Una deposizione giudiziale di aprile ha rivelato una contraddizione esplosiva nel caso legale tra il New York Times e OpenAI sul copyright. L'azienda dietro ChatGPT ha sempre sostenuto in tribunale che sarebbe tecnicamente impossibile e troppo gravoso cercare tracce di contenuti giornalistici protetti nei propri dati di addestramento e nelle conversazioni degli utenti. Una tesi che ha mantenuto per quasi due anni, durante i quali ha ripetutamente ottenuto dal tribunale il diritto di non fornire determinate informazioni.
Ma un ingegnere di OpenAI ha ammesso durante la deposizione ordinata dal giudice che l'azienda aveva in realtà già condotto ricerche interne nel proprio archivio di addestramento proprio per cercare opere giornalistiche protette. Ancora più rivelatore: prima ancora che il New York Times presentasse la causa, OpenAI aveva già raccolto un database interno contenente circa 78 milioni di conversazioni con ChatGPT, utilizzato specificamente per valutare l'entità delle proprie violazioni di diritti d'autore.
I documenti mostrano inoltre che subito dopo l'inizio della causa legale, OpenAI ha sviluppato uno strumento denominato Bloom, integrato in una piattaforma interna chiamata Project Giraffe. La finalità era inequivocabile: identificare e tenere sotto controllo i momenti in cui ChatGPT generava contenuti protetti da copyright. In altre parole, OpenAI non soltanto possedeva la capacità tecnica di rilevare le violazioni, ma aveva investito risorse specifiche per crearla deliberatamente.
I querelanti hanno richiesto un campione di 120 milioni di log di conversazione per analizzare le prove. OpenAI ha negoziato al ribasso fino a 20 milioni. Quando il campione è stato infine consegnato a dicembre, era così pesantemente censurato da essere praticamente inutilizzabile secondo le valutazioni del tribunale. Ancora più grave, secondo le accuse, OpenAI avrebbe cancellato miliardi di output di ChatGPT dopo l'avvio della causa, violando direttamente l'ordine di conservazione dei dati emesso dal giudice, e avrebbe sostituito milioni di log nel campione fornito.
Il New York Times e il Daily News hanno chiesto al tribunale di sanzionare OpenAI per occultamento di prove e ostruzione della fase di discovery. Le richieste specifiche includono la dichiarazione di inaffidabilità del campione da 20 milioni di conversazioni, il riconoscimento del fatto che tali log avrebbero evidenziato numerose riproduzioni dei contenuti protetti dei ricorrenti, impedendo a OpenAI di negare questo fatto in futuro, e l'irrogazione di sanzioni significative a carico dell'azienda.
