كشفت ملفات جديدة غير منقحة أن Microsoft exec وصفت عملية الذكاء الاصطناعي بأنها “أكبر سرقة للعمالة في تاريخ البشرية”.
تكشف المعلومات الجديدة غير المنقحة في دعوى حقوق الطبع والنشر التي رفعتها صحيفة نيويورك تايمز ضد OpenAI وMicrosoft قبل ثلاث سنوات عن اعتراف بأن استخلاص الذكاء الاصطناعي كان بمثابة سرقة، وأن منتجات الذكاء الاصطناعي تشكل تهديدًا كبيرًا للمنشورات.
وبموجب الدعوى القضائية، وصف أحد كبار المسؤولين التنفيذيين في شركة مايكروسوفت بشكل خاص ممارسات تدريب الذكاء الاصطناعي الخاصة بالشركات بأنها “سرقة”، وقالت قيادة OpenAI نفسها إن نماذج الذكاء الاصطناعي الخاصة بها تشكل “تهديدًا وجوديًا” للناشرين والصحفيين الذين دربتهم أعمالهم.
توضح المادة غير المختومة أيضًا كيف حصلت الشركات على هذا المحتوى واستخدمته عن طريق تجاوز نظام حظر الاشتراك غير المدفوع دون أن يتم اكتشافه، وبناء مجموعات بيانات التدريب عبر التجريد الجماعي، وتجريد إشعارات حقوق الطبع والنشر عمدًا من بيانات التدريب.
ومن الجدير بالذكر أن الكثير من المعلومات الجديدة تأتي من الموجز الذي نشرته صحيفة التايمز، وليس من الأدلة الأساسية التي تظل مغلقة. يتم عرض الاقتباسات أدناه دون سياقها الأصلي.
يُعد التسجيل غير المنقح أحدث تصعيد في الدعوى القضائية المستمرة منذ ثلاث سنوات، والتي زعمت فيها صحيفة نيويورك تايمز في البداية أن الشركات انتهكت قانون حقوق الطبع والنشر من خلال تدريب نماذج الذكاء الاصطناعي التوليدية على محتواها.
لا توجد إجابة واضحة على مسألة ما إذا كانت شركات الذكاء الاصطناعي يمكنها قانونا استخدام المواد المحمية بحقوق الطبع والنشر لتدريب الذكاء الاصطناعي، ولكن القضاة كانوا مؤيدين إلى حد كبير لحجج شركات الذكاء الاصطناعي بأن التدريب يشكل “استخداما عادلا”. تتيح هذه القاعدة القانونية للأشخاص استخدام الأعمال المحمية بحقوق الطبع والنشر بدون إذن في حالات معينة، مثل المحاكاة الساخرة أو التقارير الإخبارية أو النقد. في وقت سابق من هذا الشهر، ساهمت إدارة ترامب بإيجاز في الدفاع عن استخدام OpenAI غير المرخص للمواد المحمية بحقوق الطبع والنشر لتدريب طلاب الماجستير في القانون.
ومع ذلك، فإن العديد من عمليات القبول الجديدة تتعارض مع دفاع OpenAI عن الاستخدام العادل، ولا سيما متطلبات القاعدة التي تنص على أن الاستخدام لا يحل محل العمل الأصلي أو يضر بالسوق.
على سبيل المثال، تُظهر بيانات Microsoft الخاصة أن “محرك الإجابات” Copilot الخاص بها قد تسبب في انخفاض معدلات النقر إلى الظهور لنطاق صحيفة نيويورك تايمز بنسبة تصل إلى 93% مقارنة ببحث Bing التقليدي. ويصف عرض تقديمي داخلي لشركة Microsoft كتبه مدير العلوم التطبيقية في Microsoft، برنت هيشت، في يناير 2024، التراجع بأنه “حلقة الموت” التي من شأنها “الإضرار بأداء نماذجنا والويب بأكمله في نفس الوقت”.
“من غير المعتاد إلى حد كبير أن يهدد المنتج النهائي الأسس الاقتصادية لمورديه الأساسيين، ولكن هذا هو الوضع الذي أنشأناه لأعمال LLM الخاصة بنا فيما يتعلق بـ “سلسلة توريد المحتوى” الخاصة بها،” كما جاء في مستند Microsoft، كما هو مقتبس في الملف.
كما شهد الرئيس التنفيذي لشركة مايكروسوفت ساتيا ناديلا في وقت سابق من هذا العام أن “أي شيء محمي بنظام حظر الاشتراك غير المدفوع يجب أن يكون مرخصًا من قبل أي شخص يريد استخدامه … للتأريض أو التدريب”، وأوضح أنه إذا كان “على علم بأن OpenAI قد استخرجت وتدربت على المعلومات التي كانت وراء نظام حظر الاشتراك غير المدفوع، فإنه كان سيستند إلى (حق مايكروسوفت في) مطالبة OpenAI بإعادة تدريب نماذجها”.
وتتعارض اعترافات أخرى مع ركائز مختلفة لاختبار الاستخدام العادل: كتب رئيس ChatGPT في OpenAI، نيك تورلي، في اتصال داخلي أن الناشرين يواجهون “تهديدًا وجوديًا” من منتجات مثل chatbot، والتي تعد “بديلة إلى حد كبير” و”ستصبح بديلة أكثر فأكثر مع تحسنها”.
ووصف جريج بروكمان، رئيس OpenAI، النماذج بأنها “ممتازة في الأخبار”. وافق ناديلا تحت القسم في وقت سابق من هذا العام على أن التحدث مع روبوتات الدردشة “قد حل محل … إعطائك المعلومات مباشرة على موقع الويب على منصة الذكاء الاصطناعي بدلاً من الحاجة إلى الانتقال إلى المصدر الأساسي”.
يتحدث هذا النوع من اللغة عن كيف يمكن للتكنولوجيا أن تتنافس بشكل مباشر مع العمل الأصلي بدلاً من تحويله.
تشير إحدى وثائق Microsoft إلى أن هناك “خطرًا حقيقيًا” من أن الذكاء الاصطناعي التوليدي يمكن أن “يعطل بشكل كبير توظيف الأشخاص الذين قاموا بإنشاء البيانات التي تم تدريب النموذج الأساسي عليها”.
الحجم الهائل للنسخ ملفت للنظر. تكشف الوثائق لأول مرة أن مجموعات بيانات OpenAI وحدها تحتوي على أكثر من 91,692 نسخة من الأعمال التي نشرتها صحيفة نيويورك تايمز وديلي نيوز ومركز التقارير الاستقصائية. تضمنت مجموعة البيانات المشتقة من الزحف المشترك أكثر من مليوني مستند من موقع nytimes.com وحده.
وفي مذكرة داخلية مؤرخة في يناير/كانون الثاني 2023، وصفها هيشت بأنها “سرقة مذهلة ذات أبعاد غير مسبوقة” و”أكبر سرقة للعمالة في تاريخ البشرية”.
يوضح الملف بتفاصيل جديدة كيف قامت OpenAI وMicrosoft بالحصول على محتوى المدعين، بما في ذلك حذفه من مؤشر Bing.
وجاء في الملف: “قامت OpenAI بتسليم مجموعة بيانات تدريب GPT-3 بالكامل إلى Microsoft، والتي استخدمتها Microsoft لتقييم كيفية تنفيذ نماذج OpenAI ضمن منتجاتها التجارية الخاصة”. “وبالمثل، قدمت Microsoft بيانات التدريب إلى OpenAI من خلال مبادرات تسمى Project Taxi وProject Mango.”
ويُزعم أن الشركات قامت بتجميع بيانات مشروع مانجو في مجموعة بيانات تدريبية تحتوي على نسخ لما لا يقل عن 160903 عملًا فريدًا من ناشري الأخبار.
من أجل تحقيق أقصى استفادة من عملية الاستخلاص، يُزعم أن موظفي OpenAI توصلوا إلى خطة للتحايل على نظام حظر الاشتراك غير المدفوع دون اكتشافهم. تُظهر التسجيلات أنه عندما أخبر نيك رايدر، الباحث في OpenAI، بروكمان عن “اختراق للالتفاف على نظام حظر الاشتراك غير المدفوع في نيويورك”، أجاب بروكمان: “آه لطيف”.
يُزعم أيضًا أن موظفي OpenAI قاموا ببناء مجموعات بيانات تدريبية مثل WebText وWebText2 التي اعتمدت بشكل غير متناسب على محتوى الأخبار المسروقة. ويُزعم أيضًا أنهم سحبوا ملايين المقالات من Common Crawl، وهو مستودع مجاني ومفتوح لبيانات الزحف على الويب. تصف النتائج أيضًا الجهود المتعمدة لتجريد إشعارات حقوق الطبع والنشر من بيانات التدريب قبل وصولها إلى النموذج، نظرًا لأن الباحثين “لا يريدون إخراج النموذج” “إشعارات حقوق الطبع والنشر” للمستخدمين.
لم يُرجع OpenAI وMicrosoft طلبات للتعليق.
عندما تقوم بالشراء من خلال الروابط الموجودة في مقالاتنا، قد نكسب عمولة صغيرة. هذا لا يؤثر على استقلالنا التحريري.
