Microsoft幹部、AIスクレイピングを「人類史上最大の労働窃盗」と発言、NYT対OpenAI訴訟の未編集提出書類で明らかに

ニューヨーク・タイムズ対OpenAIおよびマイクロソフトの著作権訴訟で新たに伏せ字が解除された資料には、両社のフェアユース抗弁を弱めるマイクロソフトとOpenAIの内部通信が含まれている。TechCrunchの報道によると、提出書類には、マイクロソフトの応用科学部門ディレクター、ブレント・ヘクト氏が2023年1月のメモで、両社の訓練データ取得を「前例のない規模の驚くべき窃取」および「人類史上最大の労働窃取」と表現していたと記されている。

提出書類の主張

• 両社は、ペイウォールを検知されずに回避し、大規模スクレイピングによって訓練データセットを構築し、訓練データから著作権表示を削除したとされる。
• OpenAIの中間訓練データセットだけでも、NYT、Daily News、Center for Investigative Reportingが発行した著作物の91,692件以上のコピーが含まれている。
• Common Crawl由来のデータセットには、nytimes.comだけから200万件以上の文書が含まれていた。
• マイクロソフト自身のデータによると、同社のCopilot「アンサーエンジン」は、従来のBing検索と比較してNYTドメインのクリックスルー率を最大93%低下させた。

「ドゥームループ」の内部文書

2024年1月のヘクト氏によるマイクロソフトのプレゼンテーションは、このトラフィック減少を「ドゥームループ」と表現し、「当社のモデルの性能とウェブ全体を同時に損なう」と述べ、さらに警告している。「最終製品が、その不可欠な供給者の経済的基盤を脅かすことは極めて異例だが、それが当社のLLM事業に関して、その『コンテンツ供給チェーン』との関係で作り出してしまった状況である。」別のマイクロソフト文書は、生成AIが「基盤モデルの訓練に使われたデータを生成した人々の雇用を大きく破壊する」という「現実のリスク」を指摘している。

フェアユースに不利に働く発言

• マイクロソフトCEOのサティア・ナデラ氏は今年、法廷で「ペイウォールの内側にあるものは、グラウンディングや訓練のために使いたいと望む者によってライセンスされるべきだ」と証言し、もしOpenAIがペイウォール内のデータをスクレイピングしたと知っていたら再訓練を要求していただろうと述べた。
• OpenAIのChatGPT責任者ニック・ターリー氏は社内で、出版社は「存在论的脅威」に直面していると書き、その理由としてチャットボットが「大部分において代替的」であり、「性能が向上するにつれてますます代替的になる」ためだと述べた。
• OpenAI社長のグレッグ・ブロックマン氏は、モデルを「ニュースが得意」と表現した。ナデラ氏は、ボットとのチャットが出典ウェブサイトへの訪問の代替になることに宣誓下で同意した。

文脈

この訴訟は3年間続いており、裁判官は概してフェアユースについてAI企業寄りの立場を取ってきた。またトランプ政権は今月、OpenAIの無許可使用訓練を擁護する意見書を提出した。留意点として、新しい資料の多くはタイムズ自身の書面による主張から来ており、基礎となる封印された証拠資料ではない。また引用された箇所は元の文脈を伴わずに提示されている。RAGや訓練パイプラインを提供する開発者にとって、ここでの証拠開示は、データの出所とライセンス条件が単なるエンジニアリング上の衛生管理ではなく、法廷証拠になりつつあることを思い起こさせる。