Sếp Microsoft gọi việc cào dữ liệu AI là 'vụ trộm sức lao động lớn nhất lịch sử' — và câu đó nằm trong hồ sơ tòa

Vụ kiện bản quyền mà New York Times nộp đơn từ ba năm trước vừa lộ phần nội dung trước đây bị che. Và phần đó đọc khá nặng.

Theo hồ sơ, ông Brent Hecht — Giám đốc Khoa học Ứng dụng của Microsoft — viết trong một memo nội bộ tháng 1/2023 rằng đây là “một vụ trộm gây sửng sốt ở quy mô chưa từng có” và là “vụ trộm sức lao động lớn nhất trong lịch sử loài người”. Lưu ý: phần lớn thông tin mới đến từ bản tóm tắt của phía nguyên đơn, các tang chứng gốc vẫn còn niêm phong, nên các trích dẫn nằm ngoài ngữ cảnh ban đầu.

Con số mới là thứ đáng chú ý

Dữ liệu của chính Microsoft cho thấy công cụ Copilot khiến tỉ lệ click vào tên miền New York Times giảm tới 93% so với tìm kiếm Bing truyền thống. Tài liệu nội bộ gọi đó là một “vòng lặp diệt vong” sẽ làm tổn hại cả model lẫn toàn bộ web.

Về quy mô sao chép: riêng các tập dữ liệu mid-training của OpenAI chứa hơn 91.692 bản sao tác phẩm của NYT, Daily News và Center for Investigative Reporting. Một tập dữ liệu dẫn xuất từ Common Crawl có hơn 2 triệu tài liệu chỉ riêng từ nytimes.com. Bộ dữ liệu từ dự án Project Mango được cho là chứa ít nhất 160.903 tác phẩm độc nhất.

Hồ sơ cũng nêu chuyện nhân viên OpenAI bàn cách vượt paywall mà không bị phát hiện, và chủ động gỡ bỏ các thông báo bản quyền khỏi dữ liệu huấn luyện.

CEO Satya Nadella khai rằng nếu biết OpenAI đã cào dữ liệu sau paywall, ông sẽ yêu cầu OpenAI huấn luyện lại model. Còn Nick Turley, Trưởng bộ phận ChatGPT, viết nội bộ rằng các nhà xuất bản đang đối mặt “mối đe dọa sống còn”.

Điều này va thẳng vào lập luận “fair use” mà OpenAI dựa vào — vì fair use đòi hỏi việc sử dụng không được thay thế hay làm hại thị trường của tác phẩm gốc. Cả hai công ty chưa phản hồi đề nghị bình luận.

Mấy fen làm nội dung, thiết kế, viết lách nghĩ sao về chuyện này? Ranh giới giữa “học hỏi” và “lấy không” nên vạch ở đâu? Comment cho Cenix biết với.

Nguồn: TechCrunch

Nguồn: TechCrunch