وثائق قضائية غير محجوبة: مسؤول في Microsoft وصف استخلاص بيانات الذكاء الاصطناعي بأنه "سرقة"

تكشف مواد أُزيل عنها التحجيب مؤخراً في دعوى حقوق النشر التي رفعتها The New York Times قبل ثلاث سنوات ضد OpenAI وMicrosoft عن اعترافات داخلية بأن الشركتين اعتبرتا، سرّاً، أن ممارساتهما في تدريب الذكاء الاصطناعي تضر بالناشرين. وبحسب الدعوى، وصف مسؤول كبير في Microsoft ممارسات تدريب الذكاء الاصطناعي للشركتين بأنها “سرقة”، وقالت قيادة OpenAI نفسها إن نماذجها للذكاء الاصطناعي تمثل “تهديداً وجودياً” للناشرين والصحفيين الذين دُرِّبت هذه النماذج على أعمالهم. وتزعم المواد غير المحجوبة أيضاً أن الشركتين حصلتا على هذا المحتوى واستخدمتاه عبر تجاوز جدران الدفع دون رصد، وبناء مجموعات بيانات تدريبية عبر استخلاص جماعي للبيانات، وإزالة إشعارات حقوق النشر عمداً من البيانات. وتأتي معظم المواد الجديدة من مذكرة The New York Times نفسها، وليس من المستندات الأساسية التي لا تزال مختومة سرّية، وتُعرض الاقتباسات دون سياقها الأصلي.

وتُعد هذه المذكرة أحدث تصعيد في القضية، التي تزعم فيها The New York Times أن الشركتين خرقتا قانون حقوق النشر بتدريب نماذج الذكاء الاصطناعي التوليدي على محتواها. وقد مالت المحاكم حتى الآن إلى تأييد دفاع شركات الذكاء الاصطناعي المستند إلى مبدأ “الاستخدام العادل” (fair use) — وهو مبدأ قانوني يسمح باستخدام أعمال محمية بحقوق النشر دون إذن في حالات مثل المحاكاة الساخرة أو التغطية الصحفية أو النقد — وقدّمت إدارة Trump مذكرة في وقت سابق من هذا الشهر تدعم موقف OpenAI. لكن عدداً من الاعترافات الجديدة يتعارض مع الشرط الأساسي لمبدأ الاستخدام العادل بألا يحل الاستخدام محل سوق العمل الأصلي: إذ تُظهر بيانات Microsoft نفسها، بحسب ما ورد، أن “محرك الإجابات” الخاص بـCopilot خفّض معدلات النقر إلى نطاق The New York Times بنسبة وصلت إلى 93% مقارنة بالبحث التقليدي عبر Bing، وهو انخفاض وصفه عرض تقديمي داخلي في Microsoft بأنه “حلقة هلاك” (doom loop). وشهد Nadella بأن أي محتوى محجوب خلف جدار دفع ينبغي أن يكون مرخَّصاً لمن يريد استخدامه لأغراض التدريب، وأنه كان سيُلزم OpenAI بإعادة تدريب نماذجها لو علم أنها استخلصت محتوى محجوباً خلف جدار دفع. وكتب Nick Turley، رئيس قسم ChatGPT في OpenAI، داخلياً أن الروبوت المحادثي يمثل تهديداً وجودياً للناشرين لأنه “بديل إلى حد كبير” عن المصدر الأصلي.

وتصف الوثائق حجم النسخ المزعوم: إذ تحتوي مجموعات بيانات التدريب الوسيط لدى OpenAI، بحسب ما ورد، على أكثر من 91692 نسخة من أعمال The New York Times وDaily News وCenter for Investigative Reporting، بينما شملت مجموعة بيانات مستمدة من Common Crawl، بحسب الزعم، أكثر من 2 مليون مستند من موقع nytimes.com وحده. كما زُعم أن مجموعة بيانات منفصلة، ناتجة عن مبادرة لتبادل البيانات بين Microsoft وOpenAI، احتوت على ما لا يقل عن 160903 عمل فريد من ناشري الأخبار. وفي مذكرة داخلية من يناير 2023 وردت في المذكرة القضائية، وصف Brent Hecht من Microsoft هذه الممارسة، بحسب ما ورد، بأنها “سرقة مذهلة غير مسبوقة الحجم” و”أكبر سرقة للعمل في تاريخ البشرية”.

وقال Steven Lieberman، محامي New York Daily News، في بيان شارَكه مع TechCrunch: “الأدلة التي كُشف عنها هنا لأول مرة تُظهر أن OpenAI وMicrosoft كانتا تعلمان أن ما تفعلانه كان خطأً”. ولم تردّ OpenAI ولا Microsoft على طلبات التعليق.

لماذا يهم

إذا وازنت المحاكم بين هذه الاعترافات الداخلية ودفاع “الاستخدام العادل”، فقد تُعيد القضية تشكيل مقدار الحماية القانونية المتاحة لشركات الذكاء الاصطناعي للتدريب على صحافة محمية بحقوق النشر دون دفع مقابل لها — وهي مسألة ذات أثر مباشر على كل ناشر يوجد عمله بالفعل ضمن بيانات تدريب أحد النماذج الأساسية.