OpenAI obrigada a entregar 20 milhões de registos do ChatGPT no caso de direitos de autor do NYT

Em resumo

• A decisão obriga a OpenAI a fornecer 20 milhões de registos de conversas após meses de disputas sobre privacidade, preservação e âmbito.
• A juíza Ona T. Wang considerou que o tamanho da amostra é “proporcional” ao que o caso exige para provar se a saída do ChatGPT reproduziu conteúdo do Times.
• O caso faz parte de uma vaga crescente de desafios de direitos de autor sobre a forma como os laboratórios de IA obtêm e utilizam dados de treino.

Hub de Arte, Moda e Entretenimento da Decrypt.

Descubra SCENE

Uma juíza federal de instrução ordenou que a OpenAI entregue cerca de 20 milhões de registos de ChatGPT desidentificados ao The New York Times e a outros queixosos, aprofundando a exposição da empresa de desenvolvimento de IA a uma série de disputas sobre direitos de autor e governação de dados.

Emitida na quarta-feira em Nova Iorque, a ordem rejeita o pedido da OpenAI para bloquear a produção dos registos de conversas dos utilizadores e instrui a empresa a entregar os registos sob um quadro de proteção.

O resultado poderá moldar a forma como empresas tecnológicas como a OpenAI, Anthropic e Perplexity obtêm dados de treino, licenciam conteúdo e constroem mecanismos de proteção em torno do que os seus sistemas podem gerar.

Embora o tribunal “reconheça que as considerações de privacidade dos utilizadores da OpenAI são legítimas”, tais considerações “são apenas um dos fatores na análise de proporcionalidade, e não podem prevalecer quando existe relevância clara e um ónus mínimo”, escreveu a juíza federal Ona T. Wang.

A Decrypt contactou ambas as partes para obter comentários.

A ordem decorre do processo em curso do Times, que alega que os modelos da OpenAI foram treinados com conteúdo noticioso protegido por direitos de autor sem permissão. O processo foi inicialmente avançado em dezembro de 2023.

Em janeiro do ano passado, a OpenAI contestou as alegações do NYT e apresentou uma ação de reconvenção, alegando que a publicação não estava a “contar a história completa”.

Mais tarde, o tribunal concluiu que as 20 milhões de amostras de registos de conversas em questão são “proporcionais às necessidades do caso” para avaliar se as respostas do ChatGPT copiaram material do NYT.

No último ano, a disputa intensificou-se, com os queixosos a exigir amplo acesso aos dados gerados, enquanto a OpenAI alertava que a produção extensiva destes materiais levantaria questões de privacidade e aumentaria o ónus operacional.

Em junho, a OpenAI enfrentou outro revés quando o tribunal ordenou à empresa que preservasse uma vasta gama de dados de utilizadores do ChatGPT para o processo, incluindo conversas que os utilizadores já possam ter eliminado.

Meses depois, em outubro, a disputa reacendeu-se, com o tribunal a referir o documento da OpenAI de 20 de outubro (ECF 679) que contestava a produção da amostra de 20 milhões de registos, ordenando a ambas as partes que apresentassem esclarecimentos sobre os motivos do desacordo.

Na altura, a juíza pediu às partes que explicassem como a disputa se relacionava com preocupações anteriores sobre registos eliminados e se a OpenAI tinha recuado em acordos feitos anteriormente sobre o que alegadamente entregaria.

No final do mês passado, a OpenAI apresentou uma objeção formal, pedindo ao juiz distrital que revogasse a ordem de descoberta do juiz de instrução.

A empresa argumentou que a decisão era “claramente errada” e “desproporcional”, pois obrigaria a empresa a divulgar milhões de conversas privadas dos utilizadores, segundo um documento judicial partilhado com a Decrypt por um representante da OpenAI.

O litígio surge numa ofensiva mais ampla contra laboratórios de IA, com autores, organizações noticiosas, editoras de música e repositórios de código a procurarem testar até onde vai a legislação de direitos de autor existente quando os modelos ingerem e reproduzem material protegido.

Tribunais nos EUA e na Europa estão agora a analisar reivindicações semelhantes.