Resumo:
Em resposta a um processo conjunto de violação de direitos autorais iniciado por editores de notícias e autores de livros, a Microsoft apresentou os mais recentes materiais de defesa ao tribunal, insistindo que seu chatbot de inteligência artificial Copilot quase nunca copia literalmente ou reproduz substancialmente relatórios de mídias como o The New York Times e obras literárias protegidas por direitos autorais. Esta postura visa construir uma defesa legal sólida de “uso justo” para a Microsoft e a OpenAI e pressionar o tribunal a encerrar os casos relacionados por meio de julgamento sumário o mais rápido possível.
Como parte do processo de descoberta no processo, a Microsoft divulgou um banco de dados de 8,2 milhões de transcrições de conversas reais do Copilot para especialistas contratados pelas organizações de notícias demandantes. A Microsoft destacou que o conjunto de dados não foi selecionado aleatoriamente, mas foi selecionado especificamente com base em palavras-chave relacionadas ao site de notícias do reclamante. Em teoria, é um conjunto de amostras que “provavelmente contém conteúdo supostamente infrator”.
No entanto, os resultados da análise dos dados revelaram frequências de repetição extremamente baixas. Entre esses 8,2 milhões de registros filtrados, apenas 59.545 registros continham pelo menos 16 palavras consecutivas que se sobrepunham ao conteúdo noticioso utilizado para treinamento do modelo, representando menos de 1% do total de registros. Além disso, no processo envolvendo a organização sem fins lucrativos de reportagem investigativa "Center for Investigative Reporting" (Center for Investigative Reporting), o perito original identificou apenas 51 casos numa amostra massiva que constituíam "sobreposição substancial" com o material da organização.
Em outro caso consolidado apresentado por um grupo de escritores sobre direitos autorais de livros, os dados de testes mostraram uma tendência semelhante. Especialistas independentes contratados pelos redatores do demandante realizaram uma revisão dos 212 livros envolvidos no caso e, finalmente, encontraram registros gerados com pelo menos 30 palavras sobrepostas em apenas 10 livros, com um total de apenas 24 dessas amostras correspondentes.
A Microsoft argumentou no tribunal que esses dados detalhados apenas confirmaram sua principal defesa legal, ou seja, o uso de materiais protegidos por direitos autorais para treinar grandes modelos de linguagem é "uso justo" sob a estrutura da lei de direitos autorais dos EUA. A Microsoft enfatizou que o propósito de usar materiais protegidos por direitos autorais do Copilot e do sistema generativo de IA por trás dele é fundamentalmente diferente daquele da publicação original. Seu mecanismo fundamental é absorver e reorganizar padrões de linguagem para gerar novos conteúdos, em vez de circular como substituto da obra original. Mesmo que fragmentos de texto esporádicos reapareçam ocasionalmente, isso não pode apagar as características de “uso transformador” do grande processo de treinamento do modelo linguístico.
Anteriormente, diversas organizações de mídia e grupos de criadores, incluindo o New York Times, o Center for Investigative Reporting e o Authors Guild, entraram com uma ação conjunta acusando a Microsoft e a OpenAI de obter ilegalmente milhões de artigos e livros originais sem autorização para treinar suas plataformas comerciais de IA e de competir diretamente com autores originais, gerando conteúdo altamente sobreposto, impactando gravemente o ecossistema empresarial do jornalismo independente e da criação literária. Para melhorar a eficiência dos processos judiciais, os processos relacionados envolvendo editores e redatores de notícias foram consolidados e entregues ao mesmo juiz federal.
No momento, a Microsoft solicitou oficialmente ao tribunal um julgamento sumário, na esperança de usar os dados acima para provar que a acusação de infração substantiva do autor carece de uma base factual universal, resolvendo assim este importante processo da indústria numa fase inicial relativamente à legalidade da formação subjacente de inteligência artificial generativa. Até agora, o New York Times, o Center for Investigative Reporting e o Writers Guild of America não comentaram publicamente as últimas estatísticas e declarações judiciais apresentadas pela Microsoft.
Comentários