New York Times og The Daily News hevder at OpenAI har løyet om sin evne til å søke i egne chatlogger og treningsdata, skriver TechCrunch. Gjennom hele det to år lange søksmålet har OpenAI holdt fast ved at selskapet ikke kunne søke i sitt eget treningskorpus, og at uttrekk av ChatGPT-samtaler ville være teknisk tungt og problematisk for brukernes personvern.
I en rettspålagt forklaring i april skal OpenAI-ingeniøren Vinnie Monaco ha opplyst at selskapet allerede hadde gjennomført interne søk i treningskorpuset etter opphavsrettsbeskyttet journalistikk. Ifølge samme forklaring hadde OpenAI, før søksmålet ble reist, bygget opp en database på rundt 78 millioner avidentifiserte ChatGPT-samtaler, brukt internt til å måle hvor mye selskapet grep inn i andres verk. Kort tid etter søksmålet innførte OpenAI et Bloom-filter i en verktøykasse kalt «Project Giraffe», som fanget opp og loggførte når modellen gjenga kildetekst ordrett.
Utvalget av chatlogger er kjernen i striden. Saksøkerne ba opprinnelig om 120 millioner logger, men OpenAI forhandlet det ned til 20 millioner. Da utvalget kom i desember, var det ifølge retten så sladdet at det var «ubrukelig». Saksøkerne hevder også at OpenAI slettet milliarder av ChatGPT-svar etter at søksmålet var reist, i strid med rettens pålegg om bevissikring.
«Hvis OpenAI virkelig mente at kopiering av våre klienters journalistikk var rimelig og lovlig, ville selskapet ikke skjult at det hadde gjort det.» — Ian B. Crosby, saksøkernes hovedadvokat
OpenAI avviser anklagene. Talsperson Drew Pusateri sier at Times forsøker «å trenge inn i privatlivet til folk som ikke har noe med saken å gjøre», etter hvert som saken deres svekkes, og at selskapet fortsatt står på prinsippet om fair use.
Hvorfor det betyr noe for de som bygger: saksøkerne krever nå at retten skal legge til grunn som faktum at loggene ville vist omfattende gjengivelse av kildetekst. Får de medhold, flyttes bevisbyrden. Da må modelltilbydere kunne dokumentere hva som ligger i treningsdataene og hva modellen gjengir, ikke bare hevde at de ikke kan sjekke.