The New York Times (NYT) đang tiến hành vụ kiện chống lại Microsoft và OpenAI với cáo buộc sử dụng trái phép dữ liệu và nội dung của họ để huấn luyện các mô hình AI. Trong quá trình điều tra, OpenAI đã vô tình xóa một phần dữ liệu quan trọng, gây ra nhiều tranh cãi.

Những tranh chấp pháp lý giữa các công ty công nghệ về AI không phải là điều mới mẻ. Trước đây đã tồn tại nhiều vụ kiện nổi bật, đơn cử như việc Matthew Butterick, một nhà thiết kế chuyển sang làm luật sư, đang thực hiện những vụ kiện các công ty lớn như OpenAI, Meta, Stability AI, Midjourney, DeviantArt và GitHub. Ông thách thức tính hợp pháp của việc sử dụng các tác phẩm có bản quyền để huấn luyện mô hình AI tạo sinh mà không có sự đồng ý của người sáng tạo. 

Vụ kiện của NYT với Microsoft và OpenAI là một trong những tranh chấp nổi bật nhất hiện nay, khi NYT cáo buộc rằng OpenAI đã sử dụng trái phép nội dung của họ để huấn luyện các công cụ như ChatGPT.

Hiện tại, hai bên đang trong giai đoạn khám phá chứng cứ, với các tài liệu và thông tin cần thiết được trao đổi để làm bằng chứng. Với OpenAI, họ bị toà án buộc phải cung cấp cho NYT tập dữ liệu mà họ sử dụng để huấn luyện. Đây là một vấn đề lớn vì trước đây OpenAI chưa bao giờ công khai thông tin này. Để đáp ứng yêu cầu, OpenAI đã tạo ra một môi trường “sandbox” gồm hai máy ảo để luật sư của NYT có thể xem xét dữ liệu.

Ngoài ra, NYT cũng yêu cầu OpenAI và Microsoft cung cấp nội dung chat trên Slack, tin nhắn và dữ liệu mạng xã hội của các thành viên quan trọng trong OpenAI, kể cả những người đã nghỉ việc như Ilya Slutskeve hay Mira Murati. Trong trường hợp Mira Murati, cựu CTO của công ty đã từ chối cho phép truy cập vào điện thoại cá nhân của cô. 

Với dữ liệu được cung cấp, NYT đã bỏ ra hơn 150 giờ để xem xét, sắp xếp tuy nhiên các kĩ sư của OpenAI đã vô tình xoá một phần dữ liệu này trên 1 máy chủ. Sau khi sự cố xảy ra, OpenAI đã cố gắng phục hồi nhiều nhất có thể. Tuy nhiên theo NYT, nội dung được phục hồi vẫn thiếu khá nhiều so với ban đầu, đồng thời cấu trúc tập tin, dữ liệu không giống như cách mà NYT đã sắp xếp. Điều này có nghĩa là các luật sư của NYT sẽ phải sắp xếp lại mọi thứ từ đầu trước khi tiếp tục việc phân tích liệu OpenAI có sử dụng trái phép nội dung hay không. Đây là sự tốn kém về mặt chi phí và nhân lực. Tuy nhiên, NYT cũng cho rằng OpenAI không cố tình xoá những dữ liệu này. 

Ngoài ra, quá trình làm việc giữa OpenAI và NYT không thật sự trơn tru khi mỗi bên có quan điểm khác nhau về việc ai sẽ là người xử lý dữ liệu. Lập trường của NYT cho rằng OpenAI có đủ khả năng hơn để thực hiện vì họ có quyền truy cập đầy đủ và kiểm soát các tập dữ liệu cũng như công cụ của mình. Điều này hoàn toàn hợp lý nếu xét ở quan điểm rằng các tập dữ liệu của OpenAI rất lớn và phức tạp, khiến các bên bên ngoài gặp khó khăn khi tiếp cận mà không có sự hỗ trợ kỹ thuật. Ngoài ra, quá trình đánh giá, xem xét dữ liệu này cũng gặp nhiều thách thức khi có “những vấn đề kỹ thuật nghiêm trọng và lặp đi lặp lại” đã cản trở khả năng tìm kiếm hiệu quả và nhanh chóng qua các tập dữ liệu. Những vấn đề này rõ ràng tạo ra sự kém hiệu quả trong việc tìm kiếm và phân tích thông tin để xác định liệu OpenAI có sử dụng trái phép nội dung của NYT hay không

Trong suốt quá trình điều tra này, Microsoft cũng kiện ngược lại và yêu cầu NYT cung cấp các tài liệu liên quan đến việc sử dụng AI tạo sinh của họ, bao gồm thông tin về cách tờ báo sử dụng các công cụ AI. Microsoft lập luận rằng nếu NYT cũng sử dụng các công cụ AI tạo sinh, nó cho thấy công nghệ này đã mang lại tác động tích cực cho tờ báo thay vì gây hại. Lập luận này có thể làm suy yếu các tuyên bố của NYT rằng các mô hình AI từ các công ty như OpenAI và Microsoft đã ảnh hưởng tiêu cực đến hoạt động kinh doanh của họ bằng cách làm giảm lượng đăng ký, thỏa thuận cấp phép hoặc doanh thu quảng cáo.