Un director Microsoft a numit scraping-ul pentru antrenarea AI „cel mai mare furt de muncă din istoria omenirii”

Documente interne Microsoft și OpenAI, făcute publice în cadrul unui proces privind utilizarea materialelor jurnalistice pentru antrenarea modelelor AI, arată că ambele companii aveau încă din urmă cu câțiva ani îngrijorări serioase legate de metodele lor de colectare a datelor și de potențialele repercusiuni ale produselor AI asupra publicațiilor. Aceste dezvăluiri subliniază o tensiune crescândă între dezvoltarea AI și drepturile creatorilor de conținut, sugerând o recunoaștere internă a zonelor etice și legale neclare implicate.

Problema tehnică centrală se referă la scraping-ul unor cantități masive de date de pe internet, inclusiv materiale protejate de drepturi de autor, pentru antrenarea modelelor lingvistice mari (LLM). Deși specificațiile exacte ale instrumentelor de scraping și ale modelelor antrenate nu sunt detaliate, contextul indică amploarea și natura achiziției de date necesare pentru dezvoltarea AI avansată. Documentele sugerează că firmele erau conștiente de potențialul acestor practici de a submina modelele de afaceri ale furnizorilor de conținut.

Această situație are implicații semnificative pentru viitorul creației de conținut și al dezvoltării AI, putând duce la reglementări mai stricte și la noi precedente legale. Industria se confruntă acum cu modul de a echilibra nevoia de date pentru avansarea AI cu drepturile creatorilor și editorilor, pregătind terenul pentru noi dispute legale și dezbateri politice. Ce urmează probabil va implica schimbări semnificative în metodele de obținere a datelor și de antrenare a AI.