New York Times kontra Microsoft. Superkomputer miał uczyć AI kradzieży tekstów?

„Microsoft aktywnie zachęcał OpenAI do kradzieży naszych chronionych dzieł” — tymi słowami rzecznik New York Timesa Graham James podsumował zmieniony pozew złożony w czwartek. Gazeta twierdzi, że potężny superkomputer nie był zwykłą usługą chmurową, lecz maszyną zaprojektowaną do naruszania praw autorskich.

Superkomputer skrojony pod ChatGPT

→ Czytaj też: Największy otwarty model AI ma 2,8 biliona parametrów. Chiny rzucają wyzwanie USA

W 2023 roku NYT jako pierwszy duży wydawca pozwał OpenAI. Twierdził, że ChatGPT trenowano nielegalnie na jego artykułach, a model odtwarzał je niemal słowo w słowo, podstawiając się pod prenumeratę.

W pierwotnym pozwie systemy obliczeniowe Microsoftu opisywano jako generyczną chmurę. Teraz zmieniona skarga przedstawiona przez Ars Technica precyzuje, że maszynę zbudowano w jednym celu: trenowania AI na chronionych treściach bez zgody.

Według gazety jej artykuły były w tym systemie ważone mocniej niż inne dane. Obie firmy chciały bowiem uczyć modele na najwyższej jakości dziennikarstwie, by potrafiły je naśladować.

„Microsoft zaprojektował go specjalnie po to, by używając niemal całego internetu — wyselekcjonowanego tak, by nieproporcjonalnie eksponować dzieła Timesa — wytrenować najpotężniejszy LLM w historii” — czytamy w pozwie.

Dlaczego NYT zmienił argumentację

→ Czytaj też: AI rozszyfrowała śpiew ptaków. Co mówią nam od lat?

Powód jest prawny. Sąd Najwyższy poparł niedawno Cox Communications w sprawie, w której Sony bezskutecznie próbowało obciążyć dostawcę internetu współudziałem w piractwie. Ustaliło to nowy standard: powodowie muszą udowodnić, że strona celowo nakłaniała do bezprawnego działania.

NYT dostosował więc swoje roszczenie o współudział w naruszeniu. Przy okazji dobrowolnie wycofał dwa inne zarzuty wobec wszystkich pozwanych. Rzecznik Microsoftu nazwał zmianę „ostatnią desperacką próbą ratowania roszczenia przed niekorzystnym precedensem”.

Gazeta odpiera, że nikt nie poniesie szkody, bo nie żąda dodatkowego postępowania dowodowego. „Nasze kluczowe zarzuty pozostają takie same od dnia złożenia pozwu” — zaznacza James.

Bilion dolarów i wycieki tekstów

Najmocniejszym dowodem mają być wyniki ujawnione w toku sprawy, w tym ogromna porcja sesji użytkowników ChatGPT. W części przypadków ludzie wprost prosili o ominięcie paywalla i otrzymywali kolejne akapity artykułów, pisząc „następny akapit”. Czasem model „po prostu wypluwał kilka akapitów” bez żadnych sztuczek.

NYT wskazuje też na halucynacje. ChatGPT miał sfabrykować nieistniejący artykuł, jakoby wiążący sok pomarańczowy z chłoniakiem nieziarniczym, a Bing Chat cytował fałszywe wypowiedzi przypisane Moirze Forbes.

Stawka jest astronomiczna. Według pozwu wdrożenie modeli wytrenowanych na treściach Timesa „pomogło podnieść kapitalizację Microsoftu o bilion dolarów w ciągu zaledwie roku”. OpenAI broni się niezmiennie: rzecznik Drew Pusateri twierdzi, że modele „są trenowane na publicznie dostępnych danych i opierają się na dozwolonym użytku”.

Co dalej dla całej branży

To nie odosobniona batalia. W tym samym tygodniu, jak opisuje Spider’s Web, koalicja wydawców niemal 400 lokalnych gazet pozwała Microsoft i OpenAI. Reprezentujący ją były prokurator generalny New Jersey Matthew Platkin nazwał lokalne media „krwiobiegiem demokracji”, ostrzegając przed „dzwonem pogrzebowym dla lokalnego dziennikarstwa”.

Gdyby sądy przyznały rację wydawcom, firmy AI mogłyby być zmuszone płacić za licencje i zmienić sposób trenowania modeli. Najbardziej skrajny scenariusz w sprawie NYT to nakaz wymazania modeli i rozpoczęcia szkolenia od zera. Pytanie, na które odpowiedzą dopiero sędziowie, brzmi prosto: czy „publicznie dostępne” znaczy „można skopiować bez pytania”?