Dokumentet e padisë së The New York Times tregojnë se si u konceptuan teknika për të anashkaluar muret e pagesës pa paguar licenca, si dhe strategjia për t’u shndërruar në dritaren e re të vetme të informacionit në internet.
«Është një vjedhje tronditëse, me përmasa të paprecedenta», ndoshta «vjedhja më e madhe e punës në historinë e njerëzimit». Me këto fjalë, drejtori i Shkencave të Aplikuara në Microsoft iu referua praktikave të përdorura nga OpenAI për të furnizuar me të dhëna modelet e ChatGPT-së, sipas njërit prej dokumenteve të paraqitura nga mbrojtja e The New York Times në procesin gjyqësor që gazeta, së bashku me 11 botime të tjera, po zhvillon kundër dy kompanive teknologjike për përdorimin pa pëlqim të përmbajtjes së tyre për trajnimin e inteligjencës artificiale. Dokumentet e para të çështjes janë bërë publike nga një gjykatë në Nju Jork.
Në gati 90 faqe, avokatët e medias paraqesin dokumente të brendshme, citime dhe intervista me drejtues të kompanive, në të cilat ata pranojnë hapur se po nxjerrin në mënyrë të paligjshme përmbajtje të mbrojtur nga mediat dhe se parashikojnë dëmin që modeli i tyre i biznesit mund t’i shkaktojë industrisë së medias.
I vetmi qëndrim ndryshe në këtë drejtim erdhi nga drejtori ekzekutiv i Microsoft, Satya Nadella, i cili citohet në një deklaratë nën betim duke thënë se për përmbajtjen e licencuar duhet paguar nëse ajo përdoret. «Nëse do ta kisha ditur se OpenAI kishte grumbulluar automatikisht përmbajtje dhe kishte trajnuar modelet me informacione që ndodheshin pas mureve të pagesës, do të kishim ushtruar të drejtën tonë për t’i kërkuar që t’i ritrajnonin modelet», thotë drejtuesi. Megjithatë, komunikimet mes ekipeve të të dy kompanive paraqesin një tablo shumë të ndryshme.
Shkalla e kanibalizimit të web-it nga kompanitë teknologjike arriti të shqetësonte edhe studiuesit e Microsoft. Në një dokument, ata paralajmëronin se po krijohej një «qark idiotizues», i cili do të dëmtonte si botën e IA-së, ashtu edhe të gjithë web-in. Ata i referoheshin faktit se do të kishte gjithnjë e më pak përmbajtje origjinale dhe gjithnjë e më shumë përmbajtje të krijuar nga chatbot-ët, çka do t’i linte modelet e IA-së me më pak materiale origjinale për trajnim.
Në OpenAI nuk kishte pothuajse asnjë ngurrim kur bëhej fjalë për sigurimin e sa më shumë informacionit të mundshëm. Dokumenti i avokatëve të The New York Times i referohet një vargu mesazhesh, në të cilin një studiues i drejtohet Greg Brockman, presidentit të kompanisë, dhe i ofron «një mjet për të anashkaluar murin e pagesës të The New York Times». «Oh, shkëlqyeshëm», përgjigjet Brockman. Drejtues të tjerë përgjegjës për zhvillimin e modeleve mbi të cilat funksionon ChatGPT pajtohen se nuk ekzistonte asnjë politikë për të shmangur shkarkimin nga interneti të përmbajtjes së mbrojtur dhe as për ta hequr më pas atë nga grupet e të dhënave të trajnimit. Në fakt, platforma arriti të kishte disa aplikacione të zhvilluara nga palë të treta, të krijuara shprehimisht për të anashkaluar muret e pagesës dhe të disponueshme për çdo përdorues.
Këto të dhëna nuk u identifikuan as nga Microsoft, i cili, për shembull, pati qasje në gjithçka që u përdor për trajnimin e GPT-3 përpara se modelet të ngarkoheshin në infrastrukturën e tij cloud. Përveç kësaj, kompania me seli në Seattle zhvilloi projektet e veta, si Mango, që synonin të ndihmonin OpenAI-n të siguronte më shumë të dhëna dhe që gjithashtu nuk kërkuan kurrë leje nga botuesit e lajmeve për të marrë informacion drejtpërdrejt nga faqet e tyre të internetit.
OpenAI nuk filloi të vendoste kontrolle mbi faqet që shkarkoheshin deri në shtator 2023, pothuajse një vit pas lançimit të ChatGPT-së. Këta mekanizma u përforcuan më pas në janar 2025. Kompania gjithashtu mbështeti krijimin e një protokolli të përbashkët që u mundësonte krijuesve të përmbajtjes të pengonin shkarkimet masive. Ky mekanizëm konsistonte në përfshirjen në faqet e internetit të skedarit robots.txt, një skedar tekstual që u sinjalizon robotëve automatizues se mbledhja e përmbajtjes nga një faqe e caktuar është e ndaluar. Megjithatë, avokatët e The New York Times pretendojnë se përmbajtja e shfaqur nga ChatGPT në lidhje me gazetën e tyre tregon se studiuesit e OpenAI krijuan një mënyrë për t’i anashkaluar këto udhëzime dhe për të punuar gjithsesi me ato të dhëna.
Efekti dëmtues
Analizat e kryera gjatë hetimit tregojnë se ChatGPT u trajnua me miliona artikuj të The New York Times dhe të mediave të tjera, si Chicago Tribune, të cilat gjithashtu kishin refuzuar t’i jepnin falas përmbajtjet e tyre. Për këtë qëllim, kompania teknologjike arriti deri aty sa bleu nga një fondacion të gjithë numrat e gazetës njujorkeze të botuar ndërmjet viteve 1987 dhe 2007, nën pretendimin se do t’i përdorte për qëllime kërkimore.
Në një dokument, një nga drejtuesit e produktit të ChatGPT-së pranonte se mediat përballeshin me një «kërcënim ekzistencial» nga një produkt që u mundësonte përdoruesve t’i zëvendësonin ato «në masë të gjerë» dhe që do t’i zëvendësonte «gjithnjë e më shumë» ndërsa përmirësohej. «Nuk ka rëndësi sa të mëdha i shfaqim lidhjet, njerëzit nuk do të klikojnë», theksonte një inxhinier i përfshirë në zhvillimin e ChatGPT-së.
Të dhënat e mbledhura nga palët e mbështesin këtë teori. Sipas të dhënave të Microsoft, një përdorues që merrte informacion nga Times përmes Copilot kishte 87% deri në 91% më pak gjasa të klikonte mbi një lidhje sesa një përdorues që përdorte një motor tradicional kërkimi. Kjo situatë, sipas dokumenteve, do të ishte përkeqësuar më tej për faqet e internetit pas lançimit të përmbledhjeve paraprake të gjeneruara nga IA-ja./El Mundo
