מסמכים שנחשפו: בכיר במיקרוסופט כינה את איסוף החדשות "גניבה חסרת תקדים"

מסמכים שהוסרו מהם ההשחרות בתביעת זכויות היוצרים של The New York Times נגד OpenAI ו-Microsoft חושפים כי בכיר במחקר ב-Microsoft כינה את אימון מודלי ה-AI של החברות "גניבה", וכי בהנהגת OpenAI עצמה ראו בצ'אטבוטים איום קיומי על המו"לים שאומנו על עבודתם.

מה עולה מהמסמכים

במסמכים מצוטט מזכר פנימי מינואר 2023 מאת Brent Hecht, מנהל המחקר היישומי ב-Microsoft, שכתב כי סריקת תוכן חדשותי היא "גניבה מדהימה במימדים חסרי תקדים" ו"גניבת העבודה הגדולה בהיסטוריה האנושית". במצגת שהוא כתב בינואר 2024 מתואר "doom loop" פנימי: לפי הנתונים של Microsoft עצמה, מנוע התשובות Copilot הפחית את שיעורי ההקלקה על הדומיין של The Times בעד 93% לעומת חיפוש Bing המסורתי, ירידה שלפי המסמך "פוגעת בביצועים של המודלים שלנו ובאינטרנט כולו בעת ובעונה אחת".

מסמך אחר של Microsoft מזהיר מפני "סיכון ממשי" שגנרטיב AI "ישבש באופן משמעותי את תעסוקתם של האנשים שיצרו את הנתונים שעליהם אומן המודל הבסיסי". ראש תחום ChatGPT ב-OpenAI, Nick Turley, כתב בהתכתבות פנימית שהמו"לים ניצבים בפני "איום קיומי" ממוצרים ש"מחליפים במידה רבה" את המקור ו"יחליפו אותו יותר ויותר ככל שישתפרו". נשיא OpenAI, Greg Brockman, כינה את המודלים "מצוינים בחדשות".

היקף ההעתקה וחומות תשלום

לפי המסמכים, מערכי הנתונים של OpenAI לשלב ה-mid-training בלבד מכילים יותר מ-91,692 עותקים של יצירות מ-The Times, מ-Daily News ומ-Center for Investigative Reporting, ומערך שנשאב מ-Common Crawl כלל יותר מ-2 מיליון מסמכים מ-nytimes.com בלבד. נתונים שנאספו במסגרת "Project Mango" הכילו לפחות 160,903 יצירות ייחודיות של המו"לים.

הבקשה גם מתארת תוכניות לעקוף חומות תשלום בלי להתגלות. כשהחוקר של OpenAI, Nick Ryder, סיפר ל-Brockman על "האק לעקיפת ה-paywall של nytimes", השיב לו Brockman: "ah nice". מנכ"ל Microsoft, Satya Nadella, העיד בעדות מוקדם יותר השנה כי "כל מה שנמצא מאחורי חומת תשלום צריך לקבל רישיון מכל מי שרוצה להשתמש בו… לעיגון או לאימון", והוסיף שהיה דורש מ-OpenAI לאמן מחדש את המודלים אילו ידע על נתונים מאחורי חומות תשלום.

למה זה חשוב

החשיפות מחלישות נדבכים בהגנת ה-fair use של OpenAI, שדורשת שהשימוש לא יחליף את היצירה המקורית ולא יפגע בשוק שלה. בתי המשפט נטו עד כה לטובת חברות ה-AI. עם זאת, נדרשת זהירות: חלק גדול מהחומר החדש מגיע מבקשה של The Times עצמה ולא מהראיות המקוריות, שעדיין אטומות, והציטוטים מובאים בלי ההקשר המקורי. OpenAI ו-Microsoft לא השיבו לבקשות תגובה.