Microsoft explora que os contribuintes de dados da IA

A Microsoft está iniciando um novo projeto de pesquisa com o objetivo de entender como exemplos de treinamento específicos influenciam os resultados de modelos de IA generativa, como textos, imagens e outros meios. Esta iniciativa foi destacada em uma vaga de emprego de dezembro que recentemente ressurgiu no LinkedIn, buscando um estagiário de pesquisa para se juntar ao esforço.

O objetivo do projeto é desenvolver um método para treinar modelos de modo que o impacto de dados específicos, como fotos e livros, em seus resultados possa ser "eficientemente e utilmente estimado." A vaga aponta que as atuais arquiteturas de redes neurais carecem de transparência ao rastrear as origens de seus resultados, e há razões convincentes para abordar essa questão. Uma razão mencionada é o potencial para oferecer incentivos, reconhecimento e até compensação a indivíduos que contribuem com dados valiosos para futuros modelos de IA.

O pano de fundo desta pesquisa são as batalhas legais em curso envolvendo empresas de IA, incluindo a Microsoft, sobre direitos de propriedade intelectual. Modelos de IA são frequentemente treinados em vastos conjuntos de dados extraídos de sites públicos, que podem incluir material protegido por direitos autorais. Embora as empresas de IA frequentemente reivindiquem proteção sob a doutrina do uso justo, criadores de diversos campos — artistas, programadores, autores — contestam essa posição.

A Microsoft está atualmente enfrentando desafios legais, incluindo um processo do The New York Times, que alega que a Microsoft e a OpenAI violaram seus direitos autorais ao usar seus artigos para treinar seus modelos. Além disso, vários desenvolvedores de software processaram a Microsoft por causa de seu assistente de codificação GitHub Copilot AI, alegando que ele foi treinado com seu código protegido por direitos autorais.

O projeto de pesquisa, referido como "proveniência em tempo de treinamento," envolve Jaron Lanier, um notável tecnólogo da Microsoft Research. Lanier já escreveu sobre "dignidade de dados," defendendo um sistema que conecte conteúdo digital aos seus criadores e potencialmente os compense por suas contribuições aos resultados de IA.

Embora o projeto da Microsoft ainda esteja em seus estágios iniciais, outras empresas como Bria, Adobe e Shutterstock já estão experimentando compensar proprietários de dados com base em suas contribuições para modelos de IA. No entanto, grandes laboratórios de IA geralmente não estabeleceram programas de pagamento para contribuidores individuais, optando por acordos de licenciamento ou mecanismos de exclusão para detentores de direitos autorais, que podem ser complicados e limitados em alcance.

A iniciativa da Microsoft pode permanecer como uma prova de conceito, semelhante à ferramenta ainda não lançada da OpenAI para criadores controlarem como suas obras são usadas em dados de treinamento. Há também especulações de que a Microsoft pode estar tentando "lavar" eticamente suas práticas de IA ou antecipar desafios regulatórios e legais.

Essa movimentação da Microsoft é particularmente notável dado os recentes apelos de outros laboratórios de IA, como Google e OpenAI, para que o governo dos EUA relaxe as proteções de direitos autorais para o desenvolvimento de IA. A Microsoft ainda não respondeu a pedidos de comentários sobre este projeto.