ニューヨーク・タイムズは、AIベンダーが許可なくコンテンツをスクレイピングすることを禁止している

Adweekの報道によると、ニューヨーク・タイムズは8月初旬に利用規約（TOS）を更新し、AIトレーニングのために記事や画像をスクレイピングすることを禁止した。この動きは、テクノロジー企業がChatGPTやGoogle BardなどのAI言語アプリの収益化を続けている時期に行われたもので、これらのアプリはインターネットデータを不正に大量に収集することで機能を獲得した。

新しい規約では、書面による明示的な許可なしに、記事、ビデオ、画像、メタデータを含む Times のコンテンツを AI モデルのトレーニングに使用することを禁止しています。TOS のセクション 2.1 で、NYT は、そのコンテンツは読者の「個人的、非商業的使用」を目的としており、非商業的使用には「トレーニングを含むがこれに限定されないソフトウェア プログラムの開発」は含まれないと述べています。機械学習または人工知能 (AI) システムです。」

さらに下の方のセクション 4.1 では、条件には、NYT の事前の書面による同意がない限り、誰も「機械学習または人工知能 (AI) システムのトレーニングを含むがこれに限定されないソフトウェア プログラムの開発にコンテンツを使用することはできない」と記載されています。 」

NYT はまた、制限を無視した場合の結果についても概説しています。「禁止されているサービスの使用に関与すると、ユーザーおよびユーザーを支援する者に対して民事、刑事、および/または行政罰、罰金、または制裁が科せられる可能性があります。」

それは脅威のように聞こえますが、制限的な使用条件によって、機械学習データセットへのインターネットの大規模な食い込みがこれまで阻止されていませんでした。OpenAI のGPT-4、Anthropic のClaude 2、Meta のLlama 2、Google のPaLM 2など、現在利用可能なすべての大規模言語モデルは、インターネットから収集した素材の大規模なデータ セットでトレーニングされています。教師なし学習と呼ばれるプロセスを使用して、Web データがニューラル ネットワークに供給され、AI モデルが単語間の関係を分析することで概念的な言語感覚を獲得できるようになりました。

AI モデルをトレーニングするためにスクレイピングされたデータを使用することは物議を醸しており、米国の裁判所ではまだ完全に解決されておらず、この行為による盗作で OpenAI を告発する少なくとも 1 件の訴訟が起きています。先週、AP通信と他のいくつかの報道機関は、懸念事項の中でも特に「AIアプリケーションを動かすコンテンツを保護するための法的枠組みを開発する必要がある」とする公開書簡を発表した。

OpenAI はおそらく今後も法的問題が続くことを予想しており、この批判の一部を先取りするために計画された可能性のある動きを開始している。たとえば、OpenAI は最近、 Web サイトが robots.txt を使用して AI トレーニング Web クローラーをブロックするために使用できる方法について詳しく説明しました。これにより、いくつかのサイトや作成者がクローラーをブロックすると公言するようになりました。

今のところ、ニューヨーク タイムズのコンテンツを含め、すでにスクレイピングされたものは GPT-4 に焼き付けられます。OpenAI または他の AI ベンダーがコンテンツ所有者の除外の希望を尊重するかどうかを確認するには、GPT-5 まで待つ必要があるかもしれません。そうでない場合、新たな AI 訴訟、または規制が目前に迫っている可能性があります。