OpenAI ar fi ascuns datele de antrenament, acuză NYT

OpenAI se confruntă cu cereri de „sancțiuni severe” după ce a încercat să împiedice organizațiile de știri să inspecteze milioane de jurnale pentru a găsi dovezi că utilizatorii eludează paywall-urile lor, potrivit arstechnica.com. Aceste dovezi sunt esențiale pentru ambele părți, având potențialul de a condamna OpenAI ca infractor sau de a exonera tehnologia sa de chatbot ca utilizare corectă și transformativă a conținutului din presa de știri.

👉 Acuzarea OpenAI de minciuni și inducerea în eroare a instanței

Într-o solicitare de sancțiuni depusă joi, organizațiile de știri care acționează în judecată OpenAI, conduse de The New York Times, au acuzat compania de inteligență artificială că a mințit constant timp de ani pentru a ascunde dovezile de încălcare, ceea ce ar putea afecta apărarea OpenAI. Aceste minciuni au fost expuse când instanța a obligat un „martor insuficient pregătit”, inginerul de confidențialitate al OpenAI, Vincent Monaco, să fie reexaminat. În timpul depoziției din aprilie, el a dezvăluit fără intenție că OpenAI a indus în eroare instanța timp de doi ani cu privire la costurile și dificultățile de căutare în jurnalele ChatGPT, se arată în cererea NYT.

Printre cele mai șocante revelații se numără că OpenAI ar fi pretins încă din primii pași ai cazului că nu avea capacitatea tehnică de a căuta mostre mari de jurnale anonimizate ChatGPT, când de fapt déjà efectuase astfel de căutări înainte de începutul litigiului, a susținut NYT. Sancțiunile sunt justificate deoarece „ascunderea acestui fapt de către OpenAI a reținut dovezi extrem de relevante, a prelungit descoperirea, a mărit cheltuielile și a împovărat instanța”, au susținut reclamanții.

👉 Reacția OpenAI și acuzațiile privind protecția confidențialității

Un purtător de cuvânt OpenAI a sugerat că solicitarea de sancțiuni din partea NYT era un efort tardiv de litigiu pentru a accesa mai multe jurnale și pentru a încălca mai mult dreptul la confidențialitate al utilizatorilor. Purtătorul de cuvânt a afirmat că, atunci când NYT a abandonat recent unele acuzații în proces, acesta era semn că cazul reclamanților slăbea, nu apărarea OpenAI, explicând că „pe măsură ce cazul Times slăbește și au fost constrânși să renunțe la acuzații împotriva noastră, ei persistă cu eforturile de a invada confidențialitatea persoanelor care nu au nimic de-a face cu acest caz”.

Avocatul principal al NYT, Ian Crosby, a sugerat că OpenAI a obstructat accesul la jurnale și a distorsionat dovezile pentru a-și proteja afirmațiile de utilizare corectă. „Timp de peste doi ani, OpenAI a mințit The Times, reclamanții de la Daily News, publicul și instanța”, a afirmat Crosby. „A declarat că căutarea în ieșirile ChatGPT pentru copii ale conținutului The Times și al reclamanților Daily News era inutilă, împovărătoare și invazivă pentru confidențialitatea utilizatorilor, în timp ce în același timp a ascuns că déjà efectuase astfel de căutări.”

👉 Revelații șocante și acțiuni legale

În loc să fie transparent cu privire la mostrele existente, OpenAI a forțat reclamanții de știri să petreacă opt luni căutând într-un „sandbox”, unde puteau accesa doar o mostră redusă masiv de 20 de milioane de jurnale. Această mostră era mult mai mică decât cele 120 de milioane de jurnale originale solicitate, diminuată din cauza „reprezentărilor false” ale OpenAI în ceea ce privește capacitățile sale tehnice existente de a căuta mostre mai mari.

Solicitările de sancțiuni sunt redactate, dar se susține că Monaco a mărturisit că OpenAI avea două mostre mari - de 10 milioane și 78 de milioane de jurnale - care deja fuseseră de-identificate și care ar fi putut fi puse la dispoziția reclamanților de știri încă de la început pentru a maximiza perioada de descoperire.

„Niciodată OpenAI nu a dezvăluit existența” acestor mostre timp de doi ani, au susținut reclamanții. Mai frustrant pentru reclamanți, OpenAI căutase deja aceste mostre pentru conținutul NYT ca parte a cercetării sale în vederea „creării unui filtru care ar putea fi folosit pentru a bloca regurgitarea conținutului protejat prin drepturi de autor.”

👉 Problemele de confidențialitate și restanțele în proceduri

Pe parcurs, reclamanții au acuzat OpenAI de alte fapte greșite pentru a obstrucționa accesul la dovezi. Deși suma exactă este redactată, OpenAI a șters aleatoriu unele părți din acea mostră limitată de 20 de milioane, susțin reclamanții. În plus, au acuzat că au fost șterse sau comprimate miliarde de jurnale care ar fi trebuit să fie păstrate. Potrivit NYT, martorul OpenAI a mărturisit că OpenAI a decis pur și simplu că respectarea ordinului instanței de a păstra toate conversațiile „ar fi dificilă; și, astfel, nu a luat niciun fel de măsuri în acest sens.”

Reprezentanții organizațiilor de știri afirmă că nu solicită sancțiuni împotriva OpenAI „cu ușurință”, ci că „gravitatea” presupuselor fapte greșite ale OpenAI necesită sancțiuni pentru a pedepsi compania de AI și a descuraja alte firme de AI să urmeze un plan similar. Cerând „sancțiuni severe”, reclamanții doresc ca instanța să interzică OpenAI să folosească mostrele de 20 de milioane pentru care a luptat atât de mult. Au mai cerut instanței să constate că jurnalele reținute conțin „substanțial” „regurgitarea materialului protejat prin drepturi de autor”, blocând OpenAI din a susține contrariul.

De asemenea, juriul ar fi instruit că OpenAI a șters miliarde de jurnale, ceea ce s-ar alinia cu povestea reclamanților că OpenAI a acționat în mod obscur pentru a ascunde înlocuirile presupuse pe piață de la începutul cazului. „Sancțiunile mai mici nu ar fi eficiente”, au avertizat reclamanții. Într-adevăr, „sancțiuni severe sunt deosebit de potrivite”, au afirmat ei, deoarece faptele greșite ale OpenAI „au fost cunoscute și intenționate.”

Dacă instanța este de acord că faptele greșite ale OpenAI au fost „execrabile”, încercarea OpenAI de a restricționa accesul organizațiilor de știri la jurnale ar putea fi o greșeală fatală în această luptă pentru drepturi de autor, foarte urmărită. Dacă utilizarea conținutului protejat prin drepturi de autor este utilizare corectă sau nu va depinde probabil de capacitatea organizațiilor de știri de a demonstra prejudiciile pe piață, iar apărarea OpenAI ar putea fi semnificativ afectată dacă mostra sa masiv redactată este respinsă.