Executivo da Microsoft chama coleta para IA de 'maior roubo da história'

Uma petição do New York Times tornada pública no processo contra OpenAI e Microsoft cita documentos nos quais Brent Hecht, diretor de ciência aplicada da Microsoft, chamou a coleta de dados para treinar IA de "o maior roubo do trabalho humano da história". Segundo o New York Times, os registros também detalham acusações de que as empresas usaram conteúdo protegido por paywall.

O processo acusa OpenAI e Microsoft de copiar em larga escala conteúdos jornalísticos para treinar modelos de inteligência artificial. Segundo a petição, as empresas teriam contornado paywalls sem serem detectadas, reunido dados por coleta automatizada e removido avisos de direitos autorais antes de usar o material.

Uma apresentação interna da Microsoft alertou que produtos de IA poderiam reduzir o tráfego dos veículos que fornecem conteúdo aos modelos. O documento, elaborado em janeiro de 2024 por Brent Hecht, diretor de ciência aplicada da empresa, descreve um "ciclo vicioso" que prejudicaria os modelos e a internet.

Microsoft afirma que as declarações de Hecht não representam a posição da empresa. Um porta-voz disse à AFP que se trata de "opinião pessoal de um funcionário".

Dados internos da Microsoft indicam que o Copilot reduziu em até 93% a taxa de cliques para o domínio do New York Times em comparação com a busca tradicional do Bing. Satya Nadella, presidente-executivo da Microsoft, disse em depoimento que conteúdo protegido por paywall deveria ser licenciado para uso em treinamento ou como base para respostas.

Outros grupos de mídia aderiram à ação, entre eles a Ziff Davis, dona do CNET, e a controladora da revista Mother Jones. O site investigativo The Intercept e jornais locais dos Estados Unidos também participam do processo.

Os autores pedem indenização por cada artigo que os modelos da OpenAI teriam utilizado. O valor total que a Justiça poderá fixar ainda não está definido.

OpenAI e Microsoft sustentam que o uso do conteúdo é permitido pelo fair use, exceção da lei de direitos autorais dos EUA. As empresas também afirmam que o desenvolvimento de inteligência artificial transforma o material usado. O New York Times argumenta que as revelações enfraquecem essa defesa ao indicar que os produtos podem substituir o acesso às fontes originais e afetar seu mercado. A OpenAI não respondeu aos pedidos de comentário.

Os documentos citam mais de 91.692 cópias de trabalhos publicados pelo New York Times, Daily News e Center for Investigative Reporting em bases de dados usadas pela OpenAI. Outra base derivada do Common Crawl reunia mais de dois milhões de documentos do domínio nytimes.com.

O processo também aponta que uma base chamada Project Mango continha ao menos 160.903 obras únicas de editoras jornalísticas. Em uma mensagem interna, Greg Brockman, presidente da OpenAI, respondeu "ah, legal" ao ser informado sobre um suposto método para contornar o paywall do New York Times.

O Departamento de Justiça dos EUA apresentou, no início de setembro, um parecer favorável às empresas.