Documentos divulgados em um novo processo judicial indicam que a OpenAI pode ter utilizado mais de 100.000 livros para treinar o modelo GPT-3, violando os direitos autorais de autores e editoras. A Authors Guild, associação de escritores americanos, é quem move o processo, e alega que a desenvolvedora do ChatGPT chegou a destruir os conjuntos de dados e demitir os funcionários envolvidos no projeto.

Os dados, descritos como "books1" e "books2", continham cerca de 50 bilhões de palavras e foram excluídos pela empresa quando o processo já estava em andamento. Para referência, considere que a Bíblia tem entre 750.000 a 800.000 palavras.

Metódico e cientificamente aprimorado: veja a rotina do bilionário Sam Altman

Entenda o processo

De início, a OpenAI resistiu em fornecer detalhes, citando confidencialidade, antes de admitir a exclusão dos dados, que, de acordo com um white paper de 2020, representavam 16% dos dados utilizados para treinar o GPT-3.

Os pesquisadores responsáveis pela criação desses conjuntos de dados já não estão mais empregados na OpenAI, e a empresa tem lutado nos tribunais para manter suas identidades (e detalhes sobre os conjuntos de dados) em sigilo. Essa tentativa, no entanto, enfrenta forte oposição do Authors Guild, que argumenta que o público tem o direito de estar informado sobre estas práticas.

A OpenAI afirmou que os modelos atuais, incluindo o ChatGPT e outras APIs, não foram desenvolvidos usando esses conjuntos de dados controversos. Segundo a empresa, o "books1" e o "books2" foram utilizados pela última vez em 2021 e excluídos no ano seguinte devido à falta de uso.

Enquanto enfrenta esse processo (e outro movido por Elon Musk), a OpenAI já fechou seis parcerias com jornais do mundo todo para treinar seus modelos de IA de forma responsável. Associated Press dos EUA, Axel Springer da Alemanha, Le Monde da França, Prisa Media da Espanha e, mais recentemente, a publicação inglesa Financial Times. Os termos financeiros não foram revelados.

Microsoft está desenvolvendo o próprio modelo de IA — para provar que não precisa da OpenAI Meta divulga novas ferramentas de inteligência artificial para anunciantes “Me ouço em todo lugar”: ela teve a voz vendida como se fosse de uma inteligência artificial