NYT acusa a OpenAI de ocultar pruebas en demanda de derechos de autor de ChatGPT

The New York Times y The Daily News han solicitado a un juez federal que sancione a OpenAI, alegando que la empresa ha estado mintiendo sobre su capacidad para buscar sus obras protegidas por derechos de autor en los datos de registros de chat de los clientes y en los conjuntos de datos de entrenamiento. Es la última escalada en una demanda de dos años que acusa a OpenAI de violar la ley de derechos de autor al entrenar sus modelos de inteligencia artificial (IA) generativa con el contenido del Times y reproducir ese periodismo en los resultados de los usuarios. Los demandantes también afirman que OpenAI eliminó miles de millones de resultados de ChatGPT después de que presentaran la demanda, en violación directa de la orden de preservación del tribunal, y que sustituyó millones de registros en la muestra solicitada; una conducta que, según afirman, equivale a ocultar pruebas y obstaculizar el proceso de revelación de pruebas (la fase previa al juicio en la que las partes intercambian pruebas). Crosby, abogado principal de los demandantes, argumentó que si OpenAI creyera genuinamente que el uso que hizo del periodismo de los medios de comunicación era legítimo y legal, no habría ocultado haberlo hecho.

Una declaración jurada de abril ordenada por el tribunal a Vinnie Monaco, ingeniero de privacidad de datos de OpenAI, reveló presuntamente que OpenAI ya había realizado búsquedas y evaluaciones internas en su corpus de entrenamiento para buscar obras periodísticas protegidas por derechos de autor. El testimonio de Monaco también demostró presuntamente que, incluso antes de que se presentara la demanda, OpenAI había acumulado una base de datos de alrededor de 78 millones de conversaciones desidentificadas de ChatGPT, la cual utilizó internamente para evaluar qué tanto estaba infringiendo las obras de terceros.

La declaración de Monaco también reveló presuntamente que OpenAI implementó un filtro de Bloom (una estructura de datos utilizada para detectar texto coincidente) como parte de un conjunto interno de herramientas llamado Project Giraffe, el cual detectó y registró la regurgitación —la reproducción de texto de entrenamiento en los resultados— poco después de que se presentara la demanda. Los demandantes señalan que esto debilita el argumento de OpenAI de que buscar en sus registros era técnicamente demasiado costoso, especialmente dado que OpenAI negoció una muestra solicitada de 120 millones de registros de chat para reducirla a solo 20 millones, la cual presentó ante los tribunales el pasado diciembre, y que, según los demandantes, incluía millones de registros sustituidos.

Drew Pusateri, portavoz de OpenAI, negó las acusaciones. “A medida que el caso del Times se debilita y se han visto obligados a retirar cargos en nuestra contra, persisten en sus esfuerzos por invadir la privacidad de personas que no tienen nada que ver con este caso, incluso al hacer estas acusaciones flagrantemente falsas”, afirmó Pusateri. Añadió que OpenAI continuará defendiendo la privacidad de sus usuarios y los principios de uso legítimo establecidos desde hace mucho tiempo.

Por qué importa

La disputa destaca la creciente fricción legal sobre la transparencia en el entrenamiento de la IA, mientras los editores intentan demostrar la infracción de derechos de autor y los desarrolladores de IA protegen sus datos de entrenamiento y la privacidad de los usuarios.