Executivo da Microsoft chamou o scraping de IA de «o maior roubo de trabalho da história da humanidade», revelam novos documentos sem tarjas
techcrunch ·
Novos documentos não censurados do processo movido pelo The New York Times contra a OpenAI e a Microsoft por violação de direitos autorais revelam descrições internas da raspagem de dados por IA como roubo e dos produtos de IA como uma ameaça a editores e jornalistas. Os documentos alegam que as empresas contornaram paywalls, coletaram conteúdo em massa e removeram avisos de direitos autorais dos dados de treinamento, embora grande parte do novo material venha da petição do The Times, enquanto as provas subjacentes continuam sob sigilo. As divulgações contestam partes da defesa de uso aceitável da OpenAI: dados da Microsoft mostraram que o Copilot reduziu as taxas de cliques para nytimes.com em até 93% em comparação com o Bing tradicional, e comunicações internas descreveram os chatbots como amplamente substitutivos. Documentos da Microsoft também alertaram que a IA generativa poderia desestabilizar o emprego das pessoas cujo trabalho forneceu os dados de treinamento, enquanto o CEO da Microsoft, Satya Nadella, testemunhou que conteúdos protegidos por paywall deveriam ser licenciados e que teria exigido um novo treinamento se soubesse que eles haviam sido coletados. Os documentos indicam que os conjuntos de dados usados no treinamento intermediário da OpenAI continham mais de 91.692 cópias de obras do The New York Times, do Daily News e do Center for Investigative Reporting, enquanto um conjunto de dados derivado do Common Crawl continha mais de 2 milhões de documentos de nytimes.com. Eles também descrevem o Project Mango como contendo pelo menos 160.903 obras únicas dos veículos e relatam um suposto plano para contornar o paywall do The New York Times. Em um memorando de 2023, Brent Hecht, da Microsoft, chamou a cópia de um “roubo impressionante, de proporções sem precedentes” e “o maior roubo de trabalho humano da história”; a OpenAI e a Microsoft não comentaram.
techcrunch