Tài liệu mới chưa được biên tập lại trong vụ kiện bản quyền của The New York Times chống lại OpenAI và Microsoft tiết lộ một loạt lời thừa nhận nội bộ đáng chú ý - bao gồm một giám đốc điều hành hàng đầu của Microsoft đã mô tả riêng các hoạt động đào tạo AI của công ty là hành vi trộm cắp và lãnh đạo của chính OpenAI thừa nhận rằng chatbot của họ đặt ra một "mối đe dọa hiện hữu" đối với các nhà xuất bản có công việc đào tạo nó.

Hồ sơ, được TechCrunch đưa tin hôm thứ Năm, đến ba năm sau khi The Times lần đầu tiên bị kiện, cáo buộc rằng các công ty đã vi phạm luật bản quyền khi đào tạo các mô hình AI sáng tạo về nội dung của nó. Tài liệu mới hiển thị nêu chi tiết cách các công ty được cho là đã lấy và sử dụng nội dung đó: vượt qua các bức tường thanh toán mà không bị phát hiện, xây dựng tập dữ liệu đào tạo thông qua việc quét hàng loạt và cố tình loại bỏ thông báo bản quyền khỏi dữ liệu đào tạo. For more context on this story, see our ongoing AI news.

Điều đáng chú ý là bản thân TechCrunch đã cảnh báo: phần lớn thông tin mới đến từ bản tóm tắt của chính The Times chứ không phải từ các tài liệu triển lãm cơ bản, vẫn được niêm phong và các trích dẫn được trình bày không có ngữ cảnh ban đầu.

'Vòng lặp diệt vong' dành cho nhà xuất bản

Trong số những tiết lộ có hậu quả nhất là dữ liệu của chính Microsoft về những gì "công cụ trả lời" Copilot của họ đã làm để lưu lượng truy cập vào trang web của The Times. Theo hồ sơ, số liệu nội bộ của Microsoft cho thấy Copilot đã khiến tỷ lệ nhấp chuột vào tên miền nytimes.com giảm tới 93% so với tìm kiếm Bing truyền thống.

Một bài thuyết trình nội bộ do Giám đốc Khoa học Ứng dụng của Microsoft, Brent Hecht, viết vào tháng 1 năm 2024 đã mô tả sự suy giảm này là một "vòng lặp diệt vong" sẽ "làm tổn hại đến hiệu suất của các mô hình của chúng tôi và toàn bộ trang web cùng một lúc."

Tài liệu của Microsoft cho biết: “Rất bất thường khi một sản phẩm cuối cùng đe dọa nền tảng kinh tế của các nhà cung cấp thiết yếu của nó, nhưng đó là tình huống mà chúng tôi đã tạo ra cho hoạt động kinh doanh LLM của mình đối với ‘chuỗi cung ứng nội dung’ của nó”.

Việc thừa nhận trực tiếp chống lại một trụ cột của biện pháp bảo vệ quyền sử dụng hợp lý mà các công ty AI đã dựa vào: rằng việc sử dụng đó không thay thế tác phẩm gốc hoặc gây hại cho thị trường của nó.

Lời của chính giám đốc điều hành được ghi vào hồ sơ

Các hồ sơ chưa được biên tập cũng ghi lại những đánh giá thẳng thắn từ những nhân vật cấp cao nhất của công ty.

Giám đốc điều hành Microsoft Satya Nadella đã làm chứng trong một phiên điều trần hồi đầu năm nay rằng "bất kỳ thứ gì có tường phí đều phải được cấp phép bởi bất kỳ ai muốn sử dụng nó… để huấn luyện hoặc huấn luyện." Nadella nói rõ rằng nếu anh ấy "biết rằng OpenAI đã thu thập và đào tạo về thông tin đằng sau bức tường phí", anh ấy sẽ "kêu gọi [quyền của Microsoft] yêu cầu OpenAI đào tạo lại các mô hình của mình."

Nadella cũng tuyên thệ đồng ý rằng việc trò chuyện bằng chatbot “đã thay thế… việc cung cấp cho bạn thông tin ngay trên trang web trên nền tảng AI thay vì phải truy cập vào nguồn cơ bản”.

Về phía OpenAI, Nick Turley, người đứng đầu ChatGPT của công ty, đã viết trong thông tin liên lạc nội bộ rằng các nhà xuất bản phải đối mặt với “mối đe dọa hiện hữu” từ các sản phẩm như chatbot, vốn “có tính chất thay thế phần lớn” và “sẽ ngày càng có nhiều tính chất thay thế hơn khi chúng trở nên tốt hơn”. Chủ tịch OpenAI Greg Brockman mô tả các mô hình này là "xuất sắc về tin tức".

Và trong một bản ghi nhớ nội bộ vào tháng 1 năm 2023, Hecht - cũng chính giám đốc điều hành của Microsoft, người sau này đã gắn cờ "vòng lặp diệt vong" - đã gọi vụ việc này là "một vụ trộm đáng kinh ngạc với quy mô chưa từng có" và "vụ trộm lao động lớn nhất trong lịch sử loài người".

Quy mô tuyệt vời của việc sao chép

Các tài liệu định lượng việc sao chép ở quy mô chưa được tiết lộ trước đây. Hồ sơ cho biết chỉ riêng bộ dữ liệu đào tạo giữa kỳ của OpenAI đã chứa hơn 91.692 bản sao tác phẩm được xuất bản bởi The New York Times, New York Daily News và Trung tâm Báo cáo Điều tra.

Một tập dữ liệu có nguồn gốc từ Common Crawl, kho lưu trữ dữ liệu thu thập dữ liệu web mở miễn phí, bao gồm hơn 2 triệu tài liệu chỉ riêng từ nytimes.com. Hồ sơ cũng mô tả Project Mango, một sáng kiến ​​​​dữ liệu Microsoft-OpenAI có tập dữ liệu đào tạo được tập hợp chứa các bản sao của ít nhất 160.903 tác phẩm độc đáo từ các nhà xuất bản tin tức. OpenAI đã gửi toàn bộ tập dữ liệu đào tạo GPT-3 của mình cho Microsoft để đánh giá, hồ sơ cho biết và Microsoft cũng cung cấp dữ liệu đào tạo tương tự cho OpenAI thông qua các sáng kiến ​​có tên Project Taxi và Project Mango.

Các nhân viên của OpenAI cũng bị cáo buộc đã xây dựng các bộ dữ liệu đào tạo ban đầu như WebText và WebText2 dựa vào nội dung tin tức cóp nhặt một cách không cân đối.

Tấn công vào tường phí và tước bỏ thông báo bản quyền

Có lẽ chi tiết sống động nhất liên quan đến cách thu được nội dung. Khi nhà nghiên cứu OpenAI Nick Ryder nói với Brockman về một "vụ hack để vượt qua tường phí của NYTimes", Brockman — hồ sơ cho biết — đã trả lời: "ah tuyệt quá."

Hồ sơ mô tả thêm những nỗ lực có chủ ý nhằm loại bỏ thông báo bản quyền khỏi dữ liệu đào tạo trước khi nó đến mô hình, bởi vì các nhà nghiên cứu "không muốn" mô hình xuất ra "thông báo bản quyền" cho người dùng.

Steven Lieberman, cố vấn của New York Daily News, cho biết trong một tuyên bố được chia sẻ với TechCrunch: “Bằng chứng được tiết lộ ở đây lần đầu tiên cho thấy OpenAI và Microsoft biết rằng những gì họ đang làm là sai”.

Ý nghĩa của cuộc chiến vì sử dụng hợp pháp

Câu hỏi liệu các công ty AI có thể đào tạo hợp pháp trên tài liệu có bản quyền mà không có giấy phép hay không vẫn chưa được giải quyết, nhưng các thẩm phán cho đến nay phần lớn vẫn ủng hộ các lập luận về sử dụng hợp lý của các công ty AI. Đầu tháng này, chính quyền Trump đã đóng góp một bản tóm tắt ngắn gọn để bảo vệ việc OpenAI sử dụng trái phép tài liệu có bản quyền để đào tạo các mô hình ngôn ngữ lớn của mình.

Tuy nhiên, một số lời thừa nhận mới đi ngược lại yêu cầu về tác hại thị trường của bài kiểm tra sử dụng hợp lý - ý tưởng rằng việc sử dụng không được thay thế hoặc giảm giá thị trường cho tác phẩm gốc. Tuyên bố nội bộ rằng các sản phẩm "phần lớn có tính chất thay thế", kết hợp với dữ liệu của chính Microsoft cho thấy tỷ lệ nhấp qua giảm 93%, cung cấp cho phía The Times bằng chứng cụ thể nhất về sự thay thế thị trường.

Việc nộp đơn là bước leo thang mới nhất trong một vụ án đã trở thành cuộc chiến pháp lý quyết định về cách các công ty AI thu thập dữ liệu đào tạo. Dù kết quả thế nào, hồ sơ chưa được công bố hiện nay cho thấy rằng các giám đốc điều hành của chính các công ty đã sớm hiểu được sự căng thẳng - và đã viết nó ra.

Để tiếp tục đưa tin về các cuộc chiến pháp lý hình thành trí tuệ nhân tạo, hãy theo dõi tin tức AI mới nhất của chúng tôi và phân tích chuyên sâu về các trường hợp sẽ định hình ngành.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →