Documente interne dezvăluie: OpenAI și Microsoft știau că declanșează un „cerc vicios" pentru internet

Documente judiciare recent desecretizate în procesul intentat de New York Times împotriva OpenAI și Microsoft aruncă o lumină incomodă asupra modului în care cele două companii percepeau, intern, consecințele propriilor practici de colectare a datelor pentru antrenarea modelelor de inteligență artificială. Potrivit The Verge, documentația internă a companiilor conținea avertismente explicite despre riscurile pe care le presupunea această abordare pentru ecosistemul web în ansamblu.

Un „cerc vicios" recunoscut din interior

Conform materialelor citate de The Verge, angajați din interiorul celor două companii au folosit termenul de „doom loop" pentru a descrie fenomenul pe care îl declanșau prin practicile lor de scraping masiv de conținut. Ideea de bază este că extragerea necontrolată de informații de pe site-uri web, pentru a alimenta modele de limbaj precum cele din spatele ChatGPT, subminează treptat viabilitatea economică a publisherilor și creatorilor de conținut original, cei care produc, de fapt, materialul din care aceste sisteme învață.

Practic, pe măsură ce utilizatorii se obișnuiesc să obțină răspunsuri direct de la chatboți, în loc să viziteze site-urile sursă, traficul către publisheri scade, veniturile din publicitate se erodează, iar capacitatea acestora de a continua să producă jurnalism sau conținut de calitate este pusă în pericol. Acest declin, la rândul său, ar putea afecta chiar și calitatea datelor disponibile pentru viitoarele generații de modele AI, într-un cerc care se auto-alimentează negativ.

Acuzații dure, din interiorul companiilor

Documentele dezvăluite conțin formulări deosebit de tranșante. Potrivit The Verge, unul dintre pasajele desecretizate caracterizează practicile de scraping drept „cel mai mare furt de muncă din istoria omenirii", o afirmație cu atât mai notabilă cu cât provine din interiorul companiilor vizate în proces, nu din partea reclamanților.

Un alt fragment citat sugerează că modul în care a fost interpretat conceptul de utilizare loială (fair use) a datelor colectate „face o adevărată bătaie de joc" din principiul juridic respectiv, aluzie la felul în care companiile ar fi forțat limitele legale pentru a justifica folosirea materialelor protejate prin drepturi de autor.

Implicații pentru procesul în curs

Aceste documente ar putea consolida poziția New York Times în litigiul aflat pe rol, oferind dovezi că angajații companiilor acuzate erau conștienți de natura problematică, poate chiar dăunătoare, a practicilor pe care le implementau. Cazul rămâne unul dintre cele mai urmărite procese din domeniul inteligenței artificiale, cu potențial de a stabili precedente importante privind utilizarea conținutului protejat prin drepturi de autor în antrenarea modelelor de limbaj.