Materi baru yang belum disunting dalam gugatan hak cipta The New York Times terhadap OpenAI dan Microsoft mengungkapkan serangkaian pengakuan internal yang mengejutkan – termasuk seorang eksekutif puncak Microsoft yang secara pribadi menggambarkan praktik pelatihan AI perusahaan tersebut sebagai pencurian, dan kepemimpinan OpenAI sendiri yang mengakui bahwa chatbot-nya menimbulkan “ancaman eksistensial” bagi penerbit yang karyanya melatihnya.
Pengajuan tersebut, yang dilaporkan oleh TechCrunch pada hari Kamis, dilakukan tiga tahun setelah The Times pertama kali menggugat, menuduh bahwa perusahaan tersebut melanggar undang-undang hak cipta dengan melatih model AI generatif pada kontennya. Materi baru yang terlihat merinci bagaimana perusahaan tersebut diduga memperoleh dan menggunakan konten tersebut: melewati paywall tanpa terdeteksi, membangun kumpulan data pelatihan melalui pengumpulan massal, dan dengan sengaja menghapus pemberitahuan hak cipta dari data pelatihan. For more context on this story, see our ongoing AI industry coverage.
Perlu diperhatikan peringatan yang ditandai oleh TechCrunch sendiri: sebagian besar informasi baru berasal dari ringkasan The Times sendiri, bukan dari pameran yang mendasarinya, yang tetap tersegel, dan kutipan disajikan tanpa konteks aslinya.
'A Doom Loop' untuk Penerbit
Salah satu pengungkapan yang paling penting adalah data Microsoft sendiri tentang apa yang dilakukan "mesin penjawab" Copilot terhadap lalu lintas ke situs web The Times. Menurut pengajuan tersebut, angka internal Microsoft menunjukkan Copilot menyebabkan rasio klik-tayang untuk domain nytimes.com turun sebanyak 93 persen dibandingkan dengan pencarian Bing tradisional.
Presentasi internal yang ditulis oleh direktur Sains Terapan Microsoft, Brent Hecht, pada Januari 2024 menggambarkan penurunan tersebut sebagai "lingkaran malapetaka" yang akan "merugikan kinerja model kami dan seluruh web pada saat yang bersamaan."
“Sangat tidak biasa jika produk akhir mengancam fondasi ekonomi para pemasok penting, namun itulah situasi yang kami ciptakan untuk bisnis LLM kami sehubungan dengan 'rantai pasokan konten',” demikian bunyi dokumen Microsoft, seperti dikutip dalam pengajuan.
Pengakuan ini bertentangan langsung dengan salah satu pilar pembelaan penggunaan wajar yang selama ini diandalkan oleh perusahaan AI: bahwa penggunaan tersebut tidak menggantikan karya asli atau merugikan pasarnya.
Kata-kata Eksekutif Sendiri Masuk Catatan
Pengajuan yang tidak disunting juga mencakup penilaian yang jujur dari tokoh paling senior di perusahaan tersebut.
CEO Microsoft Satya Nadella bersaksi dalam sebuah pernyataan awal tahun ini bahwa "apa pun yang bersifat berbayar harus dilisensikan oleh siapa pun yang ingin menggunakannya...untuk landasan atau pelatihan." Nadella menjelaskan bahwa jika dia "diberitahu bahwa OpenAI telah mengumpulkan dan melatih informasi yang ada di balik paywall," dia akan "meminta [hak Microsoft untuk] meminta OpenAI untuk melatih ulang modelnya."
Nadella juga setuju di bawah sumpah bahwa percakapan dengan chatbots "telah menggantikan … memberi Anda informasi langsung di situs web pada platform AI dibandingkan harus membuka sumber aslinya."
Di sisi OpenAI, Nick Turley, kepala ChatGPT perusahaan, menulis dalam komunikasi internal bahwa penerbit menghadapi "ancaman eksistensial" dari produk seperti chatbot, yang "sebagian besar bersifat substitusi" dan "akan menjadi semakin substitusi seiring dengan perkembangannya." Presiden OpenAI Greg Brockman menggambarkan model ini sebagai "sangat baik dalam berita."
Dan dalam memo internal pada bulan Januari 2023, Hecht – eksekutif Microsoft yang sama yang kemudian menandai “lingkaran malapetaka” – menyebut tindakan tersebut sebagai “pencurian yang menakjubkan dengan proporsi yang belum pernah terjadi sebelumnya” dan “pencurian tenaga kerja terbesar dalam sejarah manusia.”
Skala Besar Penyalinan
Dokumen-dokumen tersebut mengukur penyalinan pada skala yang belum pernah diungkapkan sebelumnya. Kumpulan data pertengahan pelatihan OpenAI saja, menurut pengajuan tersebut, berisi lebih dari 91.692 salinan karya yang diterbitkan oleh The New York Times, New York Daily News, dan Center for Investigative Reporting.
Kumpulan data yang berasal dari Common Crawl, gudang terbuka gratis untuk data perayapan web, mencakup lebih dari 2 juta dokumen dari nytimes.com saja. Pengajuan tersebut juga menjelaskan Project Mango, sebuah inisiatif data Microsoft-OpenAI yang kumpulan data pelatihannya berisi salinan setidaknya 160.903 karya unik dari penerbit berita. OpenAI mengirimkan seluruh kumpulan data pelatihan GPT-3 ke Microsoft untuk dievaluasi, menurut pengajuan tersebut, dan Microsoft juga memberikan data pelatihan kepada OpenAI melalui inisiatif yang disebut Project Taxi dan Project Mango.
Karyawan OpenAI juga diduga membuat kumpulan data pelatihan awal seperti WebText dan WebText2 yang secara tidak proporsional mengandalkan konten berita bekas.
Peretasan Paywall dan Pemberitahuan Hak Cipta yang Dilucuti
Mungkin detail yang paling jelas berkaitan dengan cara konten tersebut diperoleh. Ketika peneliti OpenAI Nick Ryder memberi tahu Brockman tentang "peretasan untuk mengatasi paywall nytimes", Brockman - menurut dokumen tersebut - menjawab: "ah bagus."
Pengajuan tersebut lebih lanjut menjelaskan upaya yang disengaja untuk menghilangkan pemberitahuan hak cipta dari data pelatihan sebelum mencapai model, karena peneliti "tidak ingin" model tersebut mengeluarkan "pemberitahuan hak cipta" kepada pengguna.
“Bukti yang terungkap di sini untuk pertama kalinya menunjukkan bahwa OpenAI dan Microsoft tahu bahwa apa yang mereka lakukan adalah salah,” kata Steven Lieberman, penasihat New York Daily News, dalam sebuah pernyataan yang dibagikan kepada TechCrunch.
Apa Artinya bagi Perjuangan Penggunaan Wajar
Pertanyaan apakah perusahaan AI dapat secara legal melatih materi berhak cipta tanpa lisensi masih belum terselesaikan, namun sejauh ini sebagian besar hakim mendukung argumen penggunaan wajar yang diajukan perusahaan AI. Awal bulan ini, pemerintahan Trump memberikan laporan singkat untuk membela penggunaan materi berhak cipta tanpa izin oleh OpenAI untuk melatih model bahasa besarnya.
Namun beberapa dari karya baru tersebut bertentangan dengan persyaratan bahaya pasar dari tes penggunaan wajar – gagasan bahwa penggunaan tersebut tidak boleh menggantikan atau melemahkan pasar untuk karya asli. Pernyataan internal bahwa produk-produk tersebut “sebagian besar bersifat substitusi,” dikombinasikan dengan data Microsoft sendiri yang menunjukkan penurunan jumlah klik-tayang sebesar 93 persen, memberikan bukti paling konkrit mengenai substitusi pasar kepada pihak The Times.
Pengajuan tersebut merupakan peningkatan terbaru dalam kasus yang telah menjadi pertarungan hukum yang menentukan mengenai bagaimana perusahaan AI memperoleh data pelatihan. Apa pun hasilnya, catatan yang belum disunting kini menunjukkan bahwa para eksekutif perusahaan memahami ketegangan tersebut sejak dini – dan menuliskannya.
Untuk terus meliput perjuangan hukum yang membentuk kecerdasan buatan, ikuti berita AI terbaru kami dan analisis mendalam tentang kasus-kasus yang akan menentukan industri ini.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
