Новий невідредагований матеріал у позові The New York Times щодо авторських прав проти OpenAI та Microsoft розкриває серію вражаючих внутрішніх зізнань — у тому числі топ-менеджер Microsoft приватно описує практику навчання штучного інтелекту в компаніях як крадіжку, а власне керівництво OpenAI визнає, що його чат-бот становить «екзистенційну загрозу» для видавців, робота яких його навчала.
Заявка, про яку повідомляє TechCrunch у четвер, надійшла через три роки після того, як The Times вперше подала до суду, стверджуючи, що фірми порушили закон про авторське право, навчаючи генеративні моделі ШІ на його вмісті. У нещодавно опублікованому матеріалі детально описано, як компанії нібито отримували та використовували цей контент: непомітно обходили платні екрани, створювали навчальні набори даних шляхом масового збирання та навмисно видаляли повідомлення про авторські права з навчальних даних. For more context on this story, see our ongoing AI news.
Варто звернути увагу на застереження, яке сам TechCrunch зазначив: велика частина нової інформації походить із власного короткого запису The Times, а не з основних експонатів, які залишаються запечатаними, а цитати подано без оригінального контексту.
'A Doom Loop' для видавців
Серед найбільш важливих викриттів є власні дані Microsoft про те, що її «система відповідей» Copilot робила з трафіком на веб-сайт The Times. Згідно з документом, внутрішні дані Microsoft показують, що Copilot спричинив падіння рейтингу кліків для домену nytimes.com на цілих 93 відсотки порівняно з традиційним пошуком Bing.
У внутрішній презентації, написаній директором відділу прикладних наук Microsoft Брентом Хехтом у січні 2024 року, падіння було описано як «зациклення», яке «зашкодить продуктивності наших моделей і всієї мережі одночасно».
«Дуже незвично, що кінцевий продукт загрожує економічним основам своїх основних постачальників, але це ситуація, яку ми створили для нашого бізнесу LLM щодо його «ланцюжка постачання вмісту», — йдеться в документі Microsoft, цитованому в поданні.
Це визнання прямо суперечить одному з принципів захисту добросовісного використання, на який покладалися компанії ШІ: використання не замінює оригінальний твір і не шкодить його ринку.
Власні слова керівників
Невідредаговані документи також містять відверті оцінки найвищих посадових осіб компаній.
На початку цього року генеральний директор Microsoft Сатья Наделла свідчив, що «все, що є платним, має отримати ліцензію будь-хто, хто хоче це використовувати… для заземлення чи навчання». Наделла чітко дав зрозуміти, що якби йому «відомо, що OpenAI збирав і навчався на інформації, яка була за платним екраном», він би «послався [на право Microsoft] вимагати від OpenAI перенавчити свої моделі».
Наделла також погодився під присягою, що спілкування з чат-ботами «замінило … надання вам інформації прямо на веб-сайті на платформі ШІ замість необхідності переходу до основного джерела».
Що стосується OpenAI, Нік Терлі, глава ChatGPT компанії, написав у внутрішніх повідомленнях, що видавці стикаються з «екзистенціальною загрозою» від таких продуктів, як чат-бот, які «значною мірою є замінними» і «будуть ставати все більш і більш замінними, коли стануть кращими». Президент OpenAI Грег Брокман назвав моделі «чудовими новинами».
А у внутрішній записці від січня 2023 року Гехт — той самий керівник Microsoft, який пізніше позначив «петлю приречення» — назвав скрапінг «дивовижною крадіжкою безпрецедентних масштабів» і «найбільшою крадіжкою праці в історії людства».
Величезний масштаб копіювання
У документах кількісно визначено копіювання в масштабі, який раніше не повідомлявся. Лише набори даних OpenAI про середину навчання, як йдеться в документі, містять понад 91 692 копії робіт, опублікованих The New York Times, New York Daily News і Center for Investigative Reporting.
Набір даних, отриманий із Common Crawl, безкоштовного відкритого сховища даних веб-сканування, включав понад 2 мільйони документів лише з nytimes.com. У документі також описується Project Mango, ініціатива Microsoft-OpenAI щодо даних, зібраний навчальний набір даних якого містить копії принаймні 160 903 унікальних робіт від видавців новин. OpenAI надав весь свій набір навчальних даних GPT-3 Microsoft для оцінки, йдеться в документі, і Microsoft так само надала навчальні дані OpenAI через ініціативи під назвою Project Taxi та Project Mango.
Співробітники OpenAI також нібито створили ранні навчальні набори даних, такі як WebText і WebText2, які непропорційно покладалися на вміст новин.
Злом Paywall і повідомлення про позбавлені авторських прав
Мабуть, найяскравіші деталі стосуються того, як було отримано контент. Коли дослідник OpenAI Нік Райдер розповів Брокману про «хак, щоб обійти nytimes paywall», Брокман, як сказано в документі, відповів: «О, добре».
У документах також описуються навмисні спроби видалити повідомлення про авторські права з навчальних даних до того, як вони досягнуть моделі, оскільки дослідники «не хотіли б», щоб модель виводила користувачам «повідомлення про авторські права».
«Докази, оприлюднені тут вперше, показують, що OpenAI і Microsoft знали, що вони робили неправильно», — сказав Стівен Ліберман, радник New York Daily News, у заяві, надісланій TechCrunch.
Що це означає для боротьби за добросовісне використання
Питання про те, чи можуть фірми зі штучним інтелектом законно навчатися на матеріалах, захищених авторським правом, без ліцензії, залишається невирішеним, але досі судді в основному схвально ставилися до аргументів компаній зі штучним інтелектом щодо добросовісного використання. Раніше цього місяця адміністрація Трампа внесла короткий запис на захист неліцензійного використання OpenAI захищеного авторським правом матеріалу для навчання своїх великих мовних моделей.
Тим не менш, кілька нових допусків суперечать вимозі тесту добросовісного використання щодо шкоди ринку — ідеї, що використання не повинно замінювати або підривати ринок оригінального твору. Внутрішні заяви про те, що ці продукти є «значною мірою замінними», у поєднанні з власними даними Microsoft, які показують 93-відсоткове падіння кліків, дають стороні The Times найконкретніші докази заміщення ринку.
Ця заява є останньою ескалацією у справі, яка стала визначальною судовою битвою щодо того, як компанії ШІ отримують навчальні дані. Незалежно від результату, невідредагований запис тепер показує, що керівництво компаній рано зрозуміло напругу — і висловило це письмово.
Щоб продовжувати висвітлювати судові суперечки, які формують штучний інтелект, слідкуйте за нашими останніми новинами про штучний інтелект та поглибленим аналізом справ, які визначать галузь.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
