TLDR
Studi ini menunjukkan bahwa model AI dapat mengingat data berhak cipta, yang menimbulkan pertanyaan tentang etika penggunaannya. Ada kebutuhan mendesak untuk transparansi data dalam pengembangan model AI. OpenAI terus berupaya untuk memperjuangkan aturan 'fair use' dalam penggunaan data untuk pelatihan model. Sebuah studi baru menunjukkan bahwa OpenAI mungkin telah melatih model AI-nya menggunakan konten yang dilindungi hak cipta tanpa izin. OpenAI sedang menghadapi gugatan dari penulis dan pemilik hak lainnya yang mengklaim bahwa perusahaan tersebut menggunakan karya mereka, seperti buku dan kode, untuk mengembangkan modelnya. OpenAI berpendapat bahwa penggunaan ini termasuk dalam kategori "fair use" atau penggunaan yang wajar, tetapi para penggugat berargumen bahwa tidak ada pengecualian dalam hukum hak cipta AS untuk data pelatihan.Studi ini, yang ditulis oleh peneliti dari beberapa universitas, mengusulkan metode baru untuk mengidentifikasi data pelatihan yang "diingat" oleh model-model AI. Model AI belajar dari banyak data dan dapat menghasilkan teks atau gambar. Namun, terkadang mereka juga mengulangi bagian dari data yang mereka pelajari. Peneliti menggunakan kata-kata yang jarang muncul dalam konteks tertentu untuk menguji apakah model-model tersebut dapat menebak kata-kata yang dihilangkan dari teks. Jika model dapat menebak dengan benar, itu menunjukkan bahwa mereka mungkin telah mengingat bagian tersebut saat dilatih.Hasil penelitian menunjukkan bahwa model GPT-4 dari OpenAI menunjukkan tanda-tanda telah mengingat bagian dari buku fiksi populer dan artikel New York Times. Peneliti menyatakan bahwa penting untuk memiliki transparansi data yang lebih besar dalam pengembangan model AI agar model tersebut dapat dipercaya. OpenAI sendiri telah mendorong agar ada aturan yang lebih longgar mengenai penggunaan data berhak cipta untuk pelatihan model AI.
