Foi entre o Natal e o Ano Novo que o New York Times (NYT) colocou um processo de abuso de propriedade intelectual à OpenAI e à Microsoft. O New York Times, que é um dos mais bem-sucedidos títulos de imprensa a nível mundial, alega que o ChatGPT reproduz ilegalmente conteúdo editorial que o jornal cobra para fornecer aos seus leitores, o que constitui um abuso de propriedade intelectual e coloca em causa a sua sustentabilidade. Por isso exige ser ressarcido pelos “biliões de dólares de danos comerciais e reputacionais”, e construiu um caso aparentemente sólido (que pode ser consultado nesta notícia no nosso site).
A OpenAI, que é dona do ChatGPT, é a primeira responsável nomeada no processo; mas a Microsoft está também implicada, visto que é a investidora de referência da OpenAI e tem utilizado o ChatGPT nos seus produtos - o que leva, como a acusação demonstra, os conteúdos do NYT para os produtos Microsoft. A acusação está extremamente bem fundamentada com recurso a vários exemplos em que os conteúdos do jornal foram integralmente reproduzidos sem autorização e casos em que o nome do título é usado abusivamente para incluir conteúdos que nunca lá foram referidos. Este processo tem o potencial de desencadear uma cascata de processos em vários mercados espalhados pelo mundo, levando à falência destes modelos generativos e inviabilizando o seu uso.
Já foi admitido várias vezes que esta tecnologia não pode existir sem o acesso a imensas bases de dados de informação de qualidade. A Andreessen Horowitz, uma empresa de investimentos em empresas tecnológicas que gere somas avultadas nesta área, já tomou posição considerando que “impor aos criadores de modelos de IA o custo da responsabilidade real ou potencial em matéria de direitos de autor irá matar ou dificultar significativamente o seu desenvolvimento”. Esta admissão é duplamente irónica, pois admite o valor intrínseco do produto que está a ser roubado e reconhece que ele é essencial para que o seu serviço venha a ser lucrativo. Ou seja, assume-se o ato (roubo) e a motivação (lucro), o que naturalmente não é uma interpretação inocente vindo de quem vem.
O processo é particularmente interessante, porque desafia as convenções sobre esta nova tecnologia, mas também porque questiona a abordagem aos direitos de autor na lei americana - com prováveis repercussões noutras partes do mundo. Se estes sistemas altamente lucrativos e transformadores não podem existir sem o trabalho dos criativos que lhes deu origem, resta perceber como se poderão compensar esses mesmos criativos. Ou, então, optar por ignorar o papel dos criadores - e isso significa reverter uma tendência de reconhecimento amplo das indústrias criativas como fatores de dinamização cultural e económica.
As questões técnicas
Em termos técnicos, há aqui duas questões relevantes. A primeira refere-se à existência ou não de uma cópia - e isso está sobejamente demonstrado na acusação apresentada no New York Times, que apresenta vários exemplos de perguntas a que o ChatGPT responde com a reprodução integral dos artigos do jornal.
A segunda refere-se ao uso justificado (denominado fair use em inglês). Mesmo reconhecendo o abuso a nível da cópia, existe a possibilidade prevista na lei de que exista um uso justificado. Um exemplo comum refere-se à sátira: alguém pode copiar extensas partes de um determinado produto criativo para o satirizar, estando isso abrangido pelo uso justificado - o que inibe a aplicação do princípio geral. Mas este uso justificado está limitado a quatro opções que serão avaliadas pelo tribunal: o propósito do uso da cópia efetuada; a natureza da cópia; a quantidade percentual do uso; e as consequências do uso dessa cópia para o sucesso comercial do autor original. E a verdade é que independentemente da natureza e da quantidade da mesma, é inegável que o propósito de uso dessa cópia é estabelecer alguma concorrência ao New York Times (enquanto produto que visa informar os seus subscritores) e que essa utilização prejudica irremediavelmente o autor original. A própria acusação refere explicitamente estes fatores como sendo a base da queixa, pelo que será difícil fugir a este argumento legal. De qualquer forma, como a jurisprudência não se aplica de maneira específica aos temas de copyright, sendo esperado que cada caso seja julgado com base nos seus próprios méritos.
Como o processo envolve a inteligência artificial generativa, tudo se torna mais complexo. Já foi revelado que os principais modelos de inteligência artificial aprenderam a partir de versões digitais pirateadas de livros, mas a resposta da indústria foi simplista: assumiu-se que o que estes modelos fizeram foi ler os artigos (e livros), aprendendo a partir deles, e que isso não era diferente de uma pessoa ler uma ideia num livro e estabelecê-la de forma sólida. Mas a verdade é que há aqui um aspeto técnico inerente aos produtos de inteligência artificial generativa: a “memorização”, um termo que corresponde à ingestão de conhecimento alheio e reprodução repetida do mesmo em diversas ocasiões, como o caso do New York Times demonstra.
A própria OpenAI reconheceu esta semana que o problema existe e que está a tentar resolvê-lo. Mas isso não será simples: este processo de memorização é o que torna úteis os modelos de linguagem, e está codificado nos seus princípios. É pela aquisição e manutenção de largas passagens de texto que o produto consegue reproduzir linguagem de qualidade, e um modelo que não memorizasse nada não conseguiria fornecer respostas coerentes. Portanto, o problema está longe de estar resolvido.
Dinheiro para salvar as indústrias criativas
Num momento em que a viabilidade comercial do jornalismo de qualidade está tão posta em causa, pode esta questão colocar-se a nível global? A verdade é que o processo do jornal New York Times demonstra que os modelos de linguagem como o ChatGPT dependem e muito de produtos editoriais de qualidade reconhecida, o que os torna um recurso interessante de treino e acesso.
Vários meios de comunicação social fizeram já acordos privilegiados com os donos destes chats. A própria OpenAI firmou acordos com a agência de notícias Associated Press e com a Axel Springer (dona de títulos como Politico, Business Insider, Welt e Bild). Outros, como a Google, planeiam integrar nas parcerias privilegiadas que têm com alguns publishers o acesso aos conteúdos editoriais para treinar os seus bots de inteligência artificial. E até alguns publishers, como o Dow Jones (detido pelo grupo Murdoch), têm andado a propor parcerias de acesso a conteúdos editoriais de publishers em mercados não-britânicos.
Muito vai depender do resultado deste processo, que poderá ainda ter implicações noutras indústrias criativas. Há processos contra a OpenAI por parte de diversos autores (como George R. R. Martin, autor de A Guerra dos Tronos), que não só se queixam da apropriação indevida dos seus livros para treino destes modelos de linguagem, mas também reclamam contra a facilidade com que se reproduz o estilo da sua escrita. E há, também, acusações contra o uso indevido de obras artísticas em modelos de imagem de que são exemplo o processo contra a Adobe, ou o processo colocado pela Getty Images pelo uso indevido de 12 milhões de imagens sua propriedade no treino do modelo Stable Diffusion. E a Universal, uma editora musical extremamente poderosa e habituada a fazer valer os seus princípios sobre propriedade de forma draconiana, também já processou a Anthropic pela reprodução indevida das suas letras.
