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 une à Axel Springer e à Associated Press que fizeram acordos semelhantes, onde a OpenAI supostamente oferece milhões para o direito de usar 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 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 local proeminente nas respostas do ChatGPT. Alguns editores também podem querer solidificar um relacionamento com o próximo grande canal de distribuição de informações antes que ele se estabeleça. 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 com “dados disponíveis publicamente”, de acordo com a CTO Mira Murati, o que parece propositalmente vago. O que são dados disponíveis publicamente? A frase assume que qualquer coisa gratuita para ler na internet também é gratuita para construir 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 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 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 infração de direitos autorais sobre esta 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 este acordo “ampliará o alcance” de seu trabalho, oferecendo “percepções iniciais 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 que processam a OpenAI, em entrevista ao Gizmodo. “É a inteligência humana que foi reunida de um lugar, separada de seus criadores, e então esta grande empresa de tecnologia coloca um preço e vende para outra pessoa.”
Butterick é o autor em 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 geral, 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 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. Similar ao Google, os chatbots de IA recentemente começaram 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 e editores de livros não são os únicos que parecem estar retirando conteúdo da OpenAI. 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 sair, a 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 as águas da discussão. A empresa de alguma forma está usando conteúdo da internet gratuitamente, ao mesmo tempo que paga outros pelo seu trabalho. Outras empresas de tecnologia, como a Apple, aparentemente têm sido 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 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 fazer perguntas sobre a legalidade de tudo depois.
