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 a Axel Springer e a Associated Press que fecharam acordos semelhantes, onde a OpenAI supostamente oferece milhões pelo direito de usar o conteúdo. No entanto, o ChatGPT foi treinado em muito outro conteúdo raspado da web que 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 feche um acordo conosco ou fique para trás. O principal benefício de um acordo de licenciamento parece ser um local de destaque nas respostas do ChatGPT. Alguns editores também podem querer solidificar 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 muito conteúdo dos 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 propositalmente vago. O que são dados publicamente disponíveis, afinal? A frase pressupõe que qualquer coisa gratuita para ler na internet também é gratuita para ser incorporada no ChatGPT. Por exemplo, o Gizmodo faz parte dos “dados públicos 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 através do ChatGPT, isso prejudica 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 Grupo Financial Times, John Ridding, diz que esse acordo “ampliará o alcance” de seu trabalho, oferecendo “percepções precoces sobre como o conteúdo é exibido por meio da IA”.
Matthew Butterick, advogado representando Sarah Silverman e outros autores de livros que processam a OpenAI, diz que “A questão sobre a IA é que ela não é realmente inteligência artificial, é inteligência humana que foi coletada de um lugar, divorciada de seus criadores, e então essa grande empresa de tecnologia coloca um preço e vende para outra pessoa.”
Butterick é o autor de seis ações 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 se concentram em afirmar que a IA simultaneamente utiliza 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 porque 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. 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 de quem a OpenAI parece estar tirando conteúdo. O New York Times relatou recentemente 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, a 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 turvam as águas da discussão. A empresa está de alguma forma usando conteúdo da internet gratuitamente, ao mesmo tempo que paga a outros por seu trabalho. Outras empresas de tecnologia, como a Apple, têm sido mais ativas em pagar por todos os seus dados de treinamento. A Adobe, por exemplo, pagou $3 por minuto de vídeo para treinar seu gerador de vídeo de IA.
No entanto, não está claro se um pagamento único para obter dados de treinamento de IA é suficiente. Estamos falando de uma ferramenta que poderia potencialmente inverter a indústria de mídia para escritores, produtores de áudio e vídeo e muito mais. Assinar um acordo com a OpenAI pode garantir a você um bom lugar nos resultados do ChatGPT, mas parece que o chatbot de IA pode estar 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 posteriormente.
