Cosa è successo
La causa va avanti da circa due anni. Le testate accusano OpenAI di aver addestrato i suoi modelli generativi sui contenuti del Times senza permesso e di riprodurre quel giornalismo in ciò che ChatGPT racconta agli utenti.
Per dimostrarlo, i querelanti volevano accedere a due cose: il dataset di addestramento e l'enorme mole di conversazioni di ChatGPT. L'obiettivo è capire se i loro articoli ci sono e quante volte ChatGPT li usa o li ripete.
Stando agli atti, OpenAI aveva sostenuto di non poter cercare nei dati su cui si è addestrata. Aveva anche detto che cercare o consegnare i log delle chat sarebbe stato tecnicamente oneroso. In più aveva tirato in ballo la privacy degli utenti, visto che i log andrebbero prima recuperati, elaborati e resi anonimi.
Poi è arrivata una deposizione ordinata dal tribunale, ad aprile. I querelanti sostengono che Vinnie Monaco, ingegnere della privacy dei dati di OpenAI, si sia lasciato scappare che l'azienda aveva già eseguito ricerche e valutazioni interne sul proprio corpus di addestramento, a caccia di giornalismo protetto da copyright.
Se regge, "non possiamo" comincia a somigliare molto a "l'abbiamo fatto, ma non per voi".
Perché conta
La discovery è il punto in cui le cause sul copyright dell'IA si vincono o si perdono. Se un modello abbia assorbito opere protette è una questione di prove, e le prove stanno sui server dell'imputato.
Se un'azienda può cercare nei propri dati per i propri scopi ma dice a un giudice di non poterlo fare per quelli della controparte, i giudici di solito se ne accorgono. Resta un'accusa di una sola parte. Ma colpisce dritta la credibilità di OpenAI su un punto fattuale centrale, in uno dei casi di copyright sull'IA più seguiti al mondo.
Mette sotto una luce più forte anche l'argomento privacy. Proteggere le conversazioni degli utenti è una preoccupazione legittima. È anche uno scudo comodissimo, e i tribunali valuteranno se qui sta facendo davvero il suo lavoro.
Per tutti gli altri che addestrano modelli su contenuti raccolti dal web, la lezione è chiara: i tuoi dati potrebbero un giorno essere richiesti da un tribunale, e "è troppo grande per guardarci dentro" è una difesa traballante.
Cosa farne
- Guarda il tribunale, non il comunicato stampa.I prossimi atti e la reazione del giudice diranno se l'accusa regge.
- Conosci la tua traccia di dati.Se sviluppi o acquisti IA, chiedi ai fornitori cosa possono davvero cercare e verificare nei loro dati di addestramento.
- Considera i log delle chat come recuperabili.Tutto ciò che il tuo team incolla in un chatbot può un giorno essere recuperato, elaborato e letto da estranei.
- Editori, documentate tutto.Se il vostro lavoro è dentro un modello, le prove di riproduzione negli output sono la benzina di questi processi.
Ciao, sapiens. Quando la macchina dice di non poter guardare, controlla chi altro ha già guardato.


