OpenAI обязали раскрыть данные об удалении пиратских книг

Федеральный судья Она Ванг в Нью-Йорке обязала OpenAI раскрыть внутренние переписки с юристами, касающиеся удаления двух наборов данных с пиратскими книгами из библиотеки LibGen.

Истцы, Authors Guild и известные писатели, включая Джорджа Мартина и Джона Гришэма, утверждают, что в 2018 году сотрудник OpenAI загрузил массив данных LibGen, из которого были сформированы наборы Books1 и Books2, содержащие свыше 100 000 книг. Эти наборы были использованы для обучения GPT-3 и GPT-3.5, но затем, в 2022 году, были удалены. OpenAI заявила, что датасеты просто устарели и перестали использоваться. Судья отметила, что это единственные наборы данных, когда-либо удаленные компанией.

При попытке выяснить причины удаления, OpenAI сослалась на адвокатскую тайну. Ранее компания заявляла, что файлы были удалены из-за неиспользования, но впоследствии отказалась обсуждать причины, утверждая, что они являются привилегированной информацией. Судья Ванг подчеркнула, что OpenAI противоречиво заявляет о добросовестности и одновременно блокирует доступ к документам, подтверждающим эту добросовестность.

Суд обязал OpenAI предоставить внутреннюю документацию, включая переписку с юристами о причинах удаления Books1 и Books2, а также упоминания LibGen. Особое внимание уделено Slack-каналу excise-libgen / project-clear, где обсуждалось удаление данных LibGen.

Это решение представляет опасность для OpenAI, так как переписка может выявить масштабы использования пиратских книг и попытки скрыть юридические риски. Аналогичная ситуация уже возникала в деле Bartz v. Anthropic, где компания заключила мировое соглашение на сумму около 1,5 млрд долларов после признания нарушения авторских прав при использовании пиратских материалов.