Il New York Times e un gruppo di altri editori hanno chiesto a un giudice di Manhattan di sanzionare OpenAI, accusandola di aver ingannato la controparte durante la fase di raccolta delle prove nella causa sul copyright. Secondo la mozione, depositata il 9 luglio, la societa' di Sam Altman avrebbe nascosto per oltre due anni la propria capacita' di effettuare ricerche all'interno dei dataset di addestramento e dei registri delle risposte di ChatGPT, mentre gli editori chiedevano proprio quei documenti.
Alla richiesta di sanzioni partecipano, oltre al Times, il New York Daily News, il Center for Investigative Reporting, The Intercept e l'editore digitale Ziff Davis, casa madre di CNET. La posta in gioco va oltre il singolo caso: si discute se addestrare i modelli di frontiera su opere protette senza autorizzazione sia legale, una questione che riguarda l'intero modo in cui e' stata costruita l'IA generativa degli ultimi anni.
Le accuse: ricerche nascoste e conversazioni cancellate
Il nodo, secondo gli editori, e' emerso in una deposizione di aprile: un ingegnere di OpenAI dedicato alla privacy dei dati, Vinnie Monaco, avrebbe rivelato che l'azienda aveva gia' condotto ricerche interne nel proprio corpus di addestramento per verificare la presenza di articoli giornalistici protetti, nonostante avesse inizialmente sostenuto di non poter accedere a quei dati. Una contraddizione che, se confermata, cambierebbe il peso delle prove nel processo.
C'e' di piu'. Sempre dalle deposizioni sarebbe emerso che OpenAI, ancora prima dell'avvio della causa, aveva costruito un archivio di circa 78 milioni di conversazioni di ChatGPT de-identificate, usato internamente per stimare quanto i modelli riproducessero opere altrui. Gli editori sostengono inoltre che l'azienda abbia cancellato miliardi di conversazioni dopo l'entrata in vigore di un ordine di conservazione delle prove: un'accusa particolarmente grave, perche' la distruzione di materiale rilevante dopo un ordine del giudice e' proprio cio' che le regole processuali statunitensi puniscono con le sanzioni.
Cosa chiedono gli editori al giudice
Le richieste sono pesanti. I querelanti chiedono al tribunale di impedire a OpenAI di usare come prova il proprio campione ridotto di registri e, soprattutto, di stabilire come fatto acquisito che quei log dimostrerebbero la riproduzione dei loro articoli da parte di ChatGPT. Sarebbe una scorciatoia probatoria che, se accolta, indebolirebbe molto la difesa dell'azienda nel merito, perche' darebbe per provato cio' che il processo dovrebbe accertare.
OpenAI respinge tutto. Un portavoce, citato da TechCrunch, ha definito le accuse «palesemente false» e ha accusato a sua volta il Times di voler violare la privacy di persone estranee al caso, ribadendo la volonta' di difendere gli utenti e il principio del fair use, l'uso lecito di materiale protetto a determinate condizioni. Per l'azienda, la richiesta di accedere ai log delle conversazioni degli utenti sarebbe sproporzionata e pericolosa per la riservatezza di milioni di persone.
Un fascicolo che pesa su tutta l'industria
La battaglia sulla trasparenza dei dati di training e' il fronte piu' delicato per l'intera industria dell'IA generativa. Se un giudice stabilisse che i laboratori devono conservare e mostrare i propri registri, e che l'incapacita' di farlo si traduce in una presunzione di colpa, l'intero settore dovrebbe rivedere le proprie pratiche di conservazione e documentazione. La causa del New York Times, avviata alla fine del 2023, e' diventata il caso simbolo di questo scontro, seguito da decine di altri contenziosi analoghi negli Stati Uniti.
Non a caso, come ricordato anche da Variety, OpenAI e' contemporaneamente sotto pressione su piu' fronti legali, incluso il contenzioso avviato da Apple sui presunti segreti industriali dell'hardware. Il tema di fondo e' sempre lo stesso: quanto valgono i contenuti — testi, immagini, codice — usati per addestrare i modelli, e chi deve essere pagato per essi. La prossima mossa spetta ora al tribunale di Manhattan, che dovra' decidere se e come punire la condotta contestata. Una decisione favorevole agli editori non chiuderebbe la causa, ma segnerebbe un precedente pesante su come i laboratori dovranno comportarsi in tribunale.
