Microsoft explore les contributeurs de données d'IA de crédits

Microsoft lance un nouveau projet de recherche visant à comprendre comment des exemples d'entraînement spécifiques influencent les sorties des modèles d'IA générative, tels que le texte, les images et autres médias. Cette initiative a été mise en lumière dans une offre d'emploi de décembre, récemment réapparue sur LinkedIn, recherchant un stagiaire de recherche pour rejoindre l'effort.

L'objectif du projet est de développer une méthode pour entraîner les modèles afin que l'impact de données particulières, comme des photos et des livres, sur leurs sorties puisse être "estimé efficacement et utilement". L'offre d'emploi souligne que les architectures actuelles des réseaux neuronaux manquent de transparence pour retracer l'origine de leurs sorties, et il existe des raisons convaincantes de résoudre ce problème. Une raison mentionnée est la possibilité d'offrir des incitations, une reconnaissance, voire une compensation aux individus contribuant des données précieuses aux futurs modèles d'IA.

Ce projet s'inscrit dans le contexte des batailles juridiques en cours impliquant des entreprises d'IA, y compris Microsoft, concernant les droits de propriété intellectuelle. Les modèles d'IA sont souvent entraînés sur de vastes ensembles de données extraits de sites web publics, qui peuvent inclure du matériel sous copyright. Bien que les entreprises d'IA revendiquent souvent la protection sous la doctrine de l'usage équitable, les créateurs de divers domaines — artistes, programmeurs, auteurs — contestent cette position.

Microsoft fait actuellement face à des défis juridiques, y compris une poursuite de The New York Times, qui allègue que Microsoft et OpenAI ont violé ses droits d'auteur en utilisant ses articles pour entraîner leurs modèles. De plus, plusieurs développeurs de logiciels ont poursuivi Microsoft au sujet de son assistant de codage AI GitHub Copilot, affirmant qu'il a été entraîné sur leur code sous copyright.

Le projet de recherche, appelé "provenance à l'entraînement", implique Jaron Lanier, un technologue notable chez Microsoft Research. Lanier a précédemment écrit sur la "dignité des données", plaidant pour un système qui relie le contenu numérique à ses créateurs et les compense potentiellement pour leurs contributions aux sorties d'IA.

Bien que le projet de Microsoft en soit encore à ses débuts, d'autres entreprises comme Bria, Adobe et Shutterstock expérimentent déjà la compensation des propriétaires de données en fonction de leurs contributions aux modèles d'IA. Cependant, les grands laboratoires d'IA n'ont généralement pas établi de programmes de paiement pour les contributeurs individuels, optant plutôt pour des accords de licence ou des mécanismes d'exclusion pour les détenteurs de droits d'auteur, qui peuvent être lourds et limités en portée.

L'initiative de Microsoft pourrait rester une preuve de concept, similaire à l'outil encore non publié d'OpenAI permettant aux créateurs de contrôler l'utilisation de leurs œuvres dans les données d'entraînement. Il y a aussi des spéculations selon lesquelles Microsoft pourrait tenter de "laver l'éthique" de ses pratiques en IA ou d'anticiper les défis réglementaires et juridiques.

Ce mouvement de Microsoft est particulièrement notable étant donné les récents appels d'autres laboratoires d'IA, comme Google et OpenAI, pour que le gouvernement américain assouplisse les protections des droits d'auteur pour le développement de l'IA. Microsoft n'a pas encore répondu aux demandes de commentaires sur ce projet.