纽约时报和《每日新闻》声称，OpenAI一直在撒谎，声称其能够搜索客户聊天记录数据和培训数据集中的受版权保护的作品。这是针对这家人工智能公司提起的两年诉讼中的最新升级，指控其通过在《纽约时报》的内容上训练其生成式AI模型并在用户输出中再现该新闻而违反了版权法。在整个案件中，OpenAI一直辩称它缺乏搜索其自身训练语料库的能力。它还辩称，搜索或生成其庞大的ChatGPT对话集合会在技术上造成负担，并且会引发用户隐私问题，因为需要检索、处理和去标识化这些记录。这些媒体希望获得该数据，以确定其受版权保护的新闻作品是否存在于OpenAI的训练数据集中，以及ChatGPT生成的响应是否使用或再现了他们的内容以及频率。在4月份的法庭命令下的证词中，OpenAI的数据隐私工程师Vinnie Monaco据称透露，OpenAI已经对其训练语料库进行了内部搜索和评估，以寻找受版权保护的新闻作品。Monaco的证词还据称透露，在《纽约时报》提起诉讼之前，OpenAI已经积累了大约7800万个去标识化的ChatGPT对话的数据库，并在内部用于判断其侵犯他人作品的程度。在这个数据集之外，OpenAI还据称实施了一种所谓的“Bloom”过滤器，作为名为“Project Giraffe”的工具集的一部分，该过滤器能够检测并记录输出中的重复内容，这一切发生在诉讼提起后不久。这最后两项揭露尤其重要。原告最初要求OpenAI提供1.2亿条聊天记录的样本，但OpenAI谈判后将样本减少到仅2000万条。OpenAI最终于去年12月向法院提交了该样本，但据称其中的删改使得该样本“无法使用”，法院如此表述。原告还声称，OpenAI在他们提起诉讼后，删除了数十亿条ChatGPT输出，直接违反了法院的保留命令，并且用数百万条日志替换了请求样本中的记录。换句话说，他们声称OpenAI使获取公司已经收集的信息变得不必要地困难。“如果OpenAI真的相信复制我们的客户的新闻是公平和合法的，它就不应该隐瞒自己已经这样做的事实，”原告的首席律师Ian B. Crosby在一份声明中表示。现在，《纽约时报》和《每日新闻》要求法官对OpenAI进行纪律处分，指控其隐瞒证据并干扰发现过程。他们要求法院禁止OpenAI将2000万条聊天记录样本作为证据，声称该样本不可靠；承认ChatGPT日志将显示出原告内容的重大重复和基础；禁止OpenAI辩称其提供的聊天日志没有显示出实质性的重复；并让OpenAI支付追讨这些证据的法律费用。在一份声明中，OpenAI发言人Drew Pusateri否认了这些指控，指责《纽约时报》试图在其案件减弱时访问私人用户对话。“随着《纽约时报》的案件减弱，他们被迫放弃对我们的指控，仍在坚持入侵与本案无关的人的隐私，包括通过提出这些明显不实的指控。”Pusateri说。“我们将继续捍卫用户的隐私和长期确立的合理使用原则。”当您通过我们文章中的链接购买时，我们可能会获得少量佣金。这不会影响我们的编辑独立性。Rebecca Bellan是TechCrunch的高级记者，报道塑造人工智能的商业、政策和新兴趋势。她的作品还发表在《福布斯》、《彭博社》、《大西洋月刊》、《每日野兽》和其他出版物上。您可以通过发送电子邮件至rebecca.bellan@techcrunch.com或通过Signal上的加密消息联系或验证Rebecca的联系。