The New York Times cere sancțiuni împotriva OpenAI pentru ascunderea și ștergerea logurilor ChatGPT în procesul de copyright - acuzații de declarații false despre capacitatea de a căuta în date și de redacții masive care au făcut un eșantion „inutilizabil”

OpenAI riscă sancțiuni care i-ar putea slăbi decisiv apărarea de „utilizare echitabilă” în procesul de drepturi de autor cu organizații de presă , după ce reclamanții susțin că firma a ascuns și a gestionat defectuos jurnale (loguri) din ChatGPT relevante pentru a verifica dacă utilizatorii au obținut articole integrale prin ocolirea paywall-urilor, potrivit Ars Technica . Miza este una de reglementare și de precedent: dacă instanța acceptă că OpenAI a obstrucționat „descoperirea” (etapa în care părțile schimbă probe) și a încălcat ordine de păstrare a datelor, sancțiunile cerute de reclamanți ar putea influența direct modul în care juriul va evalua existența „prejudiciului de piață” (market harm) – element central în disputele privind „utilizarea echitabilă” a conținutului protejat. Ce acuză organizațiile de presă: ascunderea capacității de căutare și a unor eșantioane mari de loguri Într-o cerere de sancționare depusă joi, organizațiile de presă care dau în judecată OpenAI – conduse de The New York Times – susțin că OpenAI ar fi indus în eroare instanța timp de doi ani în legătură cu costurile și dificultatea de a căuta în logurile ChatGPT. Potrivit documentului, aceste afirmații ar fi fost contrazise după ce un inginer de confidențialitate al OpenAI, Vincent Monaco , a fost re-audiat, iar în depoziția din aprilie ar fi rezultat că OpenAI putea, de fapt, să facă astfel de căutări. Reclamanții afirmă că OpenAI ar fi pretins încă din fazele inițiale ale litigiului că nu are capacitatea tehnică de a căuta în eșantioane mari anonimizate, deși ar fi efectuat căutări similare înainte de începerea procesului. Potrivit cererii (puternic redactată), Monaco ar fi indicat existența a două eșantioane mari, de 10 milioane și 78 de milioane de loguri, deja „de-identificate” (date din care au fost eliminate elemente de identificare), care ar fi putut fi puse la dispoziția reclamanților mai devreme. Reclamanții susțin că OpenAI nu ar fi dezvăluit existența acestor eșantioane timp de doi ani și că le-ar fi folosit intern pentru a căuta conținut NYT în contextul cercetărilor privind un filtru care să blocheze „regurgitarea” (reproducerea) conținutului protejat. Eșantionul de 20 de milioane de loguri: 19 miliarde de redactări și un set „inutilizabil” În locul unor eșantioane mai mari, reclamanții spun că au fost nevoiți să lucreze opt luni într-un „sandbox” (mediu controlat de analiză) cu un eșantion de 20 de milioane de loguri, mult sub cele 120 de milioane cerute inițial. Ei susțin că limitarea ar fi rezultat din „reprezentări false” privind capacitatea OpenAI de a căuta în seturi mai mari. Acest eșantion de 20 de milioane ar fi fost „denaturat” prin folosirea inteligenței artificiale pentru a realiza 19 miliarde de redactări, într-o măsură care a determinat instanța să considere setul „inutilizabil”. Deși OpenAI ar fi eliminat ulterior o parte dintre redactări, reclamanții afirmă că au rămas numeroase mascări, inclusiv ale domeniilor și numelor reclamanților, ceea ce le-ar fi îngreunat căutările. Acuzații de ștergere și neconformare cu ordinul de păstrare a datelor Pe lângă disputa privind accesul la loguri, reclamanții acuză OpenAI că ar fi șters aleatoriu părți din eșantionul limitat de 20 de milioane și că ar fi șters sau comprimat „miliarde” de loguri care ar fi trebuit păstrate. Conform acuzațiilor, martorul OpenAI ar fi declarat că firma a „decis” să nu se conformeze ordinului amplu de păstrare a tuturor conversațiilor, considerând că ar fi dificil. Reclamanții susțin că această conduită ar fi fost intenționată și că nu există o scuză pentru neconformare. Ce sancțiuni cer reclamanții și de ce contează pentru apărarea OpenAI Organizațiile de presă cer instanței „sancțiuni serioase”, inclusiv: interzicerea folosirii de către OpenAI a eșantionului de 20 de milioane de loguri pentru apărare; constatarea că logurile reținute ar include „substanțială” regurgitare a materialelor protejate ale reclamanților și blocarea OpenAI de a susține contrariul; instrucțiuni către juriu că OpenAI a șters miliarde de loguri. Dacă instanța acceptă că abaterea a fost „gravă”, consecința practică ar putea fi slăbirea majoră a apărării OpenAI în privința lipsei de „prejudiciu de piață” – un punct cheie pentru a susține că antrenarea și utilizarea conținutului ar fi „utilizare echitabilă”. Pozițiile părților: confidențialitate vs. probarea încălcării Un purtător de cuvânt al OpenAI a descris cererea de sancționare drept o încercare târzie de a obține acces la mai multe loguri, cu impact asupra confidențialității utilizatorilor, și a susținut că renunțarea recentă de către NYT la unele capete de cerere ar indica slăbirea cazului reclamanților. De cealaltă parte, un purtător de cuvânt al NYT a contestat anterior ideea că renunțarea la unele pretenții ar slăbi procesul, afirmând că acțiunea a fost „simplificată” și „întărită” prin adăugarea unor pretenții împotriva Microsoft. Avocatul principal al NYT, Ian Crosby, a susținut că OpenAI ar fi mințit timp de peste doi ani și că, dacă ar fi crezut cu adevărat că folosirea jurnalismului reclamanților este legală, nu ar fi ascuns faptul că a efectuat deja căutări în loguri. Ce urmează depinde de decizia instanței asupra sancțiunilor: dacă eșantionul masiv redactat este respins și dacă juriul primește instrucțiuni nefavorabile OpenAI, disputa privind „utilizarea echitabilă” ar putea fi reconfigurată în defavoarea companiei, într-un proces urmărit îndeaproape de industria media și de sectorul inteligenței artificiale. [...]