O Financial Times anunciou um acordo com a OpenAI na segunda-feira para licenciar seu jornalismo de classe mundial para treinar e informar modelos do ChatGPT. Juntando-se à Axel Springer e à Associação de Imprensa, que firmaram acordos semelhantes, onde a OpenAI alegadamente oferece milhões para o direito de usar conteúdo. No entanto, o ChatGPT foi treinado em muitos outros conteúdos web-scraped 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 do ChatGPT. Alguns editores 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 o conteúdo de muitos editores de qualquer maneira.
A OpenAI já treina seus modelos de IA em parte com “dados publicamente disponíveis”, de acordo com a CTO Mira Murati, 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 ser incorporada ao 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 usar para treinar um modelo de IA.
O Gizmodo é gratuito para os leitores em grande parte devido aos anúncios nesta página. Se os leitores puderem acessar nosso conteúdo através do ChatGPT, isso quebra nosso modelo de negócios. O New York Times, que é significativamente mais utilizado no conjunto de dados WebText do GPT-2, processou a OpenAI por violação de direitos autorais sobre este assunto.
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 “ideias iniciais sobre como o conteúdo é destacado por meio da IA”.
“O negócio sobre a IA é que ela não é realmente inteligência artificial”, disse Matthew Butterick, advogado que representa Sarah Silverman e outros autores processando a OpenAI, em uma entrevista ao Gizmodo. “É inteligência humana que foi colhida de um lugar, divorciada 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 entender como a IA pode ameaçar essas indústrias. Em geral, seus casos giram em torno da alegação de que a IA simultaneamente usa o trabalho dos criadores e ameaça seu sustento.
Os acordos de licenciamento da OpenAI levantaram questionamentos 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. Parecido com o Google, os chatbots de IA recentemente começaram a incluir hiperlinks. No final das contas, 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 “violação clara” de suas políticas.
Os acordos de licenciamento de conteúdo da OpenAI confundem o debate. A empresa está de alguma forma usando conteúdo da internet gratuitamente, enquanto paga outros pelo seu trabalho. Outras empresas de tecnologia, como a Apple, relatadamente foram mais proativas em pagar por todos os seus dados de treinamento. A Adobe relatadamente pagou $3 por minuto de vídeo para treinar seu gerador de vídeos 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 poderia inverter a indústria de mídia para escritores, produtores de áudio e vídeo e outros. Assinar um acordo com a OpenAI pode garantir um bom lugar nos resultados do 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 dispostas a usar tudo na internet e questionar a legalidade disso tudo mais tarde.
