Новообјавени делови од судските документи во спорот на „Њујорк тајмс“ против OpenAI и Microsoft откриваат дека вработени и раководители во двете компании интерно предупредувале на последиците од масовното собирање новинарски содржини за тренирање јазични модели.

Материјалите се дел од тужбата што „Њујорк тајмс“ ја поднесе во 2023 година, обвинувајќи ги компаниите за неовластено користење содржини заштитени со авторски права. Голем дел од доказите и натаму е запечатен, а објавените наводи доаѓаат од поднесок на тужителите, па изјавите се достапни без целосниот контекст од придружните документи.

Според поднесокот, Брент Хехт, директор за применета наука во Microsoft, во интерен меморандум од јануари 2023 година го опишал ваквото преземање содржини како невидено присвојување на човечки труд. Тој предупредил и на можен маѓепсан круг: производите што зависат од новинарски текстови би можеле да ја поткопаат економската основа на издавачите и авторите што ги создаваат тие текстови.

Документите посочуваат дека интерно истражување на Microsoft забележало дека одговорите во Copilot можат да го намалат сообраќајот што води кон доменот на „Њујорк тајмс“ до 93 проценти во споредба со класичното пребарување преку Bing. Во друг интерен материјал се наведува ризик ваквите производи значително да влијаат врз вработувањето на луѓето што ги создале содржините користени во основните модели.

Поднесокот тврди и дека податоците за средно тренирање на OpenAI содржеле повеќе од 91.692 копии од дела на „Њујорк тајмс“, „Дејли њуз“ и Центарот за истражувачко новинарство. Посебен сет податоци, изведен од Common Crawl, наводно опфаќал над два милиони документи од nytimes.com.

Тужителите дополнително обвинуваат дека биле користени начини за заобиколување платени ѕидови, како и отстранување известувања за авторски права пред материјалите да стигнат до моделите. Наводно, Microsoft и OpenAI разменувале и податоци преку иницијативите Project Taxi и Project Mango, при што вториот сет содржел најмалку 160.903 уникатни дела од новински издавачи.

Правното прашање дали тренирањето модели со заштитени дела претставува дозволена употреба сè уште нема конечен одговор. Microsoft во своите судски поднесоци тврди дека неговите употреби се трансформативни и дека Copilot не е замена за новинарството. OpenAI и Microsoft не одговориле на барањата за коментар за новообјавените наводи.