Nyenzo mpya ambazo hazijarekebishwa katika kesi ya hakimiliki ya The New York Times dhidi ya OpenAI na Microsoft inafichua msururu wa uandikishaji wa ndani wa kuvutia - ikiwa ni pamoja na mtendaji mkuu wa Microsoft anayeelezea kwa faragha mazoea ya mafunzo ya AI ya kampuni kama wizi, na uongozi wa OpenAI wenyewe kukiri kwamba chatbot yake inaleta "tishio lililopo" kwa wachapishaji ambao kazi yao iliifunza.
Jalada hilo, lililoripotiwa na TechCrunch siku ya Alhamisi, linakuja miaka mitatu baada ya gazeti la The Times kushtaki kwa mara ya kwanza, kwa madai kwamba makampuni hayo yalikiuka sheria ya hakimiliki kwa kutoa mafunzo kwa miundo ya uzalishaji ya AI kuhusu maudhui yake. Nyenzo mpya zinazoonekana zinaeleza jinsi kampuni zinazodaiwa kupata na kutumia maudhui hayo: kupita ngome za malipo bila kutambuliwa, kuunda hifadhidata za mafunzo kwa kukwarua kwa wingi, na kuondoa kwa makusudi ilani za hakimiliki kutoka kwa data ya mafunzo. For more context on this story, see our ongoing more AI stories.
Inafaa kuzingatia tahadhari ambayo TechCrunch yenyewe iliyoalamishwa: habari nyingi mpya hutoka kwa muhtasari wa gazeti la The Times wenyewe badala ya maonyesho ya kimsingi, ambayo husalia yakiwa yametiwa muhuri, na manukuu yanawasilishwa bila muktadha wao asilia.
'A Doom Loop' kwa Wachapishaji
Miongoni mwa ufunuo muhimu zaidi ni data ya Microsoft yenyewe juu ya kile Copilot "injini ya majibu" ilifanya kwa trafiki kwenye tovuti ya The Times. Kulingana na jalada, takwimu za ndani za Microsoft zinaonyesha Copilot alisababisha viwango vya kubofya kwa kikoa cha nytimes.com kushuka kwa hadi asilimia 93 ikilinganishwa na utafutaji wa jadi wa Bing.
Wasilisho la ndani lililoandikwa na mkurugenzi wa Microsoft wa Applied Science, Brent Hecht, mnamo Januari 2024 lilielezea kushuka kama "kitanzi cha uharibifu" ambacho "kitaathiri utendaji wa miundo yetu na wavuti nzima kwa wakati mmoja."
"Si kawaida sana kwamba bidhaa inatishia misingi ya kiuchumi ya wasambazaji wake muhimu, lakini hiyo ndiyo hali ambayo tumeunda kwa biashara yetu ya LLM kuhusiana na 'msururu wa ugavi wa maudhui,'" inasomeka hati ya Microsoft, kama ilivyonukuliwa kwenye jalada.
Kukubalika kunapunguza moja kwa moja dhidi ya nguzo moja ya utetezi wa matumizi ya haki ambayo makampuni ya AI yametegemea: kwamba matumizi hayachukui nafasi ya kazi ya awali au kudhuru soko lake.
Maneno ya Watendaji Wenyewe Weka Rekodi
Majalada ambayo hayajarekebishwa pia hunasa tathmini za kweli kutoka kwa takwimu za juu zaidi za kampuni.
Mkurugenzi Mtendaji wa Microsoft Satya Nadella alitoa ushahidi katika hati mapema mwaka huu kwamba "chochote ambacho kinalipiwa kinapaswa kupewa leseni na mtu yeyote anayetaka kukitumia ... kwa msingi au mafunzo." Nadella alisema wazi kwamba kama "angefahamishwa kwamba OpenAI ilikuwa imefuta na kufunzwa habari iliyokuwa nyuma ya ukuta wa malipo," angekuwa "ameomba [haki ya Microsoft] kuhitaji OpenAI kufundisha tena miundo yake."
Nadella pia alikubali kwa kiapo kwamba kuongea na chatbots "kumebadilisha ... kukupa taarifa hapo hapo kwenye tovuti kwenye jukwaa la AI dhidi ya kuhitaji kwenda kwenye chanzo msingi."
Kwa upande wa OpenAI, Nick Turley, mkuu wa kampuni ya ChatGPT, aliandika katika mawasiliano ya ndani kwamba wachapishaji wanakabiliwa na "tishio lililopo" kutoka kwa bidhaa kama vile chatbot, ambayo "kwa kiasi kikubwa ni mbadala" na "itaboresha zaidi na zaidi kadri zinavyoboreka." Rais wa OpenAI Greg Brockman alielezea wanamitindo hao kama "bora katika habari."
Na katika memo ya ndani ya Januari 2023, Hecht - mtendaji huyo huyo wa Microsoft ambaye baadaye aliashiria "kitanzi cha maangamizi" - aliita kufuta "wizi wa kushangaza wa idadi isiyokuwa ya kawaida" na "wizi mkubwa zaidi wa kazi katika historia ya binadamu."
Kiwango Kikubwa cha Kunakili
Hati hukadiria kunakili kwa kiwango ambacho hakijafichuliwa hapo awali. Hifadhidata ya mafunzo ya kati ya OpenAI pekee, jalada linasema, lina zaidi ya nakala 91,692 za kazi zilizochapishwa na The New York Times, New York Daily News, na Kituo cha Ripoti za Uchunguzi.
Seti ya data inayotokana na Common Crawl, hazina iliyo wazi ya data ya kutambaa kwenye wavuti, ilijumuisha zaidi ya hati milioni 2 kutoka nytimes.com pekee. Jalada hili pia linaelezea Project Mango, mpango wa data wa Microsoft-OpenAI ambao seti ya data ya mafunzo iliyokusanywa ina nakala za angalau kazi 160,903 za kipekee kutoka kwa wachapishaji wa habari. OpenAI iliwasilisha seti yake yote ya mafunzo ya GPT-3 kwa Microsoft kwa tathmini, jalada linasema, na Microsoft vile vile ilitoa data ya mafunzo kwa OpenAI kupitia mipango inayoitwa Taxi ya Mradi na Mango ya Mradi.
Wafanyikazi wa OpenAI pia wanadaiwa kuunda hifadhidata za mafunzo ya mapema kama vile WebText na WebText2 ambazo zilitegemea kwa kiasi kikubwa maudhui ya habari yaliyochapwa.
Hacks za Paywall na Notisi Za Hakimiliki Zilizoondolewa
Labda maelezo wazi zaidi yanahusu jinsi yaliyomo yalipatikana. Wakati mtafiti wa OpenAI Nick Ryder alimwambia Brockman kuhusu "udukuzi ili kuzunguka ukuta wa malipo kila wakati," Brockman - mjaili unasema - alijibu: "ah nzuri."
Majaribio yanaelezea zaidi juhudi za makusudi za kuondoa arifa za hakimiliki kutoka kwa data ya mafunzo kabla ya kufikia kielelezo, kwa sababu watafiti "hawangetaka" mtindo huo kutoa "maarifa ya hakimiliki" kwa watumiaji.
"Ushahidi uliofichuliwa hapa kwa mara ya kwanza unaonyesha kwamba OpenAI na Microsoft walijua kwamba walichokuwa wakifanya si sahihi," Steven Lieberman, wakili wa New York Daily News, alisema katika taarifa iliyoshirikiwa na TechCrunch.
Inamaanisha Nini kwa Mapambano ya Matumizi ya Haki
Swali la kama makampuni ya AI yanaweza kutoa mafunzo kisheria kuhusu nyenzo zilizo na hakimiliki bila leseni bado haijatatuliwa, lakini majaji hadi sasa wameunga mkono hoja za matumizi ya haki za kampuni za AI. Mapema mwezi huu, utawala wa Trump ulichangia muhtasari wa kutetea utumizi usio na leseni wa OpenAI wa nyenzo zenye hakimiliki kutoa mafunzo kwa modeli zake kubwa za lugha.
Bado baadhi ya viingilio vipya vinakwenda kinyume na hitaji la jaribio la uharibifu wa soko la jaribio la matumizi ya haki - wazo kwamba matumizi lazima yasichukue nafasi ya au kupunguza soko kwa kazi asili. Taarifa za ndani kwamba bidhaa ni "badala kwa kiasi kikubwa," pamoja na data ya Microsoft yenyewe inayoonyesha kubofya kwa asilimia 93, inaupa upande wa The Times ushahidi wake thabiti zaidi wa uingizwaji wa soko.
Uwasilishaji ni ongezeko la hivi punde katika kesi ambayo imekuwa vita kuu ya kisheria kuhusu jinsi kampuni za AI hupata data ya mafunzo. Vyovyote vile matokeo, rekodi ambayo haijarekebishwa sasa inaonyesha kwamba watendaji wa kampuni wenyewe walielewa mvutano huo mapema - na kuiweka katika maandishi.
Ili kuendelea kuripoti mapigano ya kisheria yanayounda akili bandia, fuata habari zetu za hivi punde za AI na uchanganuzi wa kina wa kesi ambazo zitafafanua tasnia.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
