A Microsoftnál „az emberi munka történetének legnagyobb ellopásáról” beszéltek - aztán folytatták

Újonnan nyilvánosságra került bírósági iratok szerint a Microsoft és az OpenAI munkatársai évekkel ezelőtt felismerték, hogy a híroldalak tartalmainak engedély nélküli felhasználására épülő mesterséges intelligencia elszívhatja a sajtó közönségét és bevételeit, végül pedig felszámolhatja magát az információs rendszert is, amelyből az AI-modelljeik táplálkoznak. A belső anyagokban „egzisztenciális fenyegetésről”, „végzetes spirálról” és „az emberi munka történetének legnagyobb ellopásáról” írtak.

A New York Times 2023 decemberében perelte be az OpenAI-t és a Microsoftot szerzői jogainak megsértése miatt, az eljáráshoz pedig később további kiadók csatlakoztak. A felperesek azt állítják, hogy a vállalatok engedély nélkül másolták le cikkeik tömegét az AI-modellek betanításához, majd olyan szolgáltatásokat építettek ezekre, amelyek képesek kiváltani az eredeti sajtótermékeket. A cégek ezzel szemben arra hivatkoznak, hogy az adatok felhasználása átalakító jellegű, ezért az amerikai jog szerinti méltányos felhasználás, vagyis a fair use körébe tartozik. A most nyilvánosságra került egyik legsúlyosabb részlet Brent Hecht, a Microsoft alkalmazott tudományokért felelős igazgatójának 2023 januárjában készített belső feljegyzése. Hecht a sajtótermékek AI-fejlesztéshez történő felhasználását „példátlan méretű, megdöbbentő lopásnak”, illetve

„az emberi munka történetében elkövetett legnagyobb lopásnak”

nevezte.

Hecht később egy prezentációban azt is felvázolta, miként semmisítheti meg az AI a saját információforrásait. Az AI-alapú keresők kész válaszokat adnak, ezért a felhasználóknak nem kell átkattintaniuk az eredeti cikkekre. A kiadók látogatottsága és bevétele csökken, emiatt kevesebb újságírót tudnak foglalkoztatni, kevesebb eredeti tartalom készül, végül pedig az AI-rendszereknek sem marad megbízható, friss információjuk. Hecht ezt „végzetes spirálnak” nevezte, amely egyszerre ronthatja a modellek teljesítményét és teheti tönkre az internetes tartalom-előállítás gazdasági alapját. A felperesek beadványa szerint a Microsoft belső mérései azt mutatták, hogy a Copilot válaszadó rendszere egyes esetekben akár 93 százalékkal is csökkentette a New York Times oldalára történő átkattintást a hagyományos Bing-keresésekhez képest. Ez különösen fontos adat lehet a perben, hiszen a kiadók éppen azt próbálják bizonyítani, hogy az AI nem egyszerűen új módon használja fel cikkeiket, hanem helyettesíti is az eredeti terméket.

Hasonló gondolatok az OpenAI belső kommunikációjában is megjelentek. Nick Turley, a ChatGPT vezetője 2023 júniusában állítólag „egzisztenciális fenyegetésnek” nevezte az AI-t a kiadók szempontjából. Egy későbbi megjegyzésében arról írt, hogy az AI-termékek már most nagyrészt helyettesítő szerepet töltenek be, és fejlődésükkel ez a hatás csak erősödni fog. Egy OpenAI-mérnök pedig azt állapította meg, hogy a felhasználók akkor sem kattintanak feltétlenül az eredeti forrásra, ha annak linkjét jól látható helyen tüntetik fel. A beadvány szerint Greg Brockman, az OpenAI társalapítója már 2020-ban arról írt, hogy a modellek különösen jól képesek folytatni és előállítani a hírcikkek szövegét. A felperesek egy ennél is kínosabb üzenetváltást idéznek: egy OpenAI-kutató állítólag arról tájékoztatta Brockmant, hogy talált egy „trükköt” a New York Times fizetőfalának megkerülésére, amire Brockman annyit válaszolt, hogy „á, remek”. Az üzenet pontos összefüggéseit az eljárás későbbi szakaszában kell tisztázni, az alapjául szolgáló bizonyítékok egy része ugyanis még nem hozzáférhető teljes egészében.

A kiadók azt is állítják, hogy a betanítási adatok összeállításakor szándékosan eltávolították a szerzői jogi jelzéseket, nehogy a modellek később ezeket is visszaadják. Egyes adathalmazokban több tízezer, más gyűjteményekben pedig több millió, sajtóoldalakról származó dokumentum szerepelhetett. A kereset szerint a Microsoft a Bing keresési indexéből származó anyagokkal is segítette az OpenAI-t, miközben az OpenAI átadta a GPT–3 betanítási adatait a Microsoftnak, hogy a redmondi vállalat felmérhesse a technológia saját termékeibe történő beépítésének lehetőségét. Különösen kellemetlen lehet Satya Nadella Microsoft-vezér vallomása. Nadella szerint a fizetőfal mögötti tartalmak használatáért licencdíjat kellene fizetni. Arról is beszélt, hogy amennyiben tudott volna a fizetős tartalmak engedély nélküli felhasználásáról, a Microsoft szerződéses jogával élve akár a modell újbóli betanítását is követelhette volna az OpenAI-tól. Nadella azt is elismerte, hogy a chatbotok bizonyos értelemben kiváltják az eredeti forrás felkeresését, hiszen az információt közvetlenül az AI-platformon adják át a felhasználónak.

A Microsoft szerint azonban Hecht feljegyzései nem a vállalat hivatalos álláspontját tükrözik. A cég azzal érvel, hogy Hecht kutatóként éppen azért kapott fizetést, hogy eltérő, akár szélsőséges forgatókönyveket is bemutasson a vezetőknek, és nem vett részt a vállalati döntéshozatalban. Az OpenAI a sajtóbeszámolók szerint nem kívánta kommentálni az új részleteket. A most nyilvánosságra került iratok önmagukban még nem döntik el a pert, a bíróságnak kell meghatároznia, hogy a tartalmak lemásolása méltányos felhasználásnak minősül-e, illetve az AI-termékek valóban az eredeti cikkek piacát helyettesítik-e. Az Egyesült Államokban a kormány is az OpenAI álláspontját támogató beadványt nyújtott be, arra hivatkozva, hogy az AI-modellek betanítása bizonyos körülmények között engedély nélkül is jogszerű lehet.

Az ügy tétje azonban messze túlmutat a New York Times és az OpenAI vitáján. A technológiai cégek olyan tartalmakból építették fel rendszereiket, amelyek előállításának költségeit mások fizették meg: kiadók, előfizetők, hirdetők és maguk az újságírók. Az AI ezután összefoglalja vagy újracsomagolja az információt, a felhasználó pedig már nem jut el ahhoz az oldalhoz, amely a tudósítót, a szerkesztőt, a fotóst és az oknyomozást finanszírozta. A nagy kiadók talán képesek licencekről tárgyalni vagy évekig pereskedni, a kisebb, helyi és független szerkesztőségek erre általában nem rendelkeznek sem pénzzel, sem jogi apparátussal. Az ő tartalmaikat ugyanúgy felhasználhatják, miközben a keresőkből érkező látogatottságuk eltűnik, előfizetéseik nem növekednek, és még azt sem tudják pontosan megállapítani, melyik modell milyen anyagukat nyelte le.

Az AI-vállalatok tehát nem utólag döbbentek rá arra, hogy üzleti modelljük veszélyeztetheti a sajtót. Saját belső embereik évekkel ezelőtt leírták a várható következményeket: a tartalom elvétele után következik a forgalom elvétele, majd a bevételek eltűnése és végül a tartalom-előállítás összeomlása. A bíróság még nem mondta ki, hogy mindez jogellenes volt, azt viszont egyre nehezebb lesz elhitetni, hogy nem tudták, mit csinálnak. És, ha már tudták, akkor folyatták is.

Ugar