Новые рассекреченные материалы по иску The New York Times против OpenAI и Microsoft показали, что топ-менеджеры сами называли практику обучения ИИ на чужом контенте «кражей», а продукты ИИ — «экзистенциальной угрозой» для издателей.
Документы получены из открытого брифинга NYT, а не из первоисточников — часть данных остаётся под грифом секретности.
Внутренняя презентация директора по прикладной науке Microsoft Брента Хекта называла происходящее «беспрецедентной кражей труда в истории человечества». По его данным, Copilot снизил переходы на сайт NYT из Bing на 93%.
Глава ChatGPT в OpenAI Ник Тёрли писал, что продукты компании «во многом заменяют» работу издателей и со временем станут «всё более замещающими». Президент OpenAI Грег Брокман называл модели «отлично разбирающимися в новостях».
CEO Microsoft Сатья Наделла подтвердил под присягой, что общение с чат-ботами заменяет переход на исходный сайт за информацией, и заявил: если бы знал о скрапинге платного контента OpenAI, потребовал бы переобучить модели.
«Это крайне необычно, когда конечный продукт угрожает экономическим основам своих поставщиков» — из документа Microsoft.
Масштаб копирования поражает: обучающие датасеты OpenAI содержат более 91 692 копий материалов NYT, Daily News и Center for Investigative Reporting. Один из датасетов на основе Common Crawl включал более 2 млн документов с nytimes.com.
Документы также раскрывают, как компании обходили пейволлы. Когда исследователь OpenAI Ник Райдер сообщил Брокману о «хаке для обхода пейволла NYT», тот ответил: «отлично».
Сотрудники OpenAI якобы также специально удаляли из обучающих данных уведомления об авторских правах, чтобы модели не выводили их пользователям. OpenAI и Microsoft не ответили на запросы о комментариях.