New York Times y Daily News acusan a OpenAI de ocultar evidencia en juicio por derechos de autor

Nuevas revelaciones en el litigio por copyright

The New York Times y The Daily News afirman que OpenAI ha estado mintiendo sobre su capacidad para buscar datos de registros de chat de clientes y conjuntos de datos de entrenamiento para encontrar sus obras protegidas por derechos de autor. Es la última escalada en una demanda de dos años contra la empresa de inteligencia artificial por supuestamente violar la ley de derechos de autor al entrenar sus modelos generativos de IA con el contenido del Times y reproducir ese periodismo en las salidas de los usuarios.

Las acusaciones clave

Durante el caso, OpenAI argumentó que carecía de la capacidad de buscar su propio corpus de entrenamiento. También argumentó que buscar o producir su enorme colección de conversaciones de ChatGPT sería una carga técnica y plantearía preocupaciones de privacidad del usuario. Los demandantes buscaban esos datos para determinar si sus trabajos periodísticos estaban presentes en el conjunto de datos de entrenamiento de OpenAI y con qué frecuencia ChatGPT generaba respuestas que usaban o reproducían su contenido.

En una declaración judicial ordenada en abril, el ingeniero de privacidad de datos de OpenAI, Vinnie Monaco, supuestamente reveló que OpenAI ya había realizado búsquedas y evaluaciones internas de su corpus de entrenamiento para buscar trabajos periodísticos protegidos por derechos de autor.

La declaración de Monaco también reveló que, antes de que el NYT presentara su demanda, OpenAI ya había acumulado una base de datos de aproximadamente 78 millones de conversaciones de ChatGPT desidentificadas que estaba utilizando internamente para determinar cuánto estaba infringiendo los trabajos de otros. Además, OpenAI implementó un filtro “Bloom” como parte de un conjunto de herramientas llamado “Project Giraffe”, que detectaba y mantenía un registro de la regurgitación en las salidas, poco después de que se presentara la demanda.

Problemas con la evidencia

Los demandantes originalmente solicitaron a OpenAI una muestra de 120 millones de registros de chat, pero OpenAI negoció reducir la muestra a solo 20 millones. OpenAI finalmente presentó esa muestra a los tribunales en diciembre pasado, pero supuestamente incluía tantas tachaduras que la muestra resultó “inutilizable”, según palabras del tribunal. Los demandantes también afirmaron que OpenAI eliminó miles de millones de salidas de ChatGPT después de presentar la demanda, en violación directa de la orden de conservación del tribunal, y que la empresa sustituyó millones de registros en la muestra solicitada.

“Si OpenAI realmente creyera que copiar el periodismo de nuestros clientes era justo y legal, no habría ocultado la verdad sobre haberlo hecho”, dijo Ian B. Crosby, abogado principal de los demandantes, en un comunicado.

Ahora, el NYT y The Daily News piden al juez que discipline a OpenAI por supuestamente retener evidencia y alterar el proceso de descubrimiento. Solicitan que el tribunal impida que OpenAI use la muestra de 20 millones de registros de chat como evidencia, alegando que no es confiable; que acepte como hecho que los registros de ChatGPT habrían mostrado una regurgitación importante y la fundamentación del contenido de los demandantes; que impida a OpenAI argumentar que sus registros de chat proporcionados no demuestran regurgitación sustancial; y que obligue a OpenAI a pagar honorarios legales por haber tenido que buscar esta evidencia.

Respuesta de OpenAI

En un comunicado, el portavoz de OpenAI, Drew Pusateri, negó las acusaciones y acusó al Times de intentar acceder a conversaciones privadas de usuarios a medida que su caso se debilita.

“A medida que el caso del Times se debilita y se han visto obligados a retirar acusaciones contra nosotros, persisten en sus esfuerzos por invadir la privacidad de personas que no tienen nada que ver con este caso, incluso haciendo estas acusaciones totalmente falsas”, dijo Pusateri. “Continuaremos defendiendo la privacidad de nuestros usuarios y los principios establecidos de uso justo”.

El enfrentamiento legal continúa, con ambas partes manteniendo sus posiciones. La decisión del juez podría sentar un precedente importante sobre el uso de contenido protegido por derechos de autor en el entrenamiento de modelos de inteligencia artificial.