Dokumenty sądowe w pozwie „The New York Times” przeciwko OpenAI i Microsoftowi ujawniają wewnętrzną debatę w Microsofcie na temat tego, czy wykorzystywanie artykułów prasowych do trenowania modeli AI stanowiło masowe niewłaściwe wykorzystanie pracy twórczej. Obie firmy nadal twierdzą jednak, że przedmiotowe trenowanie jest chronione zasadą dozwolonego użytku.

Nowo ujawnione materiały obejmują notatkę z 2023 r. autorstwa Brenta Hechta, dyrektora ds. nauk stosowanych w Microsofcie, w której opisał on duże modele AI jako „produkty niszczące własne łańcuchy dostaw” oraz ostrzegł, że wiele osób postrzega te systemy jako bezprecedensowe przywłaszczenie ich pracy. W dokumentach sądowych przytoczono także jego określenie kopiowania milionów artykułów prasowych bez zezwolenia jako „największej kradzieży pracy w historii ludzkości”.

Microsoft oświadczył, że notatki te odzwierciedlały starania Hechta, by przedstawić „odmienne i asymetryczne perspektywy”, i nie stanowiły oficjalnego stanowiska firmy. To rozróżnienie jest istotne, ponieważ sprawa nie koncentruje się na publicznej kampanii pracownika, lecz na wewnętrznej komunikacji, którą powodowie wykorzystują, by wykazać, że firmy rozumiały prawną i komercyjną wrażliwość trenowania na treściach wydawców.

Według dokumentów Satya Nadella, dyrektor generalny Microsoftu, zeznał, że treści dostępne za paywallem powinny być wykorzystywane wyłącznie za zgodą posiadaczy praw. Dodał też, że gdyby wcześniej wiedział, iż OpenAI używa płatnych treści do trenowania, skorzystałby z praw Microsoftu, aby zażądać ponownego wytrenowania modelu. W odrębnych materiałach sądowych przytoczono również wiadomość pracownika OpenAI do prezesa Grega Brockmana, w której wspomniał on o „metodzie hakerskiej” omijania paywalla „The New York Times”; Brockman odpowiedział: „Fajnie”.

OpenAI i Microsoft utrzymują, że dane trenowanie modeli kwalifikuje się jako dozwolony użytek. Spór rozpoczął się, gdy „The New York Times” wniósł pozew pod koniec 2023 r., a pierwotny raport podaje, że od tego czasu do sprawy dołączyło 11 wydawców. Przy ograniczonych zweryfikowanych informacjach wykraczających poza ujawnienia sądowe, kilka zasadniczych kwestii pozostaje nierozstrzygniętych, w tym pełny zakres spornych zbiorów danych oraz sposób, w jaki sąd oceni zezwolenia, granice licencjonowania i szkodę rynkową.

Dlaczego to ma znaczenie

Sprawa wykracza poza ryzyko reputacyjne dla dwóch dużych firm AI. Dotyczy jednego z kluczowych pytań prawnych stojących przed generatywną AI: czy trenowanie na tekstach o wartości komercyjnej można uznać za użytek transformacyjny, gdy materiał źródłowy ma charakter twórczy, jest licencjonowany, a w niektórych przypadkach objęty paywallem. Publikacje prasowe są szczególnie wrażliwym testem, ponieważ istnieje realny rynek licencjonowania tych treści oraz wyraźna obawa, że wyniki generowane przez AI mogą konkurować z oryginalnym produktem.

Ujawnienia dodatkowo wyostrzają kwestię zgodności z wymogami w szerszym obszarze infrastruktury AI. Jeśli sądy przywiążą większą wagę do zgody, ograniczeń źródłowych lub ponownego wykorzystania danych pozyskanych na innych warunkach, deweloperzy i ich partnerzy mogą stanąć przed ściślejszymi kontrolami dotyczącymi sposobu tworzenia, udostępniania i aktualizowania korpusów treningowych.