راز حذف اطلاعات OpenAI در پرونده نیویورک تایمز چیست؟

ادعای نیویورک تایمز: استفاده بدون مجوز از محتوای کپی‌رایت‌شده

روزنامه‌های نیویورک تایمز و دیلی نیوز از OpenAI شکایت کرده‌اند و ادعا می‌کنند این شرکت بدون اجازه از محتوای آن‌ها برای آموزش مدل‌های خود استفاده کرده است. وکلای این ناشران می‌گویند که OpenAI با بهره‌برداری از مقالات و محتوای کپی‌رایت‌شده، مدل‌هایی مانند GPT-4 را آموزش داده است. این مدل‌ها می‌توانند از میلیاردها نمونه‌ی کتاب، مقاله و متن‌های دیگر یاد بگیرند و خروجی‌های متنی شبیه به انسان تولید کنند.

ماجرای حذف اطلاعات از ماشین‌های مجازی

در اوایل پاییز امسال، OpenAI توافق کرد دو ماشین مجازی در اختیار وکلای شاکیان قرار دهد تا آن‌ها بتوانند محتوای کپی‌رایت‌شده‌ی خود را در داده‌های آموزشی مدل‌های OpenAI جستجو کنند. ماشین‌های مجازی، نرم‌افزارهایی هستند که به‌عنوان یک کامپیوتر مجازی در داخل سیستم‌عامل دیگری عمل می‌کنند و معمولاً برای آزمایش، پشتیبان‌گیری یا اجرای برنامه‌ها استفاده می‌شوند.

با این حال، در تاریخ ۱۴ نوامبر، مهندسان OpenAI به طور ناخواسته تمام داده‌های جستجوی این ناشران را که در یکی از این ماشین‌های مجازی ذخیره شده بود، پاک کردند. تلاش‌های OpenAI برای بازیابی این داده‌ها به‌طور نسبی موفق بود، اما ساختار پوشه‌ها و نام فایل‌ها به‌طور غیرقابل بازگشت از بین رفت. در نتیجه، داده‌های بازیابی‌شده دیگر قابل استفاده برای شناسایی محتوای استفاده‌شده در آموزش مدل‌های OpenAI نبودند.

پیامدهای حذف اطلاعات

به گفته‌ی وکلای نیویورک تایمز و دیلی نیوز، حذف اطلاعات باعث شده است که این ناشران مجبور شوند از ابتدا تمام فرآیند جستجو را تکرار کنند. آن‌ها اعلام کردند که بازسازی این اطلاعات نیازمند ساعت‌های طولانی کار انسانی و پردازش کامپیوتری بوده است. این موضوع باعث شده که تلاش‌های یک هفته‌ای تیم حقوقی و کارشناسان ناشران بی‌نتیجه بماند.

در نامه‌ای که به دادگاه منطقه‌ای ایالات متحده در نیویورک ارسال شده، وکلای شاکیان تأکید کرده‌اند که هیچ شواهدی مبنی بر عمدی بودن این حذف وجود ندارد. اما این حادثه نشان می‌دهد که OpenAI بهترین موقعیت را برای جستجوی داده‌های خود و شناسایی محتوای نقض‌کننده حقوق دارد.

دفاعیه‌ی OpenAI: استفاده از داده‌های عمومی، استفاده‌ی منصفانه است

OpenAI همواره ادعا کرده است که استفاده از داده‌های عمومی برای آموزش مدل‌های هوش مصنوعی تحت قوانین استفاده‌ی منصفانه قرار می‌گیرد. این شرکت معتقد است که نیازی به دریافت مجوز یا پرداخت هزینه برای استفاده از این داده‌ها ندارد، حتی اگر از این مدل‌ها درآمد کسب کند. با این حال، OpenAI اخیراً قراردادهای مجوز با برخی ناشران، از جمله Associated Press، Financial Times و News Corp امضا کرده است. شرایط این قراردادها عمومی نشده‌اند، اما گزارش‌ها نشان می‌دهد یکی از شرکا، سالانه حداقل ۱۶ میلیون دلار از OpenAI دریافت می‌کند.

نتیجه‌گیری: آینده‌ی پیچیده‌ی حقوق مالکیت معنوی در هوش مصنوعی

این حادثه نشان می‌دهد که چالش‌های حقوقی مرتبط با هوش مصنوعی و حقوق مالکیت معنوی همچنان ادامه دارد. در حالی که OpenAI به دنبال گسترش استفاده از داده‌ها برای آموزش مدل‌های خود است، ناشران بزرگ مانند نیویورک تایمز بر حفظ حقوق مالکیت معنوی خود پافشاری می‌کنند. حذف ناخواسته‌ی داده‌ها در این پرونده تنها یکی از مواردی است که نشان می‌دهد این پرونده می‌تواند پیامدهای بزرگی برای آینده‌ی استفاده از هوش مصنوعی و داده‌های عمومی داشته باشد.

نیویورک تایمز و دیگر ناشران به دنبال تضمین این هستند که حقوق آن‌ها در برابر استفاده‌ی گسترده از محتواهایشان محافظت شود. از سوی دیگر، OpenAI نیز تلاش می‌کند ثابت کند که استفاده از داده‌های عمومی به نفع پیشرفت فناوری و جامعه است. این تعادل میان حقوق ناشران و نیازهای فناوری همچنان در دادگاه‌ها و قوانین آینده مشخص خواهد شد.