The New York Times y The Daily News afirmaron que OpenAI había mentido sobre su capacidad para buscar datos de registro de chat de clientes y conjuntos de datos de entrenamiento para su trabajo protegido por derechos de autor. Es la última escalada en una demanda de dos años contra la empresa de IA por supuestamente violar la ley de derechos de autor al entrenar sus modelos generativos de IA en el contenido del Times y reproducir ese periodismo en la producción de los usuarios.
A lo largo de este caso, OpenAI argumentó que no tenía la capacidad de buscar en su propio corpus de entrenamiento. También argumentaron que buscar o producir grandes colecciones de conversaciones de ChatGPT sería técnicamente engorroso y plantearía preocupaciones sobre la privacidad del usuario porque los registros tendrían que ser capturados, procesados y anonimizados. El medio buscó esos datos para determinar si su periodismo protegido por derechos de autor estaba en el conjunto de datos de entrenamiento de OpenAI y si ChatGPT generaba respuestas usando o reproduciendo su contenido y con qué frecuencia.
En una declaración ordenada por el tribunal en abril, el ingeniero de privacidad de datos de OpenAI, Vinnie Monaco, supuestamente reveló que OpenAI había llevado a cabo una búsqueda y evaluación interna de su corpus de capacitación en busca de trabajos periodísticos protegidos por derechos de autor.
La declaración de Mónaco también supuestamente reveló que, desde antes de que el NYT presentara su demanda, OpenAI había compilado una base de datos de aproximadamente 78 millones de conversaciones ChatGPT no identificadas que usaba internamente para determinar el alcance de la infracción del trabajo de otras personas. Además de ese conjunto de datos, OpenAI también supuestamente implementó un filtro “Bloom” como parte de un conjunto de herramientas llamado “Proyecto Giraffe”, que detectó y mantuvo un registro de la regurgitación de salida, inmediatamente después de que se presentó la demanda.
Estas dos últimas revelaciones son muy importantes. Los demandantes inicialmente pidieron a OpenAI que proporcionara una muestra de 120 millones de registros de chat, pero OpenAI negoció reducir la muestra a solo 20 millones. OpenAI finalmente presentó la muestra al tribunal en diciembre pasado, pero supuestamente incluyó tantas redacciones que la hizo “inutilizable”, en palabras del tribunal. Los demandantes también afirman que OpenAI eliminó miles de millones de resultados de ChatGPT después de que presentaron la demanda en violación directa de la orden de conservación del tribunal, y que el gigante de la IA reemplazó millones de registros en la muestra solicitada.
En otras palabras, afirman que OpenAI dificulta la obtención de información que las empresas ya han recopilado.
“Si OpenAI realmente creyera que copiar el periodismo de nuestros clientes es justo y legal, no ocultaría la verdad sobre sus acciones”, dijo Ian B. Crosby, abogado principal de los demandantes, en un comunicado.
Ahora, el NYT y The Daily News están pidiendo a un juez que sancione a OpenAI por supuestamente ocultar pruebas e interrumpir el proceso de descubrimiento. Pidieron al tribunal que impidiera que OpenAI utilizara 20 millones de muestras de registros de chat como prueba, argumentando que las muestras no eran fiables; aceptar el hecho de que los registros de ChatGPT mostrarán una regurgitación masiva y una fundamentación del contenido del demandante; para evitar que OpenAI argumente que los registros de chat proporcionados no muestran regurgitación sustancial; y hacer que OpenAI pague los costos legales de tener que buscar esta evidencia.
En un comunicado, el portavoz de OpenAI, Drew Pusateri, negó las acusaciones y acusó al Times de intentar acceder a las conversaciones privadas de los usuarios cuando su caso era débil.
“Aunque el caso del Times se debilitó y se vieron obligados a retirar los cargos contra nosotros, persistieron en sus esfuerzos por invadir la privacidad de personas que no tenían nada que ver con el caso, incluso haciendo acusaciones descaradamente falsas”, dijo Pusateri. “Continuaremos defendiendo la privacidad de nuestros usuarios y los principios de uso legítimo de larga data”.
Cuando compra a través de enlaces en nuestros artículos, es posible que ganemos una pequeña comisión. Esto no afecta nuestra independencia editorial.
