Судові документи у позові The New York Times проти OpenAI та Майкрософт свідчать про внутрішні обговорення в Майкрософт щодо того, чи становило використання новинних статей для навчання моделей ШІ масштабне неналежне використання творчої праці, тоді як обидві компанії й надалі стверджують, що відповідне навчання захищене доктриною добросовісного використання.

Нові оприлюднені матеріали містять записку 2023 року від Брента Гехта, директора з прикладної науки Майкрософт, у якій великі моделі ШІ описано як «продукти, що руйнують власні ланцюги постачання», а також наведено попередження, що багато людей вважали ці системи безпрецедентним привласненням їхньої праці. У судових матеріалах також цитується його характеристика копіювання мільйонів новинних статей без дозволу як «найбільшої крадіжки праці в історії людства».

Майкрософт заявила, що ці записки відображали прагнення Гехта надати «різні та асиметричні перспективи» й не представляли офіційну позицію компанії. Це розмежування важливе, оскільки справа зосереджена не на публічній кампанії працівника, а на внутрішніх комунікаціях, які позивачі використовують, щоб довести, що компанії усвідомлювали юридичну та комерційну чутливість навчання на контенті видавців.

Згідно з матеріалами справи, генеральний директор Майкрософт Сатья Наделла засвідчив, що контент за платним доступом слід використовувати лише з дозволу правовласників. Він також сказав, що якби заздалегідь знав про використання OpenAI платного контенту для навчання, то скористався б правами Майкрософт, щоб вимагати повторного навчання моделі. В окремих судових матеріалах також цитується співробітник OpenAI, який у повідомленні президенту Грегу Брокману назвав спосіб обходу платного доступу The New York Times «хакерським методом»; Брокман відповів: «Класно».

OpenAI та Майкрософт обидві наполягають, що відповідне навчання моделей відповідає критеріям добросовісного використання. Спір розпочався, коли The New York Times подала позов наприкінці 2023 року, і в первинному повідомленні зазначається, що відтоді до справи долучилися 11 видавців. За обмеженого обсягу перевіреної інформації поза судовими розкриттями низка базових деталей залишається невирішеною, зокрема повний обсяг спірних наборів даних і те, як суд оцінюватиме дозвіл, межі ліцензування та шкоду для ринку.

Чому це важливо

Ця справа виходить за межі репутаційного ризику для двох великих ШІ-компаній. Вона зачіпає одне з ключових юридичних питань для генеративного ШІ: чи можна вважати навчання на комерційно цінному тексті трансформативним використанням, якщо вихідний матеріал має творчий характер, ліцензується, а в деяких випадках доступний лише за плату. Новинне видавництво є особливо чутливим випробуванням, оскільки існує реальний ринок ліцензування такого контенту та очевидне занепокоєння, що результати ШІ можуть конкурувати з оригінальним продуктом.

Розкриті матеріали також загострюють питання дотримання вимог для ширшої ШІ-інфраструктури. Якщо суди надаватимуть більшої ваги згоді, обмеженням джерел або повторному використанню даних, отриманих на інших умовах, розробники та їхні партнери можуть зіткнутися з жорсткішим контролем над тим, як формуються, передаються та оновлюються навчальні корпуси.