В одном из новых исследований была выдвинута серьезная претензия против OpenAI, обвиняя компанию в том, что она использовала книги, защищенные авторскими правами, без разрешения. Согласно исследованию, опубликованному некоммерческой организацией AI Disclosures Project, OpenAI, вероятно, обучала свою модель GPT-4o на книгах, доступных только по подписке, из каталога O'Reilly Media.

Источник изображения: сгенерировано ИИ

AI-модели и их обучение на защищенном контенте

AI-модели, такие как GPT-4o, обучаются на больших объемах данных — текстах из книг, фильмов, телешоу и других источников. Эти модели учат извлекать шаблоны из предоставленных данных, что позволяет им генерировать текст или изображения, но при этом они не создают что-то совершенно новое. Однако, последние обвинения касаются использования защищенного контента без соответствующих лицензионных соглашений.

O'Reilly Media, известная своими техническими книгами, не подписала с OpenAI лицензионное соглашение на использование своих материалов. В исследовании утверждается, что GPT-4o демонстрирует гораздо большее понимание контента из книг O'Reilly по сравнению с предыдущими моделями, такими как GPT-3.5 Turbo.

Методология исследования и результаты

Для проведения исследования была использована методика, называемая DE-COP, которая помогает выявить наличие защищенных авторским правом материалов в обучающих данных моделей. Этот метод позволяет понять, использовала ли модель текст, который был ей "предоставлен" в процессе обучения.

Исследователи утверждают, что GPT-4o "узнает" значительное количество контента из платных книг O'Reilly, особенно из тех, что были опубликованы до даты завершения обучения модели. Это предполагает, что OpenAI, возможно, использовала материалы без лицензии.

Потенциальные юридические проблемы

Несмотря на это, исследователи предупреждают, что их результаты не являются окончательными доказательствами. Они также не исключают возможность того, что защищенные материалы могли быть получены от пользователей, копировавших и вставлявших их в ChatGPT.

OpenAI уже сталкивается с рядом судебных исков по поводу использования авторских данных без разрешения, и этот новый отчет от O'Reilly только добавляет масла в огонь.

OpenAI не ответила на запросы о комментариях, что только усиливает сомнения в прозрачности компании в вопросах использования авторского контента.

Что будет дальше?

Ситуация с использованием защищенных авторским правом данных для обучения AI-моделей вызывает растущее беспокойство в индустрии. Многие компании, включая OpenAI, уже привлекли специалистов в области различных наук и технологий для улучшения своих моделей, но обвинения, такие как эти, могут привести к значительным юридическим последствиям.

OpenAI продолжает искать пути для улучшения качества своих моделей и, возможно, заключает лицензионные соглашения с издателями и другими организациями для получения необходимых данных. Однако пока этот процесс не завершен, вопросы об этичности и законности использования данных остаются актуальными.