Bahan baharu yang belum disunting dalam tuntutan hak cipta The New York Times terhadap OpenAI dan Microsoft mendedahkan satu siri kemasukan dalaman yang menarik — termasuk seorang eksekutif tertinggi Microsoft secara peribadi menggambarkan amalan latihan AI syarikat sebagai kecurian, dan kepimpinan OpenAI sendiri mengakui bahawa chatbotnya menimbulkan "ancaman wujud" kepada penerbit yang kerjanya melatihnya.
Pemfailan itu, yang dilaporkan oleh TechCrunch pada hari Khamis, tiba tiga tahun selepas The Times pertama kali menyaman, mendakwa bahawa firma itu melanggar undang-undang hak cipta dengan melatih model AI generatif pada kandungannya. Bahan yang baru kelihatan memperincikan cara syarikat didakwa memperoleh dan menggunakan kandungan tersebut: memintas dinding berbayar tanpa dikesan, membina set data latihan melalui pengikisan besar-besaran dan sengaja melucutkan notis hak cipta daripada data latihan. For more context on this story, see our ongoing AI news.
Perlu diperhatikan bahawa kaveat yang dibenderakan oleh TechCrunch itu sendiri: kebanyakan maklumat baharu datang daripada ringkasan The Times sendiri dan bukannya pameran asas, yang kekal tertutup, dan petikan dibentangkan tanpa konteks asalnya.
'Gelung Doom' untuk Penerbit
Antara pendedahan yang paling berbangkit ialah data Microsoft sendiri tentang apa yang dilakukan oleh "enjin jawapan" Copilotnya terhadap trafik ke laman web The Times. Menurut pemfailan, angka dalaman Microsoft menunjukkan Copilot menyebabkan kadar klik lalu untuk domain nytimes.com menurun sebanyak 93 peratus berbanding dengan carian Bing tradisional.
Pembentangan dalaman yang ditulis oleh pengarah Sains Gunaan Microsoft, Brent Hecht, pada Januari 2024 menyifatkan penurunan itu sebagai "gelung azab" yang akan "menjejaskan prestasi model kami dan keseluruhan web pada masa yang sama."
"Sangat luar biasa bahawa produk akhir mengancam asas ekonomi pembekal pentingnya, tetapi itulah situasi yang kami cipta untuk perniagaan LLM kami berkenaan dengan 'rantaian bekalan kandungannya,'" dokumen Microsoft berbunyi, seperti yang dipetik dalam pemfailan.
Kemasukan memotong secara langsung terhadap satu tonggak pertahanan guna adil yang syarikat AI bergantung pada: bahawa penggunaan itu tidak menggantikan kerja asal atau membahayakan pasarannya.
Perkataan Eksekutif Sendiri Masukkan Rekod
Pemfailan yang tidak disunting juga menangkap penilaian jujur daripada tokoh paling kanan syarikat.
Ketua Pegawai Eksekutif Microsoft Satya Nadella memberi keterangan dalam pemendapan awal tahun ini bahawa "apa-apa sahaja yang berdinding berbayar harus dilesenkan oleh sesiapa sahaja yang ingin menggunakannya...untuk pembumian atau latihan." Nadella menjelaskan bahawa jika dia "telah dimaklumkan bahawa OpenAI telah mengikis dan melatih maklumat yang ada di sebalik paywall," dia akan "menyebut [hak Microsoft untuk] memerlukan OpenAI melatih semula modelnya."
Nadella juga bersetuju di bawah sumpah bahawa bercakap dengan chatbots "telah menggantikan ... memberikan anda maklumat di sana di tapak web pada platform AI berbanding keperluan untuk pergi ke sumber asas."
Di pihak OpenAI, Nick Turley, ketua ChatGPT syarikat, menulis dalam komunikasi dalaman bahawa penerbit menghadapi "ancaman wujud" daripada produk seperti chatbot, yang "sebahagian besarnya substitutif" dan "akan mendapat lebih banyak dan lebih pengganti apabila mereka menjadi lebih baik." Presiden OpenAI Greg Brockman menyifatkan model itu sebagai "cemerlang dalam berita."
Dan dalam memo dalaman Januari 2023, Hecht — eksekutif Microsoft yang sama yang kemudiannya membenderakan "gelung malapetaka" - menggelar pengikisan itu sebagai "kecurian yang menakjubkan dalam perkadaran yang belum pernah terjadi sebelumnya" dan "kecurian buruh terbesar dalam sejarah manusia."
Skala Tiruan Penyalinan
Dokumen mengukur penyalinan pada skala yang tidak didedahkan sebelum ini. Dataset latihan pertengahan OpenAI sahaja, kata pemfailan itu, mengandungi lebih daripada 91,692 salinan karya yang diterbitkan oleh The New York Times, New York Daily News dan Pusat Pelaporan Penyiasatan.
Set data yang diperoleh daripada Common Crawl, repositori terbuka percuma data rangkak web, termasuk lebih daripada 2 juta dokumen daripada nytimes.com sahaja. Pemfailan itu juga menerangkan Project Mango, inisiatif data Microsoft-OpenAI yang set data latihannya terhimpun mengandungi salinan sekurang-kurangnya 160,903 karya unik daripada penerbit berita. OpenAI menyampaikan keseluruhan set data latihan GPT-3nya kepada Microsoft untuk penilaian, kata pemfailan, dan Microsoft juga menyediakan data latihan kepada OpenAI melalui inisiatif yang dipanggil Project Taxi dan Project Mango.
Pekerja OpenAI juga didakwa membina set data latihan awal seperti WebText dan WebText2 yang secara tidak seimbang bergantung pada kandungan berita yang dikikis.
Hacks Paywall dan Notis Hak Cipta Dilucutkan
Mungkin butiran yang paling jelas berkenaan dengan cara kandungan itu diperolehi. Apabila penyelidik OpenAI Nick Ryder memberitahu Brockman tentang "penggodaman untuk mengelilingi nytimes paywall," Brockman - pemfailan berkata - menjawab: "ah bagus."
Pemfailan selanjutnya menerangkan usaha sengaja untuk menanggalkan notis hak cipta daripada data latihan sebelum ia mencapai model, kerana penyelidik "tidak mahu" model mengeluarkan "notis hak cipta" kepada pengguna.
"Bukti yang didedahkan di sini buat kali pertama menunjukkan bahawa OpenAI dan Microsoft tahu bahawa apa yang mereka lakukan adalah salah, " kata Steven Lieberman, peguam untuk New York Daily News, dalam satu kenyataan yang dikongsi dengan TechCrunch.
Maksudnya untuk Perjuangan Penggunaan Adil
Persoalan sama ada firma AI boleh melatih secara sah mengenai bahan berhak cipta tanpa lesen masih tidak dapat diselesaikan, tetapi hakim setakat ini sebahagian besarnya memihak kepada hujah penggunaan adil syarikat AI. Awal bulan ini, pentadbiran Trump menyumbang ringkas dalam mempertahankan penggunaan bahan berhak cipta tanpa lesen OpenAI untuk melatih model bahasanya yang besar.
Namun beberapa kemasukan baharu bertentangan dengan keperluan bahaya pasaran ujian guna adil — idea bahawa penggunaan itu tidak boleh menggantikan atau mengurangkan pasaran untuk kerja asal. Kenyataan dalaman bahawa produk itu "sebahagian besarnya pengganti," digabungkan dengan data Microsoft sendiri yang menunjukkan kejatuhan klik-lalu 93 peratus, memberikan pihak The Times bukti yang paling konkrit mengenai penggantian pasaran.
Pemfailan itu adalah peningkatan terkini dalam kes yang telah menjadi pertikaian undang-undang yang menentukan tentang cara syarikat AI memperoleh data latihan. Walau apa pun keputusannya, rekod yang tidak disunting kini menunjukkan bahawa eksekutif syarikat itu sendiri memahami ketegangan itu lebih awal - dan meletakkannya secara bertulis.
Untuk liputan berterusan tentang pergaduhan undang-undang yang membentuk kecerdasan buatan, ikuti berita AI terkini kami dan analisis mendalam tentang kes yang akan menentukan industri.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
