Novi, prethodno zacrnjeni delovi sudskih dokumenata u tužbi Njujork tajmsa protiv OpenAI-ja i Microsofta otkrivaju da su zaposleni obe kompanije interno priznavali da prikupljanje zaštićenog novinarskog sadržaja za obuku AI modela predstavlja ozbiljan problem, piše TechCrunch pozivajući se na dokumenta objavljena 17. septembra. Reč je o materijalu iz trogodišnjeg spora koji je Njujork tajms pokrenuo zbog navodnog neovlašćenog korišćenja svojih tekstova za treniranje ChatGPT-a i drugih modela.
Direktor Microsofta govorio o krađi rada
Prema dokumentima, Brent Hekt, direktor za primenjenu nauku u Microsoftu, u internoj prepisci iz januara 2024. godine opisao je prikupljanje podataka sa interneta za AI modele kao "zapanjujuću krađu neviđenih razmera" i "najveću krađu rada u istoriji čovečanstva". Isti dokumenti navode da je Hekt upozoravao na takozvanu petlju propasti, u kojoj je Microsoftov Copilot dovodio do pada broja klikova na sadržaj Njujork tajmsa čak 93 odsto u poređenju sa klasičnom Bing pretragom.
Nik Turli, koji u OpenAI-ju vodi razvoj ChatGPT-a, u internoj poruci je izdavače opisao kao suočene sa "egzistencijalnom pretnjom" od proizvoda zasnovanih na velikim jezičkim modelima, koje je nazvao "u velikoj meri zamenskim" za posećivanje originalnih sajtova. Time je, prema tumačenju advokata Njujork tajmsa, priznao da je rukovodstvo OpenAI-ja bilo svesno štete koju chatbotovi nanose izdavačima dok su njihovi tekstovi i dalje korišćeni za obuku modela.
Šta su rekli Nadela i Brokman
U svedočenju datom u okviru spora, izvršni direktor Microsofta Satja Nadela rekao je da bi "sve što je iza plaćenog zida trebalo da bude licencirano od strane svakog ko želi da ga koristi", bilo za takozvano uzemljenje odgovora ili za obuku modela. Nadela je takođe priznao da bi, da je ranije znao za prikupljanje sadržaja sa plaćenih zidova, "zahtevao od OpenAI-ja da ponovo istrenira svoje modele". Dodao je i da su chatbotovi, po njegovom mišljenju, u velikoj meri "zamenili" posetu izvornim sajtovima.
Predsednik OpenAI-ja Greg Brokman je, prema navodima iz spisa, modele opisao kao "izuzetno dobre u vestima", a na poruku jednog istraživača koji je pomenuo zaobilaženje plaćenog zida Njujork tajmsa odgovorio je kratko, sa "ma dobro". Advokati tužilaca navode ovu prepisku kao dokaz da je vrh kompanije bio upoznat sa praksom zaobilaženja zaštite sadržaja, a ne samo niži inženjerski timovi.
Brojke iza projekata Mango i Taksi
Dokumenti otkrivaju i konkretne razmere prikupljanja podataka. U OpenAI-jevim skupovima podataka za takozvano srednje treniranje pronađeno je više od 91.692 kopije tekstova iz Njujork tajmsa, Dejli njuza i Centra za istraživačko novinarstvo, dok je skup podataka izveden iz arhive Common Crawl sadržao preko dva miliona dokumenata sa sajta nytimes.com. Interni projekat nazvan Mango sadržao je više od 160.903 jedinstvena teksta iz raznih medija, a deo podataka je između OpenAI-ja i Microsofta razmenjivan kroz projekat nazvan Taksi. Prema navodima iz spisa, zaposleni su namerno uklanjali napomene o autorskim pravima pre nego što bi tekstovi ušli u obuku modela, a plaćeni zidovi izdavača zaobilaženi su bez sistema koji bi to detektovao ili sprečio.
Vlada SAD stala na stranu OpenAI-ja
Do objavljivanja ovih dokumenata dolazi nedelju dana nakon što je Vlada SAD u posebnom podnesku stala uz argumente OpenAI-ja da je korišćenje javno objavljenog materijala za obuku modela zaštićeno doktrinom poštene upotrebe. Slučaj Njujork tajmsa nije usamljen, tužbe protiv OpenAI-ja i Microsofta zbog navodnog neovlašćenog korišćenja novinarskog sadržaja podneli su i drugi listovi, uključujući Seattle Times i Newsday. OpenAI se paralelno suočava i sa drugim sudskim sporovima, uključujući tužbu Epla zbog navodne krađe poslovnih tajni, tako da broj pravnih izazova pred kompanijom raste uporedo sa njenim planovima za izlazak na berzu. Ni OpenAI ni Microsoft nisu odgovorili na zahtev TechCruncha za komentar na novootkrivene delove spisa.
Sudija koji vodi postupak još nije odlučio da li će slučaj ići na suđenje ili će biti rešen mimosudski, a obe strane nastavljaju da podnose dokaze pred narednim ročištima predviđenim za kraj godine.
Često postavljana pitanja
Šta pokazuju novi sudski dokumenti?
Otkrivaju internu prepisku zaposlenih u OpenAI-ju i Microsoftu iz koje se vidi da su rukovodioci bili svesni razmera i mogućih posledica prikupljanja zaštićenog novinarskog sadržaja za obuku AI modela.
Ko je opisao prikupljanje podataka kao krađu rada?
Brent Hekt, direktor za primenjenu nauku u Microsoftu, u internoj poruci iz januara 2024. godine.
Da li su OpenAI i Microsoft priznali odgovornost?
Ne, obe kompanije se i dalje oslanjaju na argument poštene upotrebe, a nijedna nije komentarisala novootkrivene dokumente.
Kako se Vlada SAD postavila prema sporu?
Trampova administracija je u posebnom podnesku podržala argumente OpenAI-ja o poštenoj upotrebi.
Koliko dugo traje ovaj sudski spor?
Njujork tajms je tužbu podneo krajem 2023. godine, tako da spor traje već tri godine.
