Microsoft-direktør kalte AI-skraping for historiens største tyveri

Nye, ugraderte dokumenter i New York Times' tre år gamle opphavsrettssøksmål mot OpenAI og Microsoft ↘ 0.99% avslører at ledere i begge selskaper privat erkjente at deres praksis for AI-trening tilsvarte tyveri og utgjorde en eksistensiell trussel mot utgiverne hvis arbeid drev modellene deres.

'Historiens største arbeidstyveri'

De ugraderte dokumentene, som ble offentliggjort torsdag, viser at Microsofts direktør for anvendt vitenskap, Brent Hecht, beskrev selskapenes massive skraping av nyhetsinnhold som "et forbløffende tyveri av enestående proporsjoner" og "historiens største arbeidstyveri" i et internt notat fra januar 2023. I en separat presentasjon fra januar 2024 advarte Hecht om at Microsofts AI-drevne tilnærming hadde skapt en "dødsspiral" som ville "skade ytelsen til modellene våre og hele nettet samtidig".wsj+1

Microsofts egne data viste at deres Copilot-svarmaskin førte til at klikkfrekvensen for Times' domene falt med så mye som 93 % sammenlignet med tradisjonelt Bing-søk. OpenAIs sjef for ChatGPT, Nick Turley, skrev internt at utgivere står overfor en "eksistensiell trussel" fra produkter som chatroboten, som han beskrev som "i stor grad substituerende". OpenAI-president Greg Brockman kalte modellene "utmerkede på nyheter", mens Microsoft-sjef Satya Nadella vitnet under ed om at samtaler med chatroboter "har erstattet… å gi deg informasjonen rett der på nettsiden på AI-plattformen kontra å måtte gå til den underliggende kilden".techcrunch

Omfanget av kopiering og omgåelse av betalingsmurer

Dokumentene avslører for første gang omfanget av den påståtte kopieringen: OpenAIs datasett for trening alene inneholdt mer enn 91 692 kopier av verk publisert av Times, Daily News og Center for Investigative Reporting, mens et datasett avledet fra Common Crawl inkluderte mer enn 2 millioner dokumenter fra nytimes.com. Selskapene skal også ha samlet inn treningsdata gjennom initiativer kalt Project Taxi og Project Mango, hvor sistnevnte inneholdt kopier av minst 160 903 unike verk fra nyhetsutgiverne.techcrunch

Dokumentene beskriver hvordan OpenAI-ansatte angivelig utarbeidet metoder for å omgå betalingsmurer uten å bli oppdaget. Da forsker Nick Ryder fortalte Brockman om et "hack for å komme seg rundt nytimes-betalingsmuren", svarte Brockman: "ah nice". Ansatte skal også ha fjernet merknader om opphavsrett fra treningsdata, siden forskere "ikke ville at modellen skulle gi ut" slike merknader til brukere.techcrunch

Juridiske implikasjoner

Innrømmelsene kan svekke OpenAIs forsvar om "fair use", spesielt kravet om at bruken ikke skader markedet for det originale verket. Nadella vitnet selv om at "alt som er bak en betalingsmur bør lisensieres av alle som ønsker å bruke det… for grunnlag eller trening". Tidligere denne måneden sendte Trump-administrasjonen inn et prosesskriv til forsvar for OpenAIs ulisensierte bruk av opphavsrettsbeskyttet materiale, ifølge TechCrunch. OpenAI og Microsoft har ikke besvart forespørsler om kommentar.techcrunch