Στη διαμάχη ανάμεσα στους New York Times και την OpenAI έχουμε αναφερθεί στο παρελθόν. Ας θυμηθούμε απλώς ότι η εφημερίδα έχει καταθέσει μήνυση εναντίον της εταιρείας για λογοκλοπή. Για το ότι δηλαδή επιστρέφει ως αποτέλεσμα ολόκληρα αποσπάσματα από άρθρα της χωρίς ν’ αναφέρει την πηγή και χωρίς ν’ αποζημιώνει τους δημιουργούς. Η OpenAI από την πλευρά της υποστηρίζει ότι η εφημερίδα «ξεγέλασε» το Chat GPT για να κάνει κάτι τέτοιο.

Οι New York Times, όμως, χρησιμοποιούν το βαρύ τους όπλο, τις αποκαλύψεις, για να μην αφήσουν την OpenAI σε ησυχία. Την περασμένη Δευτέρα παρουσίασαν λεπτομερώς ορισμένες πρακτικές με τις οποίες οι εταιρείες ΤΝ εξασφάλισαν υψηλής ποιότητας δεδομένα για να εκπαιδεύσουν το λογισμικό τους. Και οι πρακτικές αυτές βρίσκονται στη θολή γκρίζα περιοχή του νόμου περί πνευματικών δικαιωμάτων.

Έτσι, η OpenAI, προσπαθώντας να εξασφαλίσει δεδομένα εκπαίδευσης, φέρεται να ανέπτυξε το 2021 το μοντέλο μεταγραφής ήχου Whisper και να χρησιμοποίησε πάνω από ένα εκατομμύριο ώρες βίντεο στο YouTube για να εκπαιδεύσει το GPT-4, το πιο προηγμένο μεγάλο γλωσσικό μοντέλο της. Οι New York Times υποστηρίζουν ότι η εταιρεία γνώριζε ότι αυτό ήταν νομικά αμφισβητήσιμο. 

Η εκπρόσωπος της OpenAI, Λίντσεϊ Χελντ, δήλωσε στον ιστότοπο The Verge, που έκανε μια σχετική έρευνα, ότι η εταιρεία επιμελείται «μοναδικά» σύνολα δεδομένων για κάθε ένα από τα μοντέλα της για να «βοηθήσει στην κατανόηση του κόσμου» και να διατηρήσει την παγκόσμια ερευνητική της ανταγωνιστικότητα. Η Χελντ πρόσθεσε ότι η εταιρεία χρησιμοποιεί «πολυάριθμες πηγές, συμπεριλαμβανομένων των δημόσια διαθέσιμων δεδομένων αλλά και των δεδομένων που δεν είναι δημόσια αλλά της διατίθενται μέσω συμφωνιών», και ότι εξετάζει τη δημιουργία δικών της συνθετικών δεδομένων. 

Η ιδέα πίσω από τα συνθετικά δεδομένα είναι ότι τα μοντέλα τεχνητής νοημοσύνης μπορούν να δημιουργήσουν νέα κείμενα κι αυτά στη συνέχεια μπορούν να χρησιμοποιηθούν για την εκπαίδευση των μοντέλων. Όμως τέτοια δεδομένα είναι πιθανόν να αποβούν επικίνδυνα καθώς οι ΤΝ μπορεί να κάνουν λάθη, ακόμα και όταν στηρίζονται σε κείμενα που έχουν παραχθεί από ανθρώπους. Όταν στηριχθεί σε μετα-κείμενα δεν θα είναι τα λάθη πολύ περισσότερα; Κι επίσης, νομικά, το παράγωγο κείμενο δεν υπόκειται, άραγε, και αυτό στους νόμους περί πνευματικής ιδιοκτησίας; 

Απαντώντας σε ερώτηση του The Verge, ο εκπρόσωπος της Google, Ματ Μπράιαντ, δήλωσε ότι η εταιρεία έχει «δει ανεπιβεβαίωτες αναφορές» για τη δραστηριότητα της OpenAI, προσθέτοντας ότι οι όροι χρήσης της Google απαγορεύουν την μη εξουσιοδοτημένη απόσπαση περιεχομένου από το YouTube. Ο Μπράιαντ εξήγησε επίσης ότι η Google λαμβάνει «τεχνικά και νομικά μέτρα» για να αποτρέψει μια τέτοια χρήση.

Ποιος όμως μπορεί ν’ αποτρέψει την ίδια την Google να χρησιμοποιήσει δεδομένα από το YouTube ή τις άλλες της υπηρεσίες; Σύμφωνα με τους New York Times, κανείς. Η εταιρεία αναθεώρησε μάλιστα την πολιτική απορρήτου της, πέρυσι, ώστε να μπορεί να χρησιμοποιεί δημόσια διαθέσιμο υλικό για την ανάπτυξη περισσότερων προϊόντων ΤΝ. Ο Μπράιαντ, βέβαια, δήλωσε ότι η εταιρεία έχει εκπαιδεύσει τα μοντέλα της «σε κάποιο περιεχόμενο του YouTube, σύμφωνα με τις συμφωνίες μας με τους δημιουργούς του YouTube». Άρα η Google υποστηρίζει ότι το έκανε νόμιμα.

Στη Meta, στελέχη και δικηγόροι συζητούσαν πέρυσι πώς να αποκτήσουν περισσότερα δεδομένα για την ανάπτυξη ΤΝ και συζήτησαν την αγορά ενός μεγάλου εκδοτικού οίκου όπως οι Simon & Schuster. Σε κατ' ιδίαν συναντήσεις, στάθμισαν το ενδεχόμενο να βάλουν έργα που προστατεύονται από πνευματικά δικαιώματα στο μοντέλο της τεχνητής νοημοσύνης της Meta, ακόμη και αν αυτό σήμαινε ότι θα τους μηνύσουν αργότερα, σύμφωνα με τις ηχογραφήσεις των συναντήσεων, οι οποίες περιήλθαν στην κατοχή των New York Times.

Όλα τα παραπάνω δείχνουν ότι οι εκδοτικοί οργανισμοί, μετά το φιάσκο που έπαθαν από τα social media, έχουν πια βάλει μυαλό και προσπαθούν να κατοχυρώσουν τα δικαιώματά τους όσο είναι ακόμα νωρίς. Βεβαίως, οι εταιρείες τεχνολογίας πάλι προηγήθηκαν αλλά τουλάχιστον τώρα μπορεί οι εκδότες να ξύπνησαν αργά αλλά δεν πιάστηκαν στον ύπνο.