OpenAI와 Microsoft를 상대로 한 New York Times의 저작권 소송에서 편집되지 않은 새로운 자료는 일련의 놀라운 내부 인정을 보여줍니다. 여기에는 Microsoft의 최고 경영진이 개인적으로 회사의 AI 교육 관행을 절도라고 설명하는 내용과 OpenAI의 경영진이 자사의 챗봇이 이를 교육한 게시자에게 "실존적 위협"을 가한다는 점을 인정하는 내용이 포함됩니다.

목요일 TechCrunch에 의해 보고된 이 소송은 The Times가 콘텐츠에 대해 생성 AI 모델을 훈련시켜 저작권법을 위반했다고 주장하면서 The Times가 처음 소송을 제기한 지 3년 후에 도착했습니다. 새로 공개된 자료에는 회사가 어떻게 해당 콘텐츠를 획득하고 사용했는지 자세히 설명되어 있습니다. 즉, 감지되지 않은 페이월 우회, 대량 스크래핑을 통해 교육 데이터 세트 구축, 교육 데이터에서 의도적으로 저작권 표시 제거 등이 있습니다. 이 이야기에 대한 자세한 내용은 인공지능 뉴스를 참조하세요.

TechCrunch 자체에 표시된 경고에 주목할 가치가 있습니다. 새로운 정보의 대부분은 봉인된 기본 전시회가 아닌 The Times의 자체 요약에서 나온 것이며 인용문은 원래 맥락 없이 제시됩니다.

출판사를 위한 '파멸의 고리'

가장 중대한 폭로 중 하나는 Copilot "응답 엔진"이 The Times 웹사이트 트래픽에 어떤 영향을 미쳤는지에 대한 Microsoft 자체 데이터입니다. 문서에 따르면 마이크로소프트 내부 수치에 따르면 Copilot으로 인해 nytimes.com 도메인의 클릭률이 기존 Bing 검색에 비해 최대 93%까지 떨어졌습니다.

2024년 1월 Microsoft의 응용 과학 이사인 Brent Hecht가 작성한 내부 프레젠테이션에서는 이러한 쇠퇴를 "우리 모델과 전체 웹의 성능을 동시에 해칠" 수 있는 "파멸 루프"로 설명했습니다.

"최종 제품이 필수 공급업체의 경제적 기반을 위협하는 것은 매우 이례적인 일이지만, 이는 '콘텐츠 공급망'과 관련하여 LLM 사업을 위해 우리가 만든 상황입니다."라고 Microsoft 문서는 서류에 인용되어 있습니다.

이번 인정은 AI 기업이 의존해 온 공정 사용 방어의 한 기둥, 즉 사용이 원본 저작물을 대체하거나 시장에 해를 끼치지 않는다는 점을 직접적으로 위배합니다.

임원 자신의 말 기록 입력

수정되지 않은 서류에는 회사 최고위 인사의 솔직한 평가도 담겨 있습니다.

마이크로소프트 CEO 사티아 나델라(Satya Nadella)는 올해 초 증언에서 "페이월이 적용된 모든 것은 기초나 훈련을 위해 그것을 사용하려는 사람이 라이센스를 받아야 한다"고 증언했습니다. Nadella는 "OpenAI가 페이월 뒤에 있는 정보를 스크랩하고 교육했다는 사실을 알게 되었다면" "OpenAI가 모델을 재교육하도록 요구할 [Microsoft의 권리]를 발동했을 것"이라고 분명히 밝혔습니다.

Nadella는 또한 챗봇과의 대화가 "기본 소스로 이동할 필요 없이 AI 플랫폼의 웹사이트에서 바로 정보를 제공하는 것을 대체했습니다"라고 맹세했습니다.

OpenAI 측의 ChatGPT 책임자인 Nick Turley는 내부 커뮤니케이션에서 게시자가 "대체로 대체적"이고 "향상될수록 점점 더 대체성이 높아질" 챗봇과 같은 제품으로 인해 "실존적 위협"에 직면하고 있다고 썼습니다. OpenAI 사장 Greg Brockman은 이 모델이 "뉴스에 탁월하다"고 설명했습니다.

그리고 2023년 1월 내부 메모에서 Hecht(나중에 "둠 루프"를 표시한 동일한 Microsoft 임원)는 스크래핑을 "전례 없는 규모의 놀라운 절도"이자 "인류 역사상 최대 규모의 노동 절도"라고 불렀습니다.

복사의 규모

문서는 이전에 공개되지 않은 규모로 복사를 수량화합니다. 파일에 따르면 OpenAI의 중간 훈련 데이터 세트에만 The New York Times, New York Daily News 및 Center for Investigative Reporting에서 발행한 작품의 91,692개 이상의 사본이 포함되어 있습니다.

웹 크롤링 데이터의 무료 개방형 저장소인 Common Crawl에서 파생된 데이터 세트에는 nytimes.com에서만 2백만 개 이상의 문서가 포함되어 있습니다. 이 서류에는 또한 뉴스 게시자의 최소 160,903개의 고유한 작품 사본이 포함된 수집된 교육 데이터세트를 포함하는 Microsoft-OpenAI 데이터 이니셔티브인 Project Mango에 대한 설명도 포함되어 있습니다. OpenAI는 평가를 위해 전체 GPT-3 교육 데이터 세트를 Microsoft에 제공했으며 Microsoft는 마찬가지로 Project Taxi 및 Project Mango라는 이니셔티브를 통해 OpenAI에 교육 데이터를 제공했다고 합니다.

OpenAI 직원은 또한 스크랩된 뉴스 콘텐츠에 과도하게 의존하는 WebText 및 WebText2와 같은 초기 교육 데이터 세트를 구축한 것으로 알려졌습니다.

페이월 해킹 및 박탈된 저작권 고지

아마도 가장 생생한 세부 사항은 콘텐츠를 얻은 방법에 관한 것입니다. OpenAI 연구원 Nick Ryder가 Brockman에게 "밤새 페이월을 우회하는 해킹"에 대해 말했을 때 Brockman은 "아 멋지네요"라고 대답했습니다.

이 서류에는 훈련 데이터가 모델에 도달하기 전에 저작권 고지를 제거하려는 의도적인 노력이 더 자세히 설명되어 있습니다. 왜냐하면 연구원들은 모델이 사용자에게 "저작권 고지"를 출력하는 것을 "원하지 않기" 때문입니다.

New York Daily News의 변호사인 Steven Lieberman은 TechCrunch와 공유한 성명에서 "여기에서 처음으로 공개된 증거는 OpenAI와 Microsoft가 자신들이 하고 있는 일이 잘못되었다는 것을 알고 있었다는 것을 보여줍니다"라고 말했습니다.

공정 사용 싸움의 의미

AI 회사가 라이센스 없이 저작권이 있는 자료에 대해 합법적으로 훈련할 수 있는지에 대한 질문은 아직 해결되지 않았지만, 판사는 지금까지 AI 회사의 공정 사용 주장에 대체로 호의적이었습니다. 이달 초 트럼프 행정부는 OpenAI가 대규모 언어 모델을 훈련하기 위해 저작권 자료를 무단으로 사용하는 것을 옹호하는 브리핑을 제출했습니다.

그러나 새로운 승인 중 일부는 공정 사용 테스트의 시장 피해 요구 사항, 즉 사용이 원본 저작물을 대체하거나 시장을 약화시켜서는 안 된다는 생각에 어긋납니다. 제품이 "대부분 대체적"이라는 내부 진술과 93%의 클릭률 붕괴를 보여주는 Microsoft 자체 데이터가 결합되어 The Times 측에서는 시장 대체에 대한 가장 구체적인 증거를 제공합니다.

이번 소송은 AI 회사가 훈련 데이터를 획득하는 방법을 둘러싸고 결정적인 법적 싸움이 된 사건의 최신 확대입니다. 결과가 무엇이든, 이제 수정되지 않은 기록에 따르면 회사 경영진은 긴장감을 일찍 이해하고 이를 서면으로 기록했습니다.

인공 지능을 형성하는 법적 싸움에 대한 지속적인 보도를 보려면 최신 AI 뉴스와 업계를 정의할 사례에 대한 심층 분석을 따르십시오.

---

AI 최신 소식

최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.

AI 뉴스 더 보기 →