Kínos belső dokumentumok kerültek nyilvánosságra abban a szerzői jogi perben, amelyet a New York Times 2023 végén indított a Microsoft és az OpenAI ellen. A csütörtökön feloldott, nagyrészt kitakarások nélkül nyilvánossá tett beadványban a lap ügyvédei arra kérik a bíróságot, hogy tárgyalás nélkül döntsön az ügyben, és sorra veszik a két techcég vezetőinek azokat a beismeréseit, amelyek eddig titkosított vagy kitakart dokumentumokban és tanúvallomásokban lapultak.

A 92 oldalas irat legtöbbet idézett mondatai Brent Hechttől, a Microsoft alkalmazott tudományokért felelős igazgatójától származnak. Hecht egy 2023. januári belső feljegyzésében a licenc nélküli tartalmakon végzett AI-tanítást az emberiség történetének talán legnagyobb lopásaként írta le, amelynek során mások munkáját sajátítják ki ellenszolgáltatás nélkül. Hecht úgy vélte, ha a cégek a méltányos használatra (fair use) hivatkozva megnyernék a pert, azzal nevetségessé tennék magát a jogintézményt.

A beadvány egyik kulcsgondolata a „doom loop” néven emlegetett ördögi kör. Hecht egy 2024. januári belső prezentációjában arra figyelmeztetett, hogy ez a folyamat egyszerre rontja majd a cég saját modelljeinek teljesítményét és az egész webet, mert ritkán fordul elő, hogy egy termék éppen azokat tegye tönkre, akik nélkül nem is működhetne. A folyamat lényege az, hogy ha a mesterséges intelligencia maga adja meg a választ, kevésbé éri meg eredeti tartalmat előállítani, így egyre kevesebb kiadó marad talpon, egyre kevesebb minőségi szöveg jut a tanítóadatokba, és emiatt végül a jövő AI-modelljei is gyengülnek – ezért vadásznak az AI-cégek 2022 (vagyis a ChatGPT megjelenése) előtt kiadott könyvekre. A dokumentum szerint Satya Nadella, a Microsoft vezérigazgatója eskü alatt elismerte, hogy a chatbotok sokszor feleslegessé teszik, hogy a felhasználó az eredeti forráshoz forduljon, az OpenAI ChatGPT-ért felelős vezetője pedig úgy fogalmazott, hogy ezek a termékek a kiadók puszta létét fenyegetik.

Az is beszédes, hogy mekkora mennyiségű anyagot használtak fel. Az iratokból most először derül ki, hogy az OpenAI egyik tanítási szakaszának adatkészleteiben több mint 91 692 példány szerepel a New York Times, a Daily News és a Center for Investigative Reporting jogvédett írásaiból, egy Common Crawl-alapú adatkészletben pedig csak a nytimes.com oldalról több mint kétmillió dokumentum található. Az OpenAI egyik képviselője a beadvány szerint azt vallotta, nem tud arról, hogy a cég bármit tett volna a fizetőfal mögötti tartalmak felderítésére vagy kiszűrésére. Egy másik dokumentumból azonban kiderül, hogy a cégnél kidolgoztak egy trükköt a Times fizetőfalának megkerülésére, amit Greg Brockman társalapító elismerő megjegyzéssel nyugtázott. Az OpenAI munkatársai már 2022-ben számoltak azzal, hogy a GPT-4 rengeteg adatot memorizál, és ezért meglepően jól tud majd szövegeket szó szerint visszaadni.

A Microsoft igyekszik elhatárolódni a kijelentésektől. Alex Haurek szóvivő szerint Hecht írásai egyetlen munkatárs személyes véleményét tükrözik, nem jogi elemzések, és nem a vállalat álláspontját képviselik. Hozzátette azt is, hogy Nadella vallomása nem mond ellent a cég perbeli álláspontjának, hiszen az arról szólt, hogyan változnak az információszerzési szokások, nem pedig szerzői jogi kérdésekről. Egy másik bírósági iratban a Microsoft egyik adatstratégiai vezetője úgy írta le Hecht szerepét, hogy éppen azért alkalmazzák, hogy szokatlan, elméleti, a jövőbe tekintő szempontokat képviseljen, és nem a cég nevében nyilatkozik. Tény, hogy a beadvány konkrét személyekhez és dokumentumokhoz köti a kijelentéseket, nem hivatalos vállalati beismerésként mutatja be őket.

A per tétje túlmutat a két cégen. A Times azzal érvel, hogy a Microsoft és az OpenAI tisztában volt vele, hogy termékeik kiválthatják azokat a műveket, amelyeken betanították őket. Ez a méltányos használat megítélésében döntő lehet, hiszen a bíróságnak azt is mérlegelnie kell, mi volt a másolás célja, és hogyan hat mindez az eredeti tartalmak piacára. Közben az újságok és online médiumok kiadói csökkenő látogatottsággal küzdenek. Az OpenAI által felkért szakértők a perben maguk is arra jutottak, hogy a forgalomkiesésben szerepe van a Google AI-alapú keresési összefoglalóinak: egyikük becslése szerint ezek egyes lapoknál 20–60 százalékkal is csökkenthették a keresőből érkező látogatásokat. Bár ezzel a felelősséget a Google felé terelték, közvetve azt is megerősítették, hogy az AI által adott válaszok elszívják az olvasókat a kiadóktól.

A bíróság döntése irányadó lehet abban a kérdésben, hogy a mesterséges intelligenciával foglalkozó cégek engedély és ellentételezés nélkül taníthatják-e modelljeiket szerzői jog által védett tartalmakon. A tét komolyságát jelzi, hogy az amerikai kormány is állást foglalt az ügyben, és a techcégek mellé állt, mondván, hogy az AI-tanítás olyan mértékben transzformatív jellegű, hogy méltányos használatnak minősül. A második Trump-kormányzat a kezdetektől jó viszonyt ápol az AI-ipar vezető szereplőivel (mínusz Anthropic), és az elmúlt hetek lassításvitájában is amellett érvelt, hogy a technológiát tovább kell fejleszteni, hogy biztosítani tudják a Kínával szembeni fölényüket.

A New York Times és az alperesek is szeptember elején nyújtották be kérelmüket Sidney Stein New York-i szövetségi bírónak, hogy tárgyalás nélkül döntsön az ügyben; ha ez nem történik meg, az ügy tárgyalásra kerül, amelynek időpontját az eddigi információk szerint még nem tűzték ki.