اسناد دادگاه در دعوای نیویورک تایمز علیه اوپن‌ای‌آی و مایکروسافت، بحث‌های داخلی در مایکروسافت را درباره این موضوع نشان می‌دهد که آیا استفاده از مقالات خبری برای آموزش مدل‌های هوش مصنوعی به معنای سوءاستفاده گسترده از کار خلاقانه بوده است یا نه؛ در حالی که هر دو شرکت همچنان استدلال می‌کنند آموزش مورد بحث تحت حمایت استفاده منصفانه قرار دارد.

مطالبی که به‌تازگی آشکار شده شامل یادداشتی در سال ۲۰۲۳ از برنت هکت، مدیر علوم کاربردی مایکروسافت، است که مدل‌های بزرگ هوش مصنوعی را «محصولاتی که زنجیره‌های تأمین خود را نابود می‌کنند» توصیف کرده و هشدار داده بود بسیاری از مردم این سامانه‌ها را تصاحب بی‌سابقه کارشان می‌دانند. اسناد دادگاه همچنین به توصیف او از کپی‌کردن میلیون‌ها مقاله خبری بدون مجوز به‌عنوان «بزرگ‌ترین سرقت نیروی کار در تاریخ بشر» اشاره می‌کند.

مایکروسافت گفت این یادداشت‌ها بازتاب تلاش هکت برای ارائه «دیدگاه‌های متفاوت و نامتقارن» بوده و موضع رسمی شرکت را نمایندگی نمی‌کرده‌اند. این تمایز اهمیت دارد، زیرا محور پرونده نه یک کارزار عمومی از سوی کارکنان، بلکه ارتباطات داخلی است که خواهان‌ها از آن برای استدلال به این موضوع استفاده می‌کنند که شرکت‌ها حساسیت حقوقی و تجاری آموزش بر محتوای ناشران را درک می‌کردند.

بر اساس اسناد، ساتیا نادلا، مدیرعامل مایکروسافت، شهادت داد محتوای پشت دیوار پرداخت باید فقط با مجوز دارندگان حقوق استفاده شود. او همچنین گفت اگر از پیش می‌دانست اوپن‌ای‌آی از محتوای پولی برای آموزش استفاده می‌کند، از حقوق مایکروسافت برای الزام به بازآموزی مدل استفاده می‌کرد. اسناد جداگانه دادگاه همچنین به کارمند اوپن‌ای‌آی اشاره می‌کنند که در پیامی به گرگ براکمن، رئیس شرکت، از «روش هکری» برای دور زدن دیوار پرداخت نیویورک تایمز نام برده بود و براکمن در پاسخ گفته بود: «خوب است.»

اوپن‌ای‌آی و مایکروسافت هر دو تأکید دارند که آموزش مدل مورد نظر مشمول استفاده منصفانه است. اختلاف زمانی آغاز شد که نیویورک تایمز در پایان سال ۲۰۲۳ شکایت کرد و گزارش اولیه می‌گوید از آن زمان ۱۱ ناشر به پرونده پیوسته‌اند. با توجه به محدودبودن اطلاعات تأییدشده فراتر از افشاگری‌های دادگاه، چندین جزئیات بنیادی همچنان حل‌نشده باقی مانده است؛ از جمله دامنه کامل مجموعه‌داده‌های مورد بحث و اینکه دادگاه چگونه مجوز، مرزهای صدور مجوز و آسیب به بازار را ارزیابی خواهد کرد.

چرا اهمیت دارد

این پرونده فراتر از ریسک اعتباری برای دو شرکت بزرگ هوش مصنوعی است. این موضوع به یکی از پرسش‌های حقوقی محوری پیش روی هوش مصنوعی مولد می‌پردازد: اینکه آیا آموزش بر متن دارای ارزش تجاری، هنگامی که منبع آن بیانگر، دارای مجوز و در برخی موارد پشت دیوار پرداخت است، می‌تواند استفاده تحول‌آفرین تلقی شود یا نه. انتشار اخبار آزمونی به‌ویژه حساس است، زیرا بازار واقعی برای صدور مجوز این محتوا وجود دارد و نگرانی روشنی مطرح است که خروجی‌های هوش مصنوعی بتوانند با محصول اصلی رقابت کنند.

این افشاگری‌ها همچنین مسئله انطباق را برای زیرساخت هوش مصنوعی به‌طور گسترده‌تر برجسته می‌کند. اگر دادگاه‌ها به رضایت، محدودیت‌های منبع یا استفاده مجدد از داده‌هایی که تحت شرایط متفاوتی به‌دست آمده‌اند وزن بیشتری بدهند، توسعه‌دهندگان و شرکای آنها ممکن است با کنترل‌های سخت‌گیرانه‌تری درباره نحوه گردآوری، اشتراک‌گذاری و به‌روزرسانی پیکره‌های آموزشی مواجه شوند.