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. A OpenAI se junta à Axel Springer e à Associated Press, que fizeram acordos semelhantes, onde a OpenAI supostamente oferece milhões pelo direito de usar conteúdo. No entanto, o ChatGPT foi treinado em muito outro conteúdo da web que a OpenAI não pagou. Então por que a OpenAI paga por alguns conjuntos de dados e 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. O principal benefício de um acordo de licenciamento parece ser um lugar proeminente nas respostas do ChatGPT. Algumas editoras também podem querer solidificar um relacionamento com o próximo grande canal de distribuição de informações antes que ele assuma. No entanto, parece que a OpenAI está usando muito conteúdo de editoras de qualquer maneira.
A OpenAI já treina seus modelos de IA em parte com “dados publicamente disponíveis” de acordo com a CTO Mira Murati, o que parece propositadamente vago. O que são dados publicamente disponíveis mesmo? A frase pressupõe que qualquer coisa gratuita para ler na internet também é gratuita para integrar no ChatGPT. Por exemplo, o Gizmodo faz parte dos “dados publicamente disponíveis” da OpenAI. Nosso site foi em cache mais de 34.000 vezes no conjunto de dados WebText do GPT-2, o último conjunto de dados que a OpenAI revelou ter usado 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 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 as editoras 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” do seu trabalho enquanto oferece “percepções precoces sobre como o conteúdo é apresentado por meio da IA”.
“O problema com a IA é que não é realmente inteligência artificial”, disse Matthew Butterick, advogado que representa Sarah Silverman e outros autores processando a OpenAI, em entrevista ao Gizmodo. “É inteligência humana que foi colhida 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 processos 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 chamaram a atenção para o conteúdo utilizado gratuitamente pelo ChatGPT. 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 Google Search, que armazena em cache conteúdo protegido por direitos autorais para criar uma ferramenta útil para encontrar informações. Assim como o 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 editoras não são os únicos de onde a OpenAI parece estar tirando 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 sair, 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 de alguma forma está usando conteúdo da internet gratuitamente, enquanto também paga a outros pelo trabalho deles. Outras empresas de tecnologia, como a Apple, supostamente foram mais proativas em pagar por todos os seus dados de treinamento. A Adobe supostamente pagou US$3 por minuto de vídeo para treinar seu gerador de vídeo de IA.
No entanto, não está claro se mesmo um pagamento pontual para obter dados de treinamento de IA é suficiente. Estamos falando sobre uma ferramenta que poderia potencialmente inverter a indústria de mídia para escritores, produtores de áudio e vídeo, e mais. Assinar um acordo com a OpenAI pode garantir 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 de tudo mais tarde.
