«Исследовательская миссия» в OpenAI: вытеснить писателей

В книжном деле против OpenAI и Microsoft истцы ссылаются на внутреннюю переписку и показания сотрудников OpenAI, которые теперь сняты с засекречивания. Из этих материалов следует, что в компании знали о пиратском происхождении части данных и ожидали, что машинные книги потеснят авторские на рынке. Подборку цитат из ходатайства истцов о частичном суммарном решении 21 сентября опубликовал Publishers Weekly.

Самая ранняя цитата взята из записки OpenAI от августа 2019 года: «Мы обучили GPT-3 на пиратских материалах! Никому не показывать!» Джек Кларк, директор OpenAI по политике, в показаниях мая 2020 года говорил: «Чем лучше у нас получается GPT-X, тем сильнее авторы жанровой прозы будут опасаться, что мы заменим их на Amazon». Там же он допускал, что однажды художники выскажут тревогу, «и мы, скорее всего, проигнорируем их опасения и всё равно выпустим».

Больше всего цитат принадлежит Таруну Гогинени, которого OpenAI наняла в 2022 году руководить работой над качеством текстов моделей. Свою «исследовательскую миссию» он, судя по документам, описывал как создание машины, которая вытеснит авторов. О жалобах, что «датасеты украдены» и что авторы теряют работу из-за машинной конкуренции, он знал. Но не находил их «вызывающими большое сочувствие» и считал происходящее «приемлемым экономическим потрясением». Он же предсказывал «смерть читателя», когда «машины создают слоп для других машин». В показаниях фигурирует и его твит: если Джордж Р. Р. Мартин умрёт рано, «GPT сможет написать следующую книгу „Песни льда и огня“». Authors Guild в своём разборе добавляет, что Гогинени говорил о своей «непомерной власти над английским языком» и признавал, что способности моделей держатся на «огромном наследии человеческого мастерства, записанном в байтах».

Отдельный блок касается Library Genesis, теневой библиотеки пиратских книг. По версии истцов, Microsoft знала об использовании LibGen в OpenAI ещё с апреля 2019 года, а в 2022 году OpenAI удалила файлы LibGen в ходе проекта под названием Project Clear. Вице-президент по исследованиям Боб Макгроу писал коллегам: «Учитывая, сколько OpenAI сейчас в новостях, самое время вычистить Libgen из наших систем и хранилищ. Что для этого потребуется?»

Суммарное решение суд выносит по праву, без присяжных. Если он найдёт спорные существенные факты, дело идёт в процесс. В ходатайстве истцы называют вред рынку «единственным самым важным элементом» в оценке fair use и утверждают, что модели OpenAI «способны вытеснять авторов именно потому, что эксплуатировали их произведения». Свои ходатайства подали и ответчики.

Путь дела до этого этапа:

• 19 сентября 2023 года: Authors Guild и более десятка авторов подают иск к OpenAI.
• Декабрь 2023 года: в исправленном иске ответчиком становится Microsoft. Истцы указывают на её инвестиции в OpenAI на 13 миллиардов долларов, долю 49% в коммерческом подразделении и место наблюдателя в совете директоров.
• 3 апреля 2025 года: иск объединяют в многоокружное производство (MDL) с делами The New York Times и других изданий у судьи Стайна. Общими становятся досудебные этапы вроде сбора доказательств, а сами иски остаются отдельными.
• 27 октября 2025 года: судья Стайн отказывается отклонить претензии к ответам ChatGPT. По его оценке, присяжные могут счесть созданные ChatGPT пересказы романов истцов существенно похожими на сами книги. Вопрос fair use суд при этом не решал.
• 27 февраля 2026 года: закрывается этап сбора фактов.
• Сентябрь 2026 года: обе стороны просят решить спор без процесса.

Раскрытие по книжному делу последовало через несколько дней после аналогичного в деле The New York Times. Там из документов следует, что использование миллионов новостных статей для обучения моделей несёт «экзистенциальную угрозу» газетным издателям, а директор Microsoft по прикладной науке Брент Хект, по словам истцов, называл обучение на новостях «поразительной кражей».

Срок для возражений на ходатайства истёк позже, 9 октября. Ответы на возражения ожидаются к 6 ноября, дата слушаний не назначена.