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 do ChatGPT. Ele se junta à Axel Springer e à Associated Press que fecharam acordos semelhantes, onde a OpenAI supostamente oferece milhões para o direito de usar conteúdo. No entanto, o ChatGPT foi treinado em muitos outros conteúdos raspados da web pelos quais a OpenAI não pagou. Então, por que a OpenAI paga por alguns conjuntos de dados e não por outros?
Os acordos de licenciamento da OpenAI parecem enviar uma mensagem clara: vamos usar seu conteúdo de qualquer maneira, então assine um contrato conosco ou fique para trás. A principal vantagem de um acordo de licenciamento parece ser um lugar de destaque nas respostas do ChatGPT. Alguns editores também podem querer consolidar um relacionamento com o próximo grande canal de distribuição de informações antes que ele assuma o controle. No entanto, parece que a OpenAI está usando o conteúdo de muitos editores de qualquer maneira.
A OpenAI já treina seus modelos de IA em parte em “dados disponíveis publicamente”, de acordo com a CTO Mira Murati, o que parece propositadamente vago. O que são dados publicamente disponíveis, afinal? A frase pressupõe que qualquer coisa gratuita para ler na internet também é gratuita para incorporar no ChatGPT. Por exemplo, o Gizmodo faz parte dos “dados disponíveis publicamente” 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 usar 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 do ChatGPT, isso viola 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 esse assunto.
Um acordo de licenciamento de conteúdo com a OpenAI parece ser a única maneira para os editores permanecerem relevantes na era da IA. Em um comunicado à imprensa, o CEO do Grupo Financial Times, John Ridding, diz que este acordo “ampliará o alcance” de seu trabalho enquanto oferece “percepções iniciais sobre como o conteúdo é apresentado por meio da IA”.
Butterick é autor de seis ações judiciais por violação de direitos autorais contra empresas de IA. Ele também é escritor, programador e designer, então ele diz que entende como a IA pode ameaçar essas indústrias. Em termos gerais, seus casos giram em torno da alegação de que a IA usa simultaneamente o trabalho dos criadores e ameaça seu sustento.
Os acordos de licenciamento da OpenAI levantaram uma sobrancelha em relação ao conteúdo que o ChatGPT usa gratuitamente. Empresas de tecnologia argumentaram que a IA generativa é um “uso justo” de obras protegidas por direitos autorais, pois as transforma em algo novo. O mundo da IA também argumentou que está usando um modelo semelhante ao 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 começaram recentemente a incluir hiperlinks. No final, 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 relatou recentemente que a OpenAI treinou o GPT-4 em mais de um milhão de horas de vídeos do YouTube transcritos. Dias antes do relatório ser divulgado, o CEO do YouTube disse que usar seus vídeos para treinamento de IA seria uma “clara violação” de suas políticas.
Os acordos de licenciamento de conteúdo da OpenAI turvam a discussão. A empresa de alguma forma está usando conteúdo da internet gratuitamente, enquanto também paga a outros pelo seu trabalho. Outras empresas de tecnologia, como a Apple, supostamente 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 potencialmente pode transformar a indústria de mídia para escritores, produtores de áudio e vídeo e muito mais. Assinar um contrato com a OpenAI pode garantir um bom lugar nos resultados do ChatGPT, mas parece que o chatbot de IA pode ter usado seu conteúdo de qualquer maneira. Pelo menos por enquanto, as empresas de IA estão ansiosas para usar tudo na internet e questionar a legalidade posteriormente.
