Riassunto:
Di recente si è riaccesa la controversia sulla legalità dei dati di addestramento dell'intelligenza artificiale generativa. Un documento giudiziario svelato nella causa sul copyright del New York Times mostra che un direttore di ricerca senior della Microsoft una volta descrisse in una discussione interna che l'attuale metodo di formazione di grandi modelli linguistici potrebbe essere "il più grande furto di lavoro nella storia umana". Dichiarazioni correlate hanno attirato l’attenzione diffusa nel settore.
Le osservazioni esposte questa volta provengono da Brent Hecht, direttore delle scienze applicate presso Microsoft. Secondo gli ultimi documenti legali pubblici, quando si discute dell’uso di enormi contenuti Internet da parte di Microsoft, OpenAI e altre società di intelligenza artificiale per addestrare modelli, Hecht una volta ha definito questo processo “un furto sorprendente di dimensioni senza precedenti” e ha inoltre affermato che questo potrebbe essere “il più grande furto di manodopera nella storia umana”.
Questo contenuto appare in una causa sul copyright intentata dal New York Times e da altre pubblicazioni di notizie contro Microsoft e OpenAI. I ricorrenti ritengono che le due società abbiano utilizzato notizie e altri contenuti protetti da copyright per addestrare modelli di intelligenza artificiale senza autorizzazione e utilizzarli per sviluppare prodotti commerciali.
Microsoft e OpenAI hanno sempre aderito alla loro posizione di "fair use". Le due società ritengono che il processo di formazione modello sia simile a quello in cui gli studenti leggono libri per apprendere conoscenze e rientri nell'ambito del fair use. Sostengono inoltre che i contenuti generati dall’intelligenza artificiale hanno trasformato sufficientemente il materiale originale da non costituire una copia diretta.
Tuttavia, alcuni documenti di comunicazione interna contenuti nei documenti appena aperti sembrano essere in netto contrasto con questa posizione pubblica.
I documenti mostrano che Hecht una volta credeva che, se avessero voluto vincere la causa, le società coinvolte avrebbero dovuto "prendersi completamente gioco del concetto di fair use". Questa affermazione è considerata una prova importante dal querelante e viene utilizzata per mettere in discussione la logica di difesa del copyright a cui le società di intelligenza artificiale aderiscono da tempo.
Allo stesso tempo, il documento ha anche rivelato alcune discussioni interne di OpenAI. Uno dei documenti mostra che il co-fondatore di OpenAI Greg Brockman ammette che quando il modello è stato esposto ai contenuti del New York Times, ChatGPT è stato effettivamente in grado di prevedere e continuare le frasi negli articoli correlati. Questo tipo di contenuto viene utilizzato dai querelanti per dimostrare che il modello ha la capacità di riprodurre l'opera originale, piuttosto che limitarsi ad astrarre le informazioni apprese.
I documenti della causa hanno inoltre rivelato che le preoccupazioni di Hecht riguardo allo sviluppo a lungo termine del settore dell'intelligenza artificiale non si limitano alla questione del diritto d'autore in sé. Una volta ha proposto il cosiddetto concetto di "ciclo dell'apocalisse" in un altro documento di presentazione interna.
Seguendo questa logica, i motori di risposta dell'intelligenza artificiale stanno gradualmente riducendo la necessità degli utenti di visitare siti web di notizie, con conseguente calo del traffico mediatico e delle entrate aziendali. Man mano che sempre più organizzazioni di produzione di contenuti perdono la loro vitalità, diminuiranno anche le fonti di informazioni di alta qualità che i sistemi di intelligenza artificiale potranno apprendere in futuro, il che alla fine danneggerà il modello e l’intero ecosistema Internet.
Ha sottolineato nei documenti interni che è estremamente raro che un prodotto minacci la base economica dei suoi principali fornitori, ma l'industria dell'intelligenza artificiale si trova attualmente in questa situazione. Poiché le testate giornalistiche e i creatori di contenuti sono importanti fonti di informazioni per i modelli di intelligenza artificiale, quando questi gruppi vengono colpiti, l’intera catena di fornitura dei contenuti è a rischio.
Il querelante ha anche citato dati interni di Microsoft e ha affermato che i sistemi di risposta AI come Copilot hanno avuto un impatto significativo sul traffico di alcuni siti Web di notizie. In alcuni casi, la percentuale di utenti che fanno clic per accedere alla pagina del New York Times è diminuita di oltre il 90% rispetto ai risultati di ricerca tradizionali.
In effetti, la controversia sulla fonte dei dati di addestramento è diventata una delle sfide legali più importanti nell'attuale settore dell'intelligenza artificiale.
OpenAI ha precedentemente dichiarato pubblicamente che è un compito quasi impossibile addestrare sistemi avanzati di intelligenza artificiale senza alcun contatto con contenuti protetti da copyright. Anche l’ex dirigente di Meta, Nick Clegg, ha fatto una dichiarazione simile, ritenendo che se le tradizionali regole sul copyright saranno seguite rigorosamente, sarà difficile mantenere lo sviluppo di molti attuali sistemi di intelligenza artificiale.
Allo stesso tempo, molte aziende, tra cui Microsoft, Meta e altre società tecnologiche, continuano a subire critiche dal mondo esterno a causa di problemi con la fonte dei dati di formazione. Alcune aziende sono state accusate di utilizzare contenuti utente, librerie di codici, articoli, immagini e altre risorse online per addestrare modelli, spesso senza autorizzazione esplicita o compenso da parte dei relativi creatori.
Mentre la causa legale del New York Times continua, sempre più documenti interni vengono resi pubblici. Gli esperti del settore ritengono che questi materiali non siano solo legati all’esito del contenzioso sul copyright affrontato da Microsoft e OpenAI, ma potrebbero anche influenzare la futura direzione normativa globale sulla formazione sull’intelligenza artificiale, sulla protezione della proprietà intellettuale e sulla distribuzione dei diritti e degli interessi dei produttori di contenuti.
Attualmente i casi rilevanti sono ancora in fase di revisione. Indipendentemente dal verdetto finale, questa controversia legale sulla legalità della formazione sull’intelligenza artificiale sta diventando una pietra miliare importante nel determinare le future regole di sviluppo dell’industria dell’intelligenza artificiale.
Commenti