैटबॉट उन प्रकाशकों के लिए "अस्तित्व संबंधी खतरा" पैदा करता है जिनके काम ने इसे प्रशिक्षित किया है।

टेकक्रंच द्वारा गुरुवार को रिपोर्ट की गई फाइलिंग, द टाइम्स द्वारा पहली बार मुकदमा दायर करने के तीन साल बाद आई है, जिसमें आरोप लगाया गया है कि कंपनियों ने अपनी सामग्री पर जेनरेटिव एआई मॉडल को प्रशिक्षित करके कॉपीराइट कानून का उल्लंघन किया है। नई दिखाई देने वाली सामग्री में बताया गया है कि कंपनियों ने कथित तौर पर उस सामग्री को कैसे प्राप्त किया और उसका उपयोग किया: पेवॉल्स को अनदेखा करना, बड़े पैमाने पर स्क्रैपिंग के माध्यम से प्रशिक्षण डेटासेट का निर्माण करना, और जानबूझकर प्रशिक्षण डेटा से कॉपीराइट नोटिस को हटाना। For more context on this story, see our ongoing AI trends.

यह ध्यान देने योग्य है कि टेकक्रंच ने स्वयं ही चेतावनी दी थी: अधिकांश नई जानकारी अंतर्निहित प्रदर्शनों के बजाय द टाइम्स के अपने संक्षिप्त विवरण से आती है, जो सीलबंद रहती हैं, और उद्धरण उनके मूल संदर्भ के बिना प्रस्तुत किए जाते हैं।

प्रकाशकों के लिए 'एक कयामत का जाल'

सबसे परिणामी खुलासों में माइक्रोसॉफ्ट का अपना डेटा है कि उसके कोपायलट "उत्तर इंजन" ने द टाइम्स की वेबसाइट पर ट्रैफ़िक लाने के लिए क्या किया। फाइलिंग के अनुसार, माइक्रोसॉफ्ट के आंतरिक आंकड़ों से पता चलता है कि कोपायलट के कारण पारंपरिक बिंग खोज की तुलना में nytimes.com डोमेन के लिए क्लिक-थ्रू दरों में 93 प्रतिशत तक की गिरावट आई है।

जनवरी 2024 में माइक्रोसॉफ्ट के एप्लाइड साइंस के निदेशक ब्रेंट हेचट द्वारा लिखित एक आंतरिक प्रस्तुति में गिरावट को "डूम लूप" के रूप में वर्णित किया गया था जो "एक ही समय में हमारे मॉडल और संपूर्ण वेब के प्रदर्शन को नुकसान पहुंचाएगा।"

फाइलिंग में उद्धृत माइक्रोसॉफ्ट दस्तावेज़ में लिखा है, "यह बेहद असामान्य है कि एक अंतिम उत्पाद उसके आवश्यक आपूर्तिकर्ताओं की आर्थिक नींव को खतरे में डालता है, लेकिन यही स्थिति हमने अपने एलएलएम व्यवसाय के लिए उसकी 'सामग्री आपूर्ति श्रृंखला' के संबंध में बनाई है।"

यह प्रवेश सीधे तौर पर उचित उपयोग की रक्षा के एक स्तंभ के खिलाफ है जिस पर एआई कंपनियों ने भरोसा किया है: कि इसका उपयोग मूल कार्य का विकल्प नहीं बनता है या इसके बाजार को नुकसान नहीं पहुंचाता है।

अधिकारियों के अपने शब्द रिकॉर्ड में दर्ज होते हैं

अप्रकाशित फाइलिंग में कंपनियों के सबसे वरिष्ठ लोगों के स्पष्ट आकलन भी शामिल हैं।

माइक्रोसॉफ्ट के सीईओ सत्या नडेला ने इस साल की शुरुआत में एक बयान में गवाही दी थी कि "जो कुछ भी भुगतान किया जाता है, उसे किसी भी व्यक्ति द्वारा लाइसेंस प्राप्त किया जाना चाहिए जो इसका उपयोग करना चाहता है...ग्राउंडिंग या प्रशिक्षण के लिए।" नडेला ने स्पष्ट किया कि यदि उन्हें "इस बात से अवगत कराया गया होता कि ओपनएआई ने पेवॉल के पीछे मौजूद जानकारी को खंगाला और प्रशिक्षित किया है," तो उन्होंने "अपने मॉडलों को फिर से प्रशिक्षित करने के लिए ओपनएआई की आवश्यकता के [माइक्रोसॉफ्ट के अधिकार] का इस्तेमाल किया होता।"

नडेला ने शपथ के तहत इस बात पर भी सहमति व्यक्त की कि चैटबॉट्स के साथ बातचीत ने "आपको एआई प्लेटफॉर्म पर वेबसाइट पर वहीं जानकारी देने की बजाय अंतर्निहित स्रोत पर जाने की आवश्यकता को प्रतिस्थापित कर दिया है।"

ओपनएआई की ओर से, कंपनी के चैटजीपीटी के प्रमुख निक टर्ली ने आंतरिक संचार में लिखा है कि प्रकाशकों को चैटबॉट जैसे उत्पादों से "अस्तित्व संबंधी खतरे" का सामना करना पड़ता है, जो "काफी हद तक स्थानापन्न" हैं और "जैसे-जैसे वे बेहतर होते जाएंगे और अधिक से अधिक स्थानापन्न होते जाएंगे।" ओपनएआई के अध्यक्ष ग्रेग ब्रॉकमैन ने मॉडलों को "समाचार में उत्कृष्ट" बताया।

और जनवरी 2023 के आंतरिक ज्ञापन में, हेचट - वही माइक्रोसॉफ्ट कार्यकारी जिसने बाद में "डूम लूप" को चिह्नित किया था - ने स्क्रैपिंग को "अभूतपूर्व अनुपात की एक आश्चर्यजनक चोरी" और "मानव इतिहास में श्रम की सबसे बड़ी चोरी" कहा।

नकल का सरासर पैमाना

दस्तावेज़ उस पैमाने पर नकल की मात्रा निर्धारित करते हैं जिसका पहले खुलासा नहीं किया गया था। फाइलिंग में कहा गया है कि अकेले ओपनएआई के मध्य-प्रशिक्षण डेटासेट में द न्यूयॉर्क टाइम्स, न्यूयॉर्क डेली न्यूज और सेंटर फॉर इन्वेस्टिगेटिव रिपोर्टिंग द्वारा प्रकाशित कार्यों की 91,692 से अधिक प्रतियां शामिल हैं।

वेब क्रॉल डेटा के मुक्त खुले भंडार, कॉमन क्रॉल से प्राप्त डेटासेट में अकेले nytimes.com से 2 मिलियन से अधिक दस्तावेज़ शामिल हैं। फाइलिंग में प्रोजेक्ट मैंगो, एक माइक्रोसॉफ्ट-ओपनएआई डेटा पहल का भी वर्णन किया गया है, जिसके इकट्ठे प्रशिक्षण डेटासेट में समाचार प्रकाशकों के कम से कम 160,903 अद्वितीय कार्यों की प्रतियां शामिल हैं। फाइलिंग में कहा गया है कि OpenAI ने मूल्यांकन के लिए अपना संपूर्ण GPT-3 प्रशिक्षण डेटासेट Microsoft को दिया, और Microsoft ने इसी तरह प्रोजेक्ट टैक्सी और प्रोजेक्ट मैंगो नामक पहल के माध्यम से OpenAI को प्रशिक्षण डेटा प्रदान किया।

ओपनएआई के कर्मचारियों ने कथित तौर पर वेबटेक्स्ट और वेबटेक्स्ट2 जैसे शुरुआती प्रशिक्षण डेटासेट भी बनाए जो स्क्रैप की गई समाचार सामग्री पर असंगत रूप से निर्भर थे।

पेवॉल हैक्स और छीने गए कॉपीराइट नोटिस

शायद सबसे स्पष्ट विवरण इस बात से संबंधित है कि सामग्री कैसे प्राप्त की गई। जब ओपनएआई के शोधकर्ता निक राइडर ने ब्रॉकमैन को "नाइटाइम्स पेवॉल से बचने के लिए हैक" के बारे में बताया, तो ब्रॉकमैन - फाइलिंग में कहा गया है - ने जवाब दिया: "आह अच्छा।"

फाइलिंग में मॉडल तक पहुंचने से पहले प्रशिक्षण डेटा से कॉपीराइट नोटिस को हटाने के जानबूझकर किए गए प्रयासों का वर्णन किया गया है, क्योंकि शोधकर्ता "नहीं चाहेंगे" कि मॉडल उपयोगकर्ताओं को "कॉपीराइट नोटिस" आउटपुट दे।

न्यूयॉर्क डेली न्यूज के वकील स्टीवन लिबरमैन ने टेकक्रंच के साथ साझा किए गए एक बयान में कहा, "यहां पहली बार सामने आए सबूतों से पता चलता है कि ओपनएआई और माइक्रोसॉफ्ट को पता था कि वे जो कर रहे थे वह गलत था।"

उचित उपयोग की लड़ाई के लिए इसका क्या अर्थ है

यह सवाल कि क्या एआई कंपनियां बिना लाइसेंस के कॉपीराइट सामग्री पर कानूनी रूप से प्रशिक्षण ले सकती हैं, अभी भी अनसुलझा है, लेकिन न्यायाधीश अब तक एआई कंपनियों के उचित उपयोग के तर्कों के पक्ष में रहे हैं। इस महीने की शुरुआत में, ट्रम्प प्रशासन ने अपने बड़े भाषा मॉडलों को प्रशिक्षित करने के लिए ओपनएआई द्वारा कॉपीराइट सामग्री के बिना लाइसेंस के उपयोग के बचाव में एक संक्षिप्त योगदान दिया।

फिर भी कई नए प्रवेश उचित-उपयोग परीक्षण की बाजार-नुकसान की आवश्यकता के विपरीत हैं - यह विचार कि उपयोग को मूल कार्य के लिए बाजार को प्रतिस्थापित या कम नहीं करना चाहिए। आंतरिक बयान कि उत्पाद "काफी हद तक प्रतिस्थापनात्मक" हैं, माइक्रोसॉफ्ट के स्वयं के डेटा के साथ मिलकर 93 प्रतिशत क्लिक-थ्रू गिरावट दिखाते हुए, टाइम्स के पक्ष को बाजार प्रतिस्थापन का अब तक का सबसे ठोस सबूत देते हैं।

यह फाइलिंग उस मामले में नवीनतम वृद्धि है जो एआई कंपनियों द्वारा प्रशिक्षण डेटा हासिल करने के तरीके पर निर्णायक कानूनी लड़ाई बन गई है। परिणाम जो भी हो, अब अप्रकाशित रिकॉर्ड से पता चलता है कि कंपनियों के अपने अधिकारियों ने तनाव को पहले ही समझ लिया था - और इसे लिखित रूप में दिया था।

कृत्रिम बुद्धिमत्ता को आकार देने वाली कानूनी लड़ाइयों की निरंतर कवरेज के लिए, हमारे नवीनतम एआई समाचार और उन मामलों के गहन विश्लेषण का अनुसरण करें जो उद्योग को परिभाषित करेंगे।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →