Nowy, niezredagowany materiał zawarty w pozwie „The New York Times” dotyczącym praw autorskich przeciwko OpenAI i Microsoftowi ujawnia szereg uderzających zeznań wewnętrznych – w tym czołowy dyrektor Microsoftu, który prywatnie określił praktyki szkoleniowe firm w zakresie sztucznej inteligencji jako kradzież, a kierownictwo OpenAI przyznało, że jego chatbot stanowi „egzystencjalne zagrożenie” dla wydawców, którzy go szkolili.

Zgłoszenie, o którym poinformował w czwartek TechCrunch, wpłynęło trzy lata po pierwszym pozwaniu „The Times”, w którym zarzucono, że firmy naruszyły prawo autorskie, szkoląc generatywne modele sztucznej inteligencji na podstawie zawartych w nich treści. Nowo ujawniony materiał szczegółowo opisuje, w jaki sposób firmy rzekomo zdobywały i wykorzystywały te treści: omijając niezauważone zapory, budując zbiory danych szkoleniowych poprzez masowe zbieranie danych i celowo usuwając informacje o prawach autorskich z danych szkoleniowych. Więcej kontekstu na ten temat znajdziesz w naszych najnowsze osiągnięcia AI.

Warto zwrócić uwagę na zastrzeżenie, które sam TechCrunch opisał: większość nowych informacji pochodzi z własnych briefów „The Times”, a nie z dokumentów źródłowych, które pozostają zapieczętowane, a cytaty przedstawiono bez ich pierwotnego kontekstu.

„Pętla zagłady” dla wydawców

Do najbardziej znaczących rewelacji należą dane samego Microsoftu dotyczące działań, jakie jego „silnik odpowiedzi” Copilot zrobił z ruchem na stronie internetowej The Times. Z dokumentów wynika, że ​​wewnętrzne dane Microsoftu pokazują, że Copilot spowodował spadek współczynników klikalności domeny nytimes.com aż o 93 procent w porównaniu z tradycyjną wyszukiwarką Bing.

Wewnętrzna prezentacja napisana przez dyrektora ds. nauk stosowanych w firmie Microsoft, Brenta Hechta, w styczniu 2024 r. opisała ten spadek jako „pętlę zagłady”, która „zaszkodziłaby wydajności naszych modeli i jednocześnie całej sieci”.

„To bardzo niezwykłe, że produkt końcowy zagraża podstawom gospodarczym jego kluczowych dostawców, ale taką właśnie sytuację stworzyliśmy dla naszej firmy LLM w odniesieniu do jej„ łańcucha dostaw treści ”” – czytamy w dokumencie Microsoft, cytowanym w zgłoszeniu.

To stwierdzenie bezpośrednio uderza w jeden filar obrony dozwolonego użytku, na którym opierały się firmy zajmujące się sztuczną inteligencją: że wykorzystanie nie zastępuje oryginalnego utworu ani nie szkodzi jego rynkowi.

Własne słowa kierownictwa znalazły się w aktach

Niezredagowane zgłoszenia zawierają także szczere oceny najwyższych rangą osobistości firm.

Dyrektor generalny Microsoftu, Satya Nadella, zeznał w zeznaniach na początku tego roku, że „wszystko, co jest płatne, powinno uzyskać licencję dla każdego, kto chce tego używać… do celów uziemienia lub szkolenia”. Nadella wyjaśnił, że gdyby „został poinformowany, że OpenAI pobrało i przeszkoliło informacje znajdujące się za zaporą płatniczą”, „powołałby się na [prawo Microsoftu do] wymagania od OpenAI ponownego przeszkolenia swoich modeli”.

Nadella zgodził się również pod przysięgą, że rozmowa z chatbotami „zastąpiła… przekazywanie informacji bezpośrednio na stronie internetowej na platformie AI zamiast konieczności sięgania do źródła”.

Po stronie OpenAI Nick Turley, szef ChatGPT w firmie, napisał w komunikacji wewnętrznej, że wydawcy stoją w obliczu „egzystencjalnego zagrożenia” ze strony produktów takich jak chatbot, które są „w dużej mierze substytucyjne” i „będą coraz bardziej zastępcze w miarę udoskonalania się”. Prezes OpenAI Greg Brockman określił te modele jako „doskonałe w zakresie wiadomości”.

Natomiast w wewnętrznej notatce ze stycznia 2023 r. Hecht – ten sam dyrektor Microsoftu, który później zasygnalizował „pętlę zagłady” – nazwał złomowanie „zdumiewającą kradzieżą na bezprecedensowe rozmiary” i „największą kradzieżą siły roboczej w historii ludzkości”.

Sama skala kopiowania

Dokumenty określają ilościowo kopiowanie na skalę wcześniej nieujawnioną. Jak wynika z akt, same zbiory danych OpenAI pochodzące z połowy szkolenia zawierają ponad 91 692 egzemplarzy prac opublikowanych przez „The New York Times”, „New York Daily News” i „Center for Investigative Reporting”.

Zbiór danych pochodzący z Common Crawl, bezpłatnego, otwartego repozytorium danych przeszukiwania sieci, obejmował ponad 2 miliony dokumentów z samej witryny nytimes.com. W zgłoszeniu opisano także Project Mango, inicjatywę dotyczącą danych Microsoft i OpenAI, której zebrany zestaw danych szkoleniowych zawiera kopie co najmniej 160 903 unikalnych prac od wydawców wiadomości. Jak wynika z akt, OpenAI przekazało firmie Microsoft cały swój zestaw danych szkoleniowych GPT-3 do oceny, a Microsoft w podobny sposób przekazał OpenAI dane szkoleniowe w ramach inicjatyw zwanych Project Taxi i Project Mango.

Pracownicy OpenAI rzekomo stworzyli także wczesne zbiory danych szkoleniowych, takie jak WebText i WebText2, które w nieproporcjonalnym stopniu opierały się na pobranych treściach informacyjnych.

Haki na Paywall i pozbawione informacji o prawach autorskich

Być może najbardziej jaskrawe szczegóły dotyczą sposobu uzyskania treści. Kiedy badacz OpenAI, Nick Ryder, powiedział Brockmanowi o „hacku pozwalającym ominąć nytimes paywall”, Brockman – jak czytamy w aktach – odpowiedział: „Och, miło”.

Zgłoszenia opisują ponadto celowe wysiłki mające na celu usunięcie informacji o prawach autorskich z danych szkoleniowych, zanim dotarły one do modelu, ponieważ badacze „nie chcieli”, aby model wysyłał użytkownikom „informacje o prawach autorskich”.

„Dowody ujawnione tutaj po raz pierwszy pokazują, że OpenAI i Microsoft wiedziały, że to, co robią, jest złe” – powiedział Steven Lieberman, prawnik New York Daily News w oświadczeniu udostępnionym TechCrunch.

Co to oznacza dla walki o dozwolony użytek

Kwestia, czy firmy AI mogą legalnie szkolić się na materiałach chronionych prawem autorskim bez licencji, pozostaje nierozstrzygnięta, ale jak dotąd sędziowie w dużej mierze przychylnie odnosili się do argumentów firm AI dotyczących dozwolonego użytku. Na początku tego miesiąca administracja Trumpa przedstawiła brief w obronie nielicencjonowanego wykorzystywania przez OpenAI materiałów chronionych prawem autorskim do szkolenia dużych modeli językowych.

Jednak kilka nowych stwierdzeń jest sprzecznych z wymogiem dotyczącym szkody rynkowej zawartym w teście dozwolonego użytku – z założeniem, że użycie nie może zastępować oryginalnego utworu ani podcinać rynku. Wewnętrzne stwierdzenia, że ​​produkty są „w dużej mierze substytucyjne” w połączeniu z własnymi danymi Microsoftu wskazującymi na spadek klikalności o 93 procent, dają stronie „The Times” najbardziej konkretny dowód jak dotąd na substytucję rynku.

Złożenie wniosku stanowi najnowszą eskalację w sprawie, która stała się decydującym sporem prawnym dotyczącym sposobu, w jaki firmy AI zdobywają dane szkoleniowe. Niezależnie od wyniku, niezredagowane zapisy pokazują, że kierownictwo firm wcześnie zrozumiało napięcie i wyraziło to na piśmie.

Aby stale relacjonować spory prawne kształtujące sztuczną inteligencję, śledź nasze najnowsze wiadomości dotyczące sztucznej inteligencji i dogłębną analizę przypadków, które zdefiniują branżę.

---

Bądź na Bieżąco z AI

Najnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.

Czytaj więcej wiadomości AI →