O Financial Times anunciou um acordo com a OpenAI na segunda-feira para licenciar seu jornalismo de classe mundial para treinar e informar os modelos da ChatGPT. Ele se junta à Axel Springer e à Associated Press, que fizeram acordos semelhantes, onde a OpenAI oferece milhões pelos direitos de uso de conteúdo. No entanto, a ChatGPT foi treinada em muitos outros conteúdos raspados na web pelos quais a OpenAI não pagou. Então, por que a OpenAI paga por alguns conjuntos de dados e por outros não?
Os acordos de licenciamento da OpenAI parecem enviar uma mensagem clara: vamos usar seu conteúdo de qualquer maneira, então assine um acordo conosco ou fique para trás. A principal vantagem de um acordo de licenciamento parece ser um lugar proeminente nas respostas da ChatGPT. Alguns editores também podem querer solidificar um relacionamento com o próximo grande canal de distribuição de informações antes que ele domine. No entanto, parece que a OpenAI está usando muito o conteúdo dos editores de qualquer maneira.
A OpenAI já treina seus modelos de IA em parte em “dados publicamente disponíveis”, de acordo com a CTO Mira Murati, o que parece propositalmente vago. O que são dados publicamente disponíveis, afinal? A frase pressupõe que tudo o que é gratuito para ler na Internet também é gratuito para ser incorporado à ChatGPT. Por exemplo, o Gizmodo faz parte dos “dados publicamente disponíveis” da OpenAI. Nosso site foi armazenado em mais de 34.000 vezes no conjunto de dados WebText do GPT-2, o último conjunto de dados que a OpenAI divulgou usando para treinar um modelo de IA.
O Gizmodo é gratuito para os leitores em grande parte devido aos anúncios nesta página da Web. Se os leitores puderem acessar nosso conteúdo por meio da ChatGPT, isso quebra nosso modelo de negócios. O New York Times, que é usado significativamente mais no conjunto de dados WebText do GPT-2, processou a OpenAI por violação de direitos autorais sobre essa questão.
Um acordo de licenciamento de conteúdo com a OpenAI parece ser a única maneira para os editores se manterem relevantes na era da IA. Em um comunicado à imprensa, o CEO do Financial Times Group, John Ridding, diz que este acordo “ampliará o alcance” de seu trabalho, oferecendo “visões iniciais de como o conteúdo é apresentado por meio da IA”.
“O que se refere à IA não é realmente inteligência artificial”, disse Matthew Butterick, advogado que representa Sarah Silverman e outros autores de livros processando a OpenAI, em entrevista ao Gizmodo. “É inteligência humana que foi colhida de um lugar, divorciada de seus criadores, e essa grande empresa de tecnologia coloca um preço e vende para outra pessoa.”
Butterick é o autor em seis processos de violação de direitos autorais contra empresas de IA. Ele também é escritor, codificador e designer, então ele diz que entende como a IA pode ameaçar essas indústrias. Em termos gerais, seus casos se concentram em uma alegação de que a IA usa simultaneamente o trabalho dos criadores e ameaça seu sustento.
Os acordos de licenciamento da OpenAI levantaram uma sobrancelha sobre o conteúdo que a ChatGPT usa gratuitamente. As empresas de tecnologia argumentaram que a IA generativa é um “uso justo” de obras protegidas por direitos autorais porque as transforma em algo novo. O mundo da IA também argumentou que está usando um modelo semelhante ao do Google Search, que armazena em cache conteúdo protegido por direitos autorais para criar uma ferramenta útil de busca de informações. Semelhante ao Google, os chatbots de IA recentemente começaram a incluir hiperlinks. Em última análise, um tribunal terá que decidir se a IA generativa é um “uso justo”.
A OpenAI não respondeu imediatamente ao pedido de comentário do Gizmodo.
Autores de livros e editores não são os únicos que a OpenAI parece estar retirando conteúdo. O New York Times recentemente relatou que a OpenAI treinou o GPT-4 em mais de um milhão de horas de vídeos transcritos do YouTube. Dias antes do relatório ser divulgado, o CEO do YouTube disse que usar seus vídeos para treinamento de IA seria uma “violação clara” de suas políticas.
Os acordos de licenciamento de conteúdo da OpenAI complicam a discussão. A empresa está de alguma forma usando conteúdo da Internet gratuitamente, enquanto também paga a outros por seu trabalho. Outras empresas de tecnologia, como a Apple, aparentemente foram mais proativas em pagar por todos os seus dados de treinamento. A Adobe supostamente pagou $3 por minuto de vídeo para treinar seu gerador de vídeo de IA.
No entanto, não está claro se mesmo um pagamento único para obter dados de treinamento de IA é suficiente. Estamos falando de uma ferramenta que pode potencialmente mudar a indústria de mídia para escritores, produtores de áudio e vídeo e muito mais. Assinar um acordo com a OpenAI pode garantir um bom lugar nos resultados da ChatGPT, mas parece que o chatbot de IA pode ter estado usando seu conteúdo de qualquer maneira. Pelo menos por enquanto, as empresas de IA estão ansiosas para usar tudo na Internet e questionar a legalidade de tudo mais tarde.
