«Η μεγαλύτερη κλοπή εργασίας στην ιστορία»: Αποκαλύψεις-σοκ από εσωτερικά έγγραφα της Microsoft για το scraping της OpenAI

Νέες αποκαλύψεις έρχονται στο φως της δημοσιότητας μέσα από μη αποχαρακτηρισμένα δικαστικά έγγραφα στο πλαίσιο της αγωγής που έχει καταθέσει η εφημερίδα The New York Times εναντίον της OpenAI και της Microsoft. Σύμφωνα με τα στοιχεία της δικογραφίας, κορυφαία στελέχη των δύο τεχνολογικών κολοσσών παραδέχονταν σε εσωτερικές επικοινωνίες ότι η μαζική συλλογή δεδομένων (scraping) για την εκπαίδευση μοντέλων τεχνητής νοημοσύνης ισοδυναμεί με υποκλοπή πνευματικής ιδιοκτησίας και συνιστά «υπαρξιακή απειλή» για τον δημοσιογραφικό κλάδο.

Εσωτερικές παραδοχές για «κλοπή εργασίας άνευ προηγουμένου»

Σε εσωτερικό υπόμνημα του Ιανουαρίου 2023, ο διευθυντής Εφαρμοσμένης Επιστήμης της Microsoft, Μπρεντ Χεκτ, χαρακτήρισε τη συλλογή περιεχομένου για την εκπαίδευση μεγάλων γλωσσικών μοντέλων (LLMs) ως «μια εκπληκτική κλοπή άνευ προηγουμένου» και «τη μεγαλύτερη κλοπή εργασίας στην ανθρώπινη ιστορία». Το στέλεχος της εταιρείας προειδοποιούσε μάλιστα για τον υπαρκτό κίνδυνο η παραγωγική τεχνητή νοημοσύνη να διαταράξει ριζικά την εργασία των ίδιων των ανθρώπων που παρήγαγαν τα δεδομένα εκπαίδευσης.

Τα δικαστικά έγγραφα περιγράφουν λεπτομερώς τις μεθόδους που φέρονται να χρησιμοποίησαν οι δύο εταιρείες, κάνοντας λόγο για παράκαμψη συνδρομητικών τοίχων (paywalls), μαζική συλλογή δεδομένων μέσω του ευρετηρίου του Bing και σκόπιμη αφαίρεση των σημειώσεων πνευματικών δικαιωμάτων. Παράλληλα, καταγράφεται η συνεργασία των εταιρειών μέσω εσωτερικών πρωτοβουλιών όπως τα «Project Taxi» και «Project Mango», μέσω των οποίων συγκεντρώθηκαν εκατοντάδες χιλιάδες άρθρα ειδησεογραφικών οργανισμών, ενώ σε σύνολα δεδομένων του Common Crawl εντοπίστηκαν πάνω από δύο εκατομμύρια κείμενα μόνο από το The New York Times.

Ο κίνδυνος του «doom loop» και η κατάρρευση της επισκεψιμότητας

Ιδιαίτερη βαρύτητα στα νέα στοιχεία έχουν οι αποκαλύψεις για τις οικονομικές συνέπειες στα ειδησεογραφικά μέσα. Εσωτερική ανάλυση της Microsoft κατέδειξε ότι η μηχανή απαντήσεων του Copilot προκάλεσε πτώση έως και 93% στα ποσοστά κλικ (click-through rates) προς τον ιστότοπο του The New York Times, συγκριτικά με την παραδοσιακή αναζήτηση στο Bing. Ο Μπρεντ Χεκτ περιέγραψε αυτή την τάση ως έναν «φαύλο κύκλο καταστροφής» (doom loop), σημειώνοντας πως είναι εξαιρετικά ασυνήθιστο ένα τελικό προϊόν να απειλεί τα θεμέλια των βασικών προμηθευτών της εφοδιαστικής του αλυσίδας.

Την ίδια ώρα, ο επικεφαλής του ChatGPT στην OpenAI, Νικ Τέρλεϊ, ανέφερε σε εσωτερική συνομιλία ότι οι εκδότες βρίσκονται αντιμέτωποι με μια «υπαρξιακή απειλή», καθώς τα chatbot λειτουργούν ολοένα και περισσότερο ως υποκατάστατα των αρχικών πηγών πληροφόρησης.

Οι καταθέσεις και το πλήγμα στη θεωρία της «θεμιτής χρήσης»

Στο πλαίσιο της διαδικασίας, ο διευθύνων σύμβουλος της Microsoft, Σάτια Ναντέλα, κατέθεσε ενόρκως ότι «οτιδήποτε βρίσκεται πίσω από paywall θα πρέπει να αδειοδοτείται από οποιονδήποτε επιθυμεί να το χρησιμοποιήσει για εκπαίδευση». Ο ίδιος διευκρίνισε πως, εάν γνώριζε ότι η OpenAI είχε αντλήσει περιεχόμενο πίσω από συνδρομητικό τείχος, θα είχε ζητήσει την επανεκπαίδευση των μοντέλων της.

Οι συγκεκριμένες αποκαλύψεις έρχονται σε ευθεία αντίθεση με τη νομική υπερασπιστική γραμμή περί «θεμιτής χρήσης» (fair use), η οποία προϋποθέτει ότι η εκμετάλλευση του υλικού δεν υποκαθιστά ούτε βλάπτει την εμπορική αξία του αρχικού έργου. Τα νέα δεδομένα ενισχύουν τη θέση των εκδοτών ότι η τεχνολογία δεν μετασχηματίζει απλώς τη διαθέσιμη πληροφορία, αλλά ανταγωνίζεται άμεσα και κανιβαλίζει το πρωτογενές δημοσιογραφικό περιεχόμενο.