Microsoft, kendi belgelerinde yapay zekâ veri kazımasını «tarihin en büyük emek hırsızlığı» olarak niteledi

Bir Microsoft bilim insanı, şirketin inşa ettiği şeye bir isim koydu ve bu isim hiç de gurur verici değildi. Büyük dil modellerinin açık internetten nasıl öğrendiğini incelerken buna ‘insanlık tarihinin en büyük emek hırsızlığı’ adını verdi. Bu satır, şirket içi kullanım için yazılmıştı. Şimdi ise bir mahkeme delili.

Bu ifade, bir ‘işte yakalandın’ anı olarak karşımıza çıkıyor: Yapay zeka devinin kendi çalışanı, iş modeline hırsızlık diyor. Bu okuma biçimi fazla dar. Mahkemeye sunulan belgelerin asıl gösterdiği şey, paraya çevirdiği mekanizmayı anlayan, bu mekanizmayı açık bir dille tanımlayan ve yine de ürünü piyasaya süren bir şirkettir. İlginç olan kısım hakaret değil. Onun altındaki şemadır.

Belge, Microsoft’un uygulamalı bilim direktörü Brent Hecht’e ait ve The New York Times’ın OpenAI ile Microsoft’a açtığı telif davasında gün yüzüne çıktı. Hecht, yayımlanmış eserler üzerinde ödeme yapılmadan model eğitmenin ‘benzeri görülmemiş boyutlarda şaşırtıcı bir hırsızlık’ olduğunu savundu. Ayrı bir şirket içi sunum ise işleyişin mekaniğine daha da derinlemesine girdi: Microsoft’un yapay zeka içerik stratejisinin, ‘modellerimizin ve tüm internetin aynı anda performansını düşürecek’ bir ‘kıyamet döngüsü’ başlattığı uyarısında bulundu. Bir satırda, büyük dil modellerinin ‘kendi tedarik zincirini yok eden bir ürün’ olduğu yazıyordu.

Son cümle, yedi kelimeyle tüm hikâyeyi anlatıyor. Arama kutusunun içinde bir soruyu yanıtlayan sohbet robotu, öğrendiği sayfaya tıklama nedenini ortadan kaldırıyor. Daha az tıklama, o yazıları üreten siteler için daha az gelir anlamına geliyor; bu da daha az sitenin hayatta kalması ve bir sonraki modelin eğitileceği taze insan metninin azalması demek. Microsoft bu döngüyü dışarıdan teorize etmedi. Kendi verileri bunu ölçtü: Copilot’un yanıtlama motoru, Times’ın sitesine olan tıklanma oranlarını normal aramaya kıyasla yüzde 93’e varan oranlarda düşürdü.

Dosyalar ayrıca ticaretin girdi tarafını da sayısallaştırıyor. OpenAI’in eğitim ortasındaki veri seti, Times, Daily News ve Center for Investigative Reporting’dan 91.000’den fazla eser kopyası içeriyordu. Common Crawl’dan alınan bir veri seti, yalnızca nytimes.com’dan iki milyondan fazla belge taşıyordu. Project Mango adlı bir koleksiyon, haber yayıncılarından en az 160.000 benzersiz eser barındırıyordu. Dosyalar, ödeme duvarlarının aşıldığını ve metnin eğitime verilmeden önce telif bildirimlerinin kaldırıldığını anlatıyor.

OpenAI’in kendi yöneticileri de bu etki konusunda saf değildi. ChatGPT’yi yöneten Nick Turley’nin, ürünleri gazetecilik için ‘büyük ölçüde ikame edici’ olarak tanımladığı ve bu değişimi yayıncılar için ‘varoluşsal bir tehdit’ olarak nitelendirdiği aktarılıyor. Bu, Hecht’in farklı bir iş unvanı altında dosyaladığı sonuçla aynı.

İşte bu dilin, sadece bir utanç kaynağı olmanın ötesinde neden önemli olduğu burada başlıyor. Microsoft, bu ifadelerden uzaklaştı ve mahkemeye asıl pozisyonunun telif hakkı yasalarına uygun olduğunu söylerken, iki şirket de sızıntı hakkında yorum yapmayacağını belirtti. Ancak adil kullanım savunması, kısmen bir şirketin neyi bildiğine ve niyet ettiğine bağlıdır. Kendi bilim insanlarının zararı adlandırdığı belgeler — hırsızlık, yok edilen bir tedarik zinciri, içi boşaltılmış bir internet — şirketin basitçe reddedebileceği görüşler değildir. Bunlar, mekanizmanın ölçeklenmeden önce anlaşıldığına dair kanıt olarak okunur.

Bu modellerin öğrendiği internet, karşısında bir okuyucu olduğunu varsayan insanlar tarafından inşa edildi. Microsoft’un dosyaları, şirketin yazılı olarak o okuyucunun sistemden çıkarıldığını bildiğini ve inşa etmeye devam ettiğini gösteriyor.

Etiketler: OpenAI, microsoft, AI training data, Brent Hecht, copyright lawsuits, The New York Times