Riassunto:
In risposta a una causa congiunta per violazione del copyright avviata da editori di notizie e autori di libri, Microsoft ha presentato alla corte gli ultimi materiali di difesa, insistendo sul fatto che il suo chatbot di intelligenza artificiale Copilot non copia quasi mai parola per parola o riproduce sostanzialmente resoconti di media come il New York Times e opere letterarie protette da copyright. Questa posizione mira a costruire una solida difesa legale di "fair use" per Microsoft e OpenAI e spingere la corte a porre fine ai casi correlati attraverso un giudizio sommario il prima possibile.
Come parte del processo di accertamento della causa, Microsoft ha rilasciato un database di 8,2 milioni di trascrizioni di conversazioni reali di Copilot agli esperti assunti dalle testate giornalistiche del querelante. Microsoft ha sottolineato che il set di dati non è stato selezionato in modo casuale, ma è stato vagliato in modo specifico sulla base di parole chiave correlate al sito web di notizie del querelante. In teoria, si tratta di un set di campioni che "molto probabilmente contiene contenuti in presunta violazione".
Tuttavia, i risultati dell'analisi dei dati hanno rivelato frequenze di ripetizione estremamente basse. Tra questi 8,2 milioni di record filtrati, solo 59.545 contenevano almeno 16 parole consecutive che si sovrapponevano al contenuto delle notizie utilizzato per l'addestramento del modello, rappresentando meno dell'1% del totale dei record. Inoltre, nella causa che coinvolge l'organizzazione no-profit di giornalismo investigativo "Center for Investigative Reporting" (Centro per i rapporti investigativi), l'esperto originale ha identificato solo 51 casi in un campione massiccio che costituiva una "sostanziale sovrapposizione" con il materiale dell'organizzazione.
In un'altra causa consolidata intentata da un gruppo di scrittori sui diritti d'autore dei libri, i dati dei test hanno mostrato una tendenza simile. Esperti indipendenti assunti dagli autori del querelante hanno condotto una revisione dei 212 libri coinvolti nel caso e alla fine hanno trovato documenti generati con almeno 30 parole sovrapposte in soli 10 libri, per un totale di soli 24 campioni corrispondenti.
Microsoft ha sostenuto alla corte che questi dati dettagliati confermano semplicemente la sua difesa legale fondamentale, ovvero che l'utilizzo di materiali protetti da copyright per addestrare modelli linguistici di grandi dimensioni è un "fair use" nel quadro della legge sul copyright degli Stati Uniti. Microsoft ha sottolineato che lo scopo dell'utilizzo di materiali protetti da copyright da parte di Copilot e del sistema di intelligenza artificiale generativa dietro di esso è fondamentalmente diverso da quello della pubblicazione originale. Il suo meccanismo fondamentale è quello di assorbire e riorganizzare i modelli linguistici per generare nuovi contenuti, piuttosto che circolare come sostituti dell'opera originale. Anche se sporadici frammenti di testo riappaiono occasionalmente, ciò non può cancellare le caratteristiche di "uso trasformativo" del grande processo di formazione del modello linguistico.
In precedenza, un certo numero di organizzazioni mediatiche e gruppi di creatori, tra cui il New York Times, il Center for Investigative Reporting e la Authors Guild, hanno intentato una causa congiunta accusando Microsoft e OpenAI di sequestrare illegalmente milioni di articoli e libri originali senza autorizzazione per addestrare le loro piattaforme commerciali di intelligenza artificiale e di competere direttamente con gli autori originali generando contenuti altamente sovrapposti, incidendo gravemente sull'ecosistema aziendale del giornalismo indipendente e della creazione letteraria. Al fine di migliorare l'efficienza dei procedimenti giudiziari, le cause correlate che coinvolgono editori e scrittori di notizie sono state riunite e trasferite allo stesso giudice federale.
Al momento, Microsoft ha ufficialmente presentato domanda alla corte per un giudizio sommario, sperando di utilizzare i dati di cui sopra per dimostrare che l'accusa di violazione sostanziale del querelante manca di una base fattuale universale, risolvendo così questa causa chiave del settore in una fase iniziale per quanto riguarda la legalità della formazione alla base dell'intelligenza artificiale generativa. Al momento, il New York Times, il Center for Investigative Reporting e la Writers Guild of America non hanno commentato pubblicamente le ultime statistiche e le dichiarazioni dei tribunali presentate da Microsoft.
Commenti