Neu entschlüsselte Informationen im Urheberrechtsprozess der New York Times gegen OpenAI und Microsoft enthüllen, dass KI-Unternehmen intern einräumten, dass ihre Trainingspraktiken Diebstahl gleichkamen, und dass ihre Produkte eine existenzielle Bedrohung für Verlage darstellen.
Das Diebstahl-Eingeständnis
Laut den Klageschriften bezeichnete ein ranghoher Microsoft-Manager die KI-Trainingspraktiken der Unternehmen als Diebstahl, und OpenAI-Führungskräfte sagten, ihre KI-Modelle stellten eine existenzielle Bedrohung für Verlage und Journalisten dar, deren Arbeit sie trainiert hatte.
Die Eingeständnisse stammen aus neu freigegebenem Material im dreijährigen Rechtsstreit, in dem die New York Times behauptete, die Firmen hätten das Urheberrecht verletzt, indem sie generative KI-Modelle mit ihrem Inhalt trainierten. Während Richter den fair-use-Argumenten der KI-Unternehmen weitgehend zugeneigt waren, sprechen diese neuen internen Dokumente direkt gegen diese Verteidigung.
Die Doom-Loop
Microsofts eigene Daten zeigten, dass sein Copilot-Antwortenmotor die Klickraten für die New York Times um bis 93% gegenüber der traditionellen Bing-Suche senkte. Eine interne Microsoft-Präsentation beschrieb den Rückgang als eine Doom-Loop, die die Leistung unserer Modelle und des gesamten Web gleichzeitig schädigen würde.
Die Präsentation besagt: Es ist höchst ungewöhnlich, dass ein Endprodukt die wirtschaftlichen Grundlagen seiner wesentlichen Zulieferer bedroht, aber das ist die Situation, die wir für unser LLM-Geschäft in Bezug auf seine Inhalts-Lieferkette geschaffen haben.
Microsoft-CEO Satya Nadella sagte in einer Aussage unter Eid, dass alles hinter einer Bezahlmauer lizenziert werden sollte, und dass er, wenn ihm bekannt gewesen wäre, dass OpenAI hinter Bezahlschranken gezapfte Inhalte trainiert hätte, Microsofts Recht geltend gemacht hätte, OpenAI zum Nachtrainieren seiner Modelle zu zwingen.
Existenzielle Bedrohung für Verlage
OpenAI-Chef von ChatGPT, Nick Turley, schrieb in interner Kommunikation, dass Verlage eine existenzielle Bedrohung durch Produkte wie den Chatbot sehen, der weitgehend substituierend sei und immer substituierender werde, je besser er werde.
OpenAI-Präsident Greg Brockman beschrieb die Modelle als ausgezeichnet bei Nachrichten. Nadella stimmte unter Eid zu, dass das Chatten mit Chatbots das Abrufen von Informationen auf der Website durch die KI-Plattform ersetzt hat.
Der Umfang des Kopierens
Die Dokumente enthüllen erstmals, dass allein OpenAI's Mid-Training-Datensätze mehr als 91.692 Kopien von Werken der NYT, Daily News und des Center for Investigative Reporting enthalten. Ein auf Common Crawl basierender Datensatz enthielt mehr als 2 Millionen Dokumente allein von nytimes.com.
Die Klageschrift detail-isiert, wie die Unternehmen Project Mango zusammenstellten, einen Trainingsdatensatz mit Kopien von mindestens 160.903 einzigartigen Werken der Nachrichtenverlage.
Paywall-Umgehung und Urheberrechtsentfernung
Die Unterlagen zeigen, dass als OpenAI-Forscher Nick Ryder Brockman von einem Hack zur Umgehung der NYT-Bezahlschranke erzählte, Brockman antwortete: ah nice.
OpenAI-Mitarbeiter erstellten angeblich Trainingsdatensätze wie WebText und WebText2, die überproportional auf gescrapte Nachrichteninhalte setzten.
Besonders belastend: Die Befunde beschreiben bewusste Bemühungen, Urheberrechtsvermerke aus Trainingsdaten zu entfernen, bevor sie das Modell erreichten, da Forscher nicht wollten, dass das Modell Copyright-Notizen an Benutzer ausgibt.
Ein reales Beschäftigungsrisiko
Ein Microsoft-Dokument besagt, dass es ein reales Risiko gibt, dass generative KI die Beschäftigung derjenigen erheblich stören könnte, die die Daten generiert haben, auf denen das Foundation-Modell trainiert wurde.
Die Frage, ob KI-Firmen urheberrechtlich geschütztes Material legal zum Trainieren von KI nutzen können, hat keine klare Antwort. Anfang dieses Monats trug die Trump-Regierung eine Stellungnahme zugunsten von OpenAI's Nutzung urheberrechtlich geschützten Materials bei. Aber die neuen Eingeständnisse, insbesondere rund um Marktsubstitution und internes Bewusstsein für Schaden, könnten sich als entscheidend erweisen.
OpenAI und Microsoft haben auf Anfragen nicht geantwortet.
