اوپن اے آئی اور مائیکروسافٹ کے خلاف نیویارک ٹائمز کے کاپی رائٹ کے مقدمے میں نئے غیر ترمیم شدہ مواد سے متاثر کن داخلی داخلوں کی ایک سیریز کا پتہ چلتا ہے - بشمول مائیکرو سافٹ کا ایک اعلیٰ ایگزیکٹو جو نجی طور پر کمپنیوں کے AI تربیت کے طریقوں کو چوری کے طور پر بیان کرتا ہے، اور OpenAI کی اپنی قیادت تسلیم کرتی ہے کہ اس کا چیٹ بوٹ اس کے تربیت یافتہ پبلشرز کے لیے ایک "وجود کا خطرہ" ہے۔
جمعرات کو TechCrunch کی رپورٹ کردہ فائلنگ، The Times کے پہلے مقدمہ دائر کرنے کے تین سال بعد پہنچی، جس میں یہ الزام لگایا گیا کہ فرموں نے اس کے مواد پر جنریٹیو AI ماڈلز کی تربیت دے کر کاپی رائٹ قانون کی خلاف ورزی کی۔ نئے نظر آنے والے مواد کی تفصیلات بتاتی ہیں کہ کمپنیوں نے مبینہ طور پر اس مواد کو کیسے حاصل کیا اور استعمال کیا: پے والز کو نظرانداز کرنا، بڑے پیمانے پر سکریپنگ کے ذریعے تربیتی ڈیٹاسیٹ بنانا، اور جان بوجھ کر تربیتی ڈیٹا سے کاپی رائٹ نوٹس کو ہٹانا۔ For more context on this story, see our ongoing AI trends.
یہ بات قابل توجہ ہے کہ TechCrunch نے خود جھنڈا لگایا ہے: نئی معلومات کا زیادہ تر حصہ بنیادی نمائشوں کے بجائے The Times کے اپنے مختصر سے آتا ہے، جو مہر بند رہتی ہیں، اور اقتباسات کو ان کے اصل سیاق و سباق کے بغیر پیش کیا جاتا ہے۔
پبلشرز کے لیے 'ایک ڈوم لوپ'
سب سے زیادہ نتیجہ خیز انکشافات میں مائیکروسافٹ کا اپنا ڈیٹا ہے کہ اس کے Copilot "جوابی انجن" نے ٹائمز کی ویب سائٹ پر ٹریفک کے لیے کیا کیا۔ فائلنگ کے مطابق، مائیکروسافٹ کے اندرونی اعداد و شمار ظاہر کرتے ہیں کہ Copilot نے روایتی Bing تلاش کے مقابلے میں nytimes.com ڈومین کے لیے کلک تھرو ریٹ میں 93 فیصد تک کمی کی ہے۔
جنوری 2024 میں مائیکروسافٹ کے اپلائیڈ سائنس کے ڈائریکٹر برینٹ ہیچٹ کی طرف سے لکھی گئی ایک داخلی پیشکش نے اس کمی کو "ڈوم لوپ" کے طور پر بیان کیا جو "ہمارے ماڈلز اور پورے ویب کی کارکردگی کو ایک ہی وقت میں نقصان پہنچائے گا۔"
مائیکروسافٹ دستاویز پڑھتا ہے، جیسا کہ فائلنگ میں نقل کیا گیا ہے، "یہ انتہائی غیر معمولی بات ہے کہ ایک حتمی پروڈکٹ اپنے ضروری سپلائرز کی اقتصادی بنیادوں کو خطرے میں ڈالتا ہے، لیکن یہ وہ صورت حال ہے جو ہم نے اپنے LLM کاروبار کے لیے اس کے مواد کی سپلائی چین کے حوالے سے پیدا کی ہے۔"
داخلہ منصفانہ استعمال کے دفاع کے ایک ستون کے خلاف براہ راست کٹ جاتا ہے جس پر AI کمپنیوں نے انحصار کیا ہے: کہ استعمال اصل کام کا متبادل نہیں ہے یا اس کی مارکیٹ کو نقصان نہیں پہنچاتا ہے۔
ایگزیکٹوز کے اپنے الفاظ ریکارڈ میں داخل ہوتے ہیں۔
غیر ترمیم شدہ فائلنگ کمپنیوں کے سب سے سینئر شخصیات کی جانب سے واضح جائزوں کو بھی حاصل کرتی ہے۔
مائیکروسافٹ کے سی ای او ستیہ نڈیلا نے اس سال کے شروع میں ایک بیان میں گواہی دی تھی کہ "جو بھی چیز پے وال کی جاتی ہے اسے لائسنس یافتہ ہونا چاہئے جو بھی اسے استعمال کرنا چاہتا ہے… گراؤنڈنگ یا ٹریننگ کے لیے۔" نڈیلا نے واضح کیا کہ اگر انہیں "اس بات سے آگاہ کیا جاتا کہ OpenAI نے پے وال کے پیچھے موجود معلومات کو ختم کیا اور تربیت دی ہے" تو وہ "[مائیکروسافٹ کے حق کا] مطالبہ کرتے کہ OpenAI کو اپنے ماڈلز کو دوبارہ تربیت دینے کا مطالبہ کرتے۔"
نڈیلا نے حلف کے تحت اس بات پر بھی اتفاق کیا کہ چیٹ بوٹس کے ساتھ بات چیت کا "متبادل ہے … آپ کو AI پلیٹ فارم پر ویب سائٹ پر معلومات فراہم کرنا بمقابلہ بنیادی ذریعہ تک جانے کی ضرورت ہے۔"
OpenAI کی طرف، ChatGPT کے کمپنی کے سربراہ، Nick Turley نے اندرونی مواصلات میں لکھا کہ پبلشرز کو چیٹ بوٹ جیسی مصنوعات سے "موجود خطرے" کا سامنا ہے، جو "بڑے پیمانے پر متبادل" ہیں اور "جیسے جیسے وہ بہتر ہوتے جائیں گے زیادہ سے زیادہ متبادل ہوتے جائیں گے۔" اوپن اے آئی کے صدر گریگ بروک مین نے ماڈلز کو "خبروں میں بہترین" قرار دیا۔
اور جنوری 2023 کے داخلی میمو میں، ہیچٹ - وہی مائیکروسافٹ ایگزیکٹو جس نے بعد میں "ڈوم لوپ" کو جھنڈا لگایا - اس سکریپنگ کو "بے مثال تناسب کی حیران کن چوری" اور "انسانی تاریخ میں مزدوری کی سب سے بڑی چوری" قرار دیا۔
نقل کا سراسر پیمانہ
دستاویزات اس پیمانے پر نقل کی مقدار درست کرتی ہیں جس کا پہلے انکشاف نہیں کیا گیا تھا۔ فائلنگ میں کہا گیا ہے کہ اوپن اے آئی کے درمیانی تربیتی ڈیٹاسیٹس میں نیویارک ٹائمز، نیویارک ڈیلی نیوز اور سنٹر فار انویسٹیگیٹو رپورٹنگ کے ذریعہ شائع کردہ کاموں کی 91,692 سے زیادہ کاپیاں شامل ہیں۔
کامن کرال سے اخذ کردہ ڈیٹا سیٹ، ویب کرال ڈیٹا کا مفت کھلا ذخیرہ، جس میں صرف nytimes.com سے 2 ملین سے زیادہ دستاویزات شامل ہیں۔ فائلنگ میں پروجیکٹ مینگو کی بھی وضاحت کی گئی ہے، جو مائیکروسافٹ-اوپن اے آئی ڈیٹا اقدام ہے جس کے اسمبل شدہ ٹریننگ ڈیٹاسیٹ میں نیوز پبلشرز کے کم از کم 160,903 منفرد کاموں کی کاپیاں شامل ہیں۔ فائلنگ میں کہا گیا ہے کہ اوپن اے آئی نے اپنا پورا GPT-3 ٹریننگ ڈیٹا سیٹ مائیکروسافٹ کو تشخیص کے لیے فراہم کیا، اور مائیکروسافٹ نے اسی طرح پروجیکٹ ٹیکسی اور پروجیکٹ مینگو نامی اقدامات کے ذریعے اوپن اے آئی کو تربیتی ڈیٹا فراہم کیا۔
اوپن اے آئی کے ملازمین نے مبینہ طور پر ابتدائی تربیتی ڈیٹا سیٹس جیسے WebText اور WebText2 بھی بنائے جو غیر متناسب طور پر اسکریپ شدہ خبروں کے مواد پر انحصار کرتے تھے۔
پے وال ہیکس اور کاپی رائٹ نوٹسز
شاید سب سے زیادہ واضح تفصیلات اس بات پر ہیں کہ مواد کیسے حاصل کیا گیا تھا۔ جب اوپن اے آئی کے محقق نک رائڈر نے بروک مین کو "نائی ٹائم پے وال کے ارد گرد حاصل کرنے کے لیے ہیک" کے بارے میں بتایا، تو بروک مین - فائلنگ کہتی ہے - نے جواب دیا: "آہ اچھا۔"
فائلنگ میں مزید بیان کیا گیا ہے کہ کاپی رائٹ نوٹسز کو ماڈل تک پہنچنے سے پہلے تربیتی ڈیٹا سے چھین لیا جائے، کیونکہ محققین "نہیں چاہیں گے" کہ ماڈل صارفین کو "کاپی رائٹ نوٹسز" آؤٹ پٹ کرے۔
نیو یارک ڈیلی نیوز کے وکیل سٹیون لیبرمین نے ٹیک کرنچ کے ساتھ شیئر کیے گئے ایک بیان میں کہا، "پہلی بار یہاں سامنے آنے والے شواہد سے پتہ چلتا ہے کہ اوپن اے آئی اور مائیکروسافٹ کو معلوم تھا کہ وہ جو کچھ کر رہے تھے وہ غلط تھا۔"
منصفانہ استعمال کی لڑائی کا کیا مطلب ہے۔
یہ سوال کہ آیا AI فرمیں بغیر لائسنس کے کاپی رائٹ شدہ مواد پر قانونی طور پر تربیت دے سکتی ہیں، لیکن ججز اب تک بڑی حد تک AI کمپنیوں کے منصفانہ استعمال کے دلائل کے حق میں رہے ہیں۔ اس مہینے کے شروع میں، ٹرمپ انتظامیہ نے اپنے بڑے زبان کے ماڈلز کو تربیت دینے کے لیے OpenAI کے کاپی رائٹ والے مواد کے بغیر لائسنس کے استعمال کے دفاع میں ایک مختصر حصہ ڈالا۔
اس کے باوجود کئی نئے داخلے منصفانہ استعمال کے ٹیسٹ کی مارکیٹ کو نقصان پہنچانے کی ضرورت کے خلاف ہیں - یہ خیال کہ استعمال کو اصل کام کے لیے مارکیٹ کو تبدیل یا کم نہیں کرنا چاہیے۔ اندرونی بیانات کہ مصنوعات "بڑے پیمانے پر متبادل" ہیں، مائیکروسافٹ کے اپنے ڈیٹا کے ساتھ مل کر 93 فیصد کلک تھرو کولپس دکھاتا ہے، ٹائمز کی جانب سے مارکیٹ کے متبادل کے ابھی تک کا سب سے ٹھوس ثبوت فراہم کرتا ہے۔
فائلنگ اس معاملے میں تازہ ترین اضافہ ہے جو کہ AI کمپنیاں کس طرح تربیتی ڈیٹا حاصل کرتی ہیں اس پر ایک واضح قانونی جنگ بن گئی ہے۔ نتیجہ کچھ بھی ہو، غیر ترمیم شدہ ریکارڈ اب ظاہر کرتا ہے کہ کمپنیوں کے اپنے ایگزیکٹوز تناؤ کو جلد سمجھ گئے — اور اسے تحریری طور پر پیش کیا۔
مصنوعی ذہانت کو تشکیل دینے والی قانونی لڑائیوں کی مسلسل کوریج کے لیے، ہماری تازہ ترین AI خبروں اور ان کیسز کے گہرائی سے تجزیہ کی پیروی کریں جو انڈسٹری کی وضاحت کریں گے۔
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
