Un director Microsoft avertizează că extragerea datelor pentru AI este cel mai mare furt de muncă din istorie

Pe scurt:

• Un director Microsoft a calificat extragerea datelor pentru AI drept cel mai mare furt de muncă din istorie, conform documentelor dintr-un proces împotriva OpenAI și Microsoft.
• Companiile au ocolit paywall-urile și au eliminat notificările de drepturi de autor pentru a antrena modele AI, afectând editorii și jurnaliștii.
• Microsoft a raportat o scădere de până la 93% a ratei de click-uri pe site-ul The New York Times din cauza motorului AI Copilot.
• Seturile de antrenament conțin peste 160.000 de lucrări unice, iar colaborarea OpenAI-Microsoft a implicat milioane de articole extrase fără autorizare clară.

Extragerea datelor AI și impactul asupra drepturilor de autor

Extragerea datelor AI în procesul de antrenament modele AI a fost calificată drept cel mai mare furt de muncă din istorie, conform unor documente recente dintr-un proces intentat de The New York Times împotriva OpenAI și Microsoft. Aceste informații dezvăluie că practicile companiilor privind colectarea și utilizarea conținutului protejat prin drepturi de autor au fost considerate în mod intern ca fiind echivalente cu furtul.

Un director Microsoft a descris în mod explicit aceste metode ca fiind dăunătoare pentru editori, iar conducerea OpenAI a recunoscut că modelele AI reprezintă o amenințare serioasă pentru jurnaliști și publicații. Documentele arată că firmele au ocolit paywall-urile pentru a extrage conținut fără a fi detectate și au eliminat notificările de drepturi de autor din datele folosite la antrenament.

Provocările legale privind drepturile de autor și antrenamentul modelelor AI

Procesul vechi de trei ani ridică întrebări legale importante despre utilizarea materialelor protejate pentru antrenarea modelelor AI. Judecătorii au fost în general favorabili companiilor AI, considerând că antrenamentul poate fi o formă de „utilizare echitabilă”. Totuși, noile dezvăluiri contrazic această apărare, în special în ceea ce privește impactul negativ asupra pieței pentru lucrările originale.

Datele Microsoft indică o scădere de până la 93% a ratei de click-uri pe site-ul The New York Times cauzată de motorul de răspuns Copilot. Această situație afectează atât performanța modelelor AI, cât și traficul web al publicațiilor, creând un „cerc vicios” pentru ecosistemul de conținut.

Detalii despre extragerea datelor AI și colaborarea dintre OpenAI și Microsoft

Documentele dezvăluie că OpenAI a furnizat Microsoft seturile de date pentru antrenamentul GPT-3, iar Microsoft a contribuit cu date prin proiectele Taxi și Mango. Seturile de antrenament conțin peste 160.000 de lucrări unice de la editori de știri, iar extragerea a inclus milioane de articole din surse precum Common Crawl.

Angajații OpenAI au dezvoltat metode pentru a ocoli paywall-urile fără a fi detectați și au eliminat intenționat notificările de drepturi de autor din datele de antrenament pentru a preveni generarea acestora de către modele. Aceste practici ridică semne de întrebare privind respectarea drepturilor de autor în procesul de antrenament modele AI.

Sursa originală a acestui articol este https://techcrunch.com/2026/09/17/microsoft-exec-called-ai-scraping-the-largest-theft-of-labor-in-human-history-new-unredacted-filings-reveal/ (link)