The New York Times Lança um Forte Caso Contra Microsoft e OpenAI

Artigo original ↗ Discussão no Hacker News ↗

O processo do New York Times contra a Microsoft e a OpenAI pelo uso de seus artigos para treinar e alimentar sistemas de IA tornou-se um ponto focal para questões não resolvidas sobre direitos autorais, uso justo e conteúdo gerado por IA. Os comentaristas dissecam as teorias jurídicas — da reprodução literal e alegações sob o DMCA até se serviços de IA competem ilegalmente ou substituem veículos de notícias — e debatem se o treinamento com dados protegidos deveria exigir licenças ou ser protegido como uso justo. O desfecho é visto como potencialmente capaz de remodelar os modelos de negócios tanto de desenvolvedores de IA quanto de produtores de conteúdo, com implicações para modelos de código aberto, competitividade global e futuros regimes de direitos autorais.

Âmbito das Alegações do NYT

  • O NYT não está apenas contestando o treinamento; a queixa ataca:
    • Modelos que podem produzir artigos do NYT ou grandes trechos literalmente.
    • Recursos de “synthetic search” / navegação (Bing Chat, ChatGPT Browse) que buscam conteúdo do NYT em tempo real e o parafraseiam ou citam.
    • Uso de conteúdo do NYT sem licença, incluindo a suposta remoção de informações de gestão de direitos autorais (DMCA §1202).
  • O NYT enquadra a OpenAI/Microsoft como criadoras de produtos que substituem diretamente o NYT (incluindo Wirecutter), prejudicando seu modelo de negócios.

Uso Justo, Treinamento e Reprodução Literal

  • Uma corrente: treinar em texto protegido por direitos autorais pode ser uso justo; regurgitação ocasional de modelos amplamente treinados não deveria, por si só, constituir infração.
  • Outra corrente: partes do caso são “fáceis” para o NYT porque os sistemas supostamente reproduzem artigos quase literalmente ou funcionam como atalhos para contornar paywalls.
  • Debate sobre se a questão central é treinamento-como-uso-justo ou uso a jusante e substituição de mercado (com precedente de Warhol citado para “uso não transformador”).

RAG, Paywalls e Concorrência

  • “Grounding” / geração aumentada por recuperação supostamente:
    • Copia páginas do NYT (incluindo as com paywall), as alimenta ao modelo e depois gera paráfrases ou citações longas.
    • Remove atribuição e links de afiliados (por exemplo, Wirecutter), transformando o NYT em um backend não remunerado.
  • Alguns argumentam que isso se assemelha a trechos do Google e poderia ser uso justo; outros observam que o Google cria links de volta e já paga licenciamento em algumas jurisdições.

Responsabilidade, Difamação e Alucinações

  • O tópico discute se “citações” alucinadas do NYT podem sustentar alegações de difamação ou marca registrada:
    • Alguns dizem que “malícia real” ou desprezo imprudente poderia ser atribuída a empresas que sabem que os modelos fabricam conteúdo regularmente.
    • Outros consideram isso fraco: danos são difíceis de provar e as saídas dos LLMs são explicitamente apresentadas como falíveis.
  • Forte discordância em chamar as saídas de “mentiras” vs “alucinações” vs “fabricações”.

Aprendizado Humano vs Software e Personalidade Jurídica

  • Grande subthread sobre se “humanos aprendem com obras protegidas, então a IA também pode” é uma analogia válida:
    • Um lado: software é apenas uma ferramenta; apenas humanos/corporações podem ser responsabilizados, e escala + cópia exata importam.
    • Outro lado: se automatizar o que humanos podem fazer legalmente é permitido em outras ferramentas (por exemplo, Photoshop), não está claro por que LLMs deveriam ser tratados de forma diferente.
  • Debate adicional sobre personalidade jurídica corporativa, possível futura personalidade jurídica de IA e se humanos são “especiais” no direito e na moral.

Implicações Econômicas, Competitivas e de Política Pública

  • Alguns esperam um acordo e um regime de licenciamento (possivelmente coletivo ou compulsório), em vez de um precedente de “matar a IA”.
  • Outros alertam:
    • Licenciamento pesado pode entrincheirar big tech e grandes veículos de mídia, excluindo projetos de código aberto e atores menores.
    • Decisões rígidas nos EUA podem favorecer jurisdições que afrouxam as regras de treinamento (por exemplo, referências aos debates no Japão/UE).
  • Vários comentaristas acham que o objetivo final do NYT é alavancagem para um acordo de licenciamento melhor, não oposição de princípio à IA.

Notas Técnicas e de Código Aberto

  • Os comentaristas discutem:
    • Temperatura=0 e prompts elaborados permitindo regurgitação literal; não está claro quão comum isso é no uso normal.
    • Possibilidade de pós-processamento (checagens de plágio, citação forçada, RAG com links explícitos) para mitigar a infração.
  • Alguns preveem que processos afetarão principalmente modelos proprietários dos EUA, enquanto modelos de código aberto e estrangeiros treinados fora do alcance jurídico dos EUA continuarão avançando.