El New York Occasions y The Every day Information afirman que OpenAI ha estado mintiendo sobre su capacidad para buscar datos de registro de chat de clientes y conjuntos de datos de entrenamiento para sus trabajos protegidos por derechos de autor. Es la última escalada en una demanda de dos años contra la firma de IA por supuestamente violar la ley de derechos de autor al entrenar sus modelos generativos de IA en el contenido del Occasions y reproducir ese periodismo en los resultados de los usuarios.
A lo largo del caso, OpenAI ha argumentado que carecía de la capacidad de buscar su propio corpus de entrenamiento. También argumentó que buscar o producir su colección masiva de conversaciones ChatGPT sería técnicamente engorroso y plantearía preocupaciones sobre la privacidad del usuario porque los registros tendrían que ser recuperados, procesados y anonimizados. Los medios buscaron esos datos para determinar si su periodismo protegido por derechos de autor estaba presente en el conjunto de datos de capacitación 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 ya había realizado búsquedas internas y evaluaciones de su corpus de capacitación para buscar 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 ya había acumulado una base de datos de alrededor de 78 millones de conversaciones ChatGPT no identificadas que estaba utilizando internamente para determinar en qué medida estaba infringiendo los trabajos de otros. Además de ese conjunto de datos, OpenAI supuestamente también implementó un filtro «Bloom» como parte de un conjunto de herramientas llamado «Proyecto Giraffe», que detectaba y mantenía un registro de regurgitación en los resultados, poco después de que se presentara la demanda.
Esas dos últimas revelaciones son particularmente significativas. Los demandantes habían pedido originalmente a OpenAI que proporcionara una muestra de 120 millones de registros de chat, pero OpenAI había negociado para reducir la muestra a sólo 20 millones. OpenAI finalmente presentó esa muestra a los tribunales en diciembre pasado, pero supuestamente había incluido tantas redacciones que la hacían “inutilizable”, en palabras del tribunal. Los demandantes también afirmaron que OpenAI eliminó miles de millones de resultados de ChatGPT después de que presentaron una demanda en violación directa de la orden de preservación del tribunal, y que el gigante de la IA sustituyó millones de registros en la muestra solicitada.
En otras palabras, afirman que OpenAI dificultó innecesariamente la obtención de información que la empresa ya había recopilado.
«Si OpenAI realmente creyera que copiar el periodismo de nuestros clientes period justo y authorized, no habría ocultado la verdad sobre haberlo hecho», dijo en un comunicado Ian B. Crosby, abogado principal de los demandantes.
Ahora, el NYT y The Every day Information están pidiendo al juez que sancione a OpenAI por supuestamente retener pruebas y alterar el proceso de descubrimiento. Piden al tribunal que impida que OpenAI utilice la muestra de 20 millones de registros de chat como prueba, alegando que no es fiable; aceptar como un hecho que los registros de ChatGPT habrían mostrado una importante regurgitación y fundamentación del contenido de los demandantes; para evitar que OpenAI argumente que los registros de chat proporcionados no demuestran una regurgitación sustancial; y hacer que OpenAI pague honorarios legales por tener que perseguir esta evidencia.
En un comunicado, el portavoz de OpenAI, Drew Pusateri, negó las acusaciones y acusó al Occasions de intentar acceder a conversaciones privadas de usuarios a medida que su caso se debilita.
“A medida que el caso del Occasions se debilita y se ven obligados a retirar las demandas contra nosotros, persisten en sus esfuerzos por invadir la privacidad de personas que no tienen nada que ver con este caso, incluso haciendo estas acusaciones descaradamente falsas”, dijo Pusateri. «Continuaremos defendiendo la privacidad de nuestros usuarios y los principios de uso legítimo establecidos desde hace mucho tiempo».
Cuando compra a través de enlaces en nuestros artículos, podemos ganar una pequeña comisión. Esto no afecta nuestra independencia editorial.
