Manažer Microsoftu označil vytěžování dat pro AI za „největší krádež“ v historii

Nově odtajněné soudní spisy v tři roky staré žalobě deníku New York Times pro porušení autorských práv proti společnostem OpenAI a Microsoft ↘ 0.99% odhalují, že vysocí manažeři obou firem soukromě přiznali, že jejich postupy při trénování AI se rovnají krádeži a představují existenční hrozbu pro vydavatele, jejichž práce poháněla jejich modely.

„Největší krádež práce v lidské historii“

Dokumenty, které byly zveřejněny ve čtvrtek, ukazují, že ředitel aplikovaných věd Microsoftu Brent Hecht v interním sdělení z ledna 2023 popsal masové vytěžování zpravodajského obsahu jako „ohromující krádež nevídaných rozměrů“ a „největší krádež práce v lidské historii“. V samostatné prezentaci z ledna 2024 Hecht varoval, že přístup Microsoftu založený na AI vytvořil „bludný kruh“, který by „poškodil výkon našich modelů a zároveň celý web“.wsj+1

Data samotného Microsoftu ukázala, že jeho „odpovědní engine“ Copilot způsobil pokles míry prokliků na doménu Times až o 93 % ve srovnání s tradičním vyhledáváním Bing. Šéf ChatGPT v OpenAI Nick Turley interně napsal, že vydavatelé čelí „existenční hrozbě“ ze strany produktů, jako je chatbot, který popsal jako „z velké části nahrazující“ původní obsah. Prezident OpenAI Greg Brockman označil modely za „vynikající ve zprávách“, zatímco generální ředitel Microsoftu Satya Nadella pod přísahou vypověděl, že konverzace s chatboty „nahradila… poskytování informací přímo na webových stránkách na platformě AI namísto nutnosti přejít ke zdrojovému odkazu“.techcrunch

Rozsah kopírování a obcházení platebních bran

Spisy poprvé odhalují rozsah údajného kopírování: trénovací datové sady OpenAI obsahovaly více než 91 692 kopií děl publikovaných deníky Times, Daily News a Centrem pro investigativní žurnalistiku, zatímco datová sada odvozená z Common Crawl zahrnovala více než 2 miliony dokumentů z nytimes.com. Společnosti údajně také shromažďovaly trénovací data prostřednictvím iniciativ s názvy Project Taxi a Project Mango, přičemž druhý jmenovaný obsahoval kopie nejméně 160 903 unikátních děl od zpravodajských vydavatelů.techcrunch

Dokumenty popisují, jak zaměstnanci OpenAI údajně vymysleli metody, jak bez odhalení obcházet platební brány. Když výzkumník Nick Ryder řekl Brockmanovi o „hacku pro obejití platební brány nytimes“, Brockman odpověděl: „ah, pěkné“. Zaměstnanci také údajně odstraňovali upozornění na autorská práva z trénovacích dat, protože výzkumníci „nechtěli, aby model taková upozornění uživatelům vypisoval“.techcrunch

Právní důsledky

Tato přiznání by mohla podkopat obhajobu OpenAI založenou na principu fair use, zejména požadavek, aby použití nepoškozovalo trh s původním dílem. Sám Nadella vypověděl, že „vše, co je za platební bránou, by mělo být licencováno kýmkoli, kdo to chce použít… pro uzemnění nebo trénink“. Podle serveru TechCrunch podala Trumpova administrativa začátkem tohoto měsíce podání na obranu nelicencovaného používání materiálů chráněných autorským právem ze strany OpenAI. OpenAI a Microsoft na žádosti o komentář nereagovaly.techcrunch