OpenAI два года скрывала от суда поиск по copyright-данным: найдено 78 млн диалогов

Иск The New York Times к OpenAI тянется с конца 2023 года. Издание обвиняет компанию в нарушении авторских прав: модели ChatGPT якобы обучались на журналистских материалах и воспроизводили их в ответах пользователям. Теперь к делу присоединилась The Daily News, а спор вышел на стадию, где речь идёт уже не о самом копировании, а о поведении ответчика в ходе судебного процесса. Об этом сообщает The Verge.

Что вскрылось на допросе инженера OpenAI?

• OpenAI заявляла суду, что не может искать по своему обучающему корпусу. Компания также настаивала, что извлечение и обработка диалогов ChatGPT слишком сложны технически и угрожают приватности пользователей.

• Инженер OpenAI по защите данных Винни Монако на допросе в апреле 2025 года раскрыл, что компания уже проводила внутренние поиски по обучающему корпусу на предмет присутствия защищённых авторским правом журналистских текстов.

• Ещё до подачи иска OpenAI собрала базу примерно из 78 миллионов деидентифицированных диалогов ChatGPT, которую использовала внутри компании для оценки масштабов воспроизведения чужого контента.

• После подачи иска OpenAI запустила так называемый Project Giraffe (набор внутренних инструментов), в который входил фильтр Блума (Bloom filter, вероятностная структура данных для быстрой проверки, встречался ли элемент раньше). Этот фильтр обнаруживал и фиксировал случаи, когда ChatGPT дословно воспроизводил чужой текст в ответах.

• Истцы изначально просили выборку из 120 миллионов чат-логов. OpenAI договорилась сократить объём до 20 миллионов. В декабре 2024 года компания передала эту выборку суду, но, по формулировке суда, с таким количеством вымаранных фрагментов, что она оказалась «непригодной для использования».

• Истцы утверждают, что OpenAI удалила миллиарды ответов ChatGPT уже после подачи иска, нарушив судебное предписание о сохранении данных, и подменила миллионы записей в запрошенной выборке.

Что требуют истцы от суда?

Истцы просят судью применить санкции к OpenAI по четырём пунктам:

1. Запретить OpenAI использовать выборку из 20 миллионов чат-логов как доказательство (истцы считают её ненадёжной).
2. Признать установленным фактом, что логи ChatGPT показали бы масштабное воспроизведение и использование контента истцов.
3. Запретить OpenAI аргументировать, что предоставленные ею логи не демонстрируют существенного воспроизведения.
4. Обязать OpenAI оплатить судебные расходы истцов, связанные с добыванием скрытых доказательств.

Как OpenAI реагирует?

Представитель OpenAI Дрю Пусатери отверг обвинения.

Позиция Times слабеет, и им пришлось отказаться от части претензий к нам. Они продолжают попытки вторгнуться в приватность людей, не имеющих отношения к делу, в том числе выдвигая эти откровенно ложные обвинения. Мы продолжим защищать приватность наших пользователей и давно установленные принципы добросовестного использования. : Дрю Пусатери, представитель OpenAI

Формулировка показательна: OpenAI переводит фокус с вопроса о сокрытии доказательств на тему приватности пользователей и на доктрину fair use (добросовестного использования, правовой принцип в США, позволяющий в определённых случаях использовать чужой контент без разрешения автора).

Есть ли параллели для российского рынка?

Прямого аналога этого судебного спора в России пока нет. Крупные российские модели, YandexGPT и GigaChat от Сбера, не раскрывают полный состав обучающих данных, и публичных исков от правообладателей к ним на данный момент не подавалось.

Но сам вопрос стоит и в России: авторы Дзена и других платформ не знают наверняка, использовались ли их тексты для обучения каких-либо моделей и воспроизводятся ли они в ответах. Инструментов проверки, аналогичных тем, что OpenAI, как выяснилось, создала для внутреннего пользования, публично не существует ни у одного крупного разработчика.

Частые вопросы

OpenAI действительно обучала ChatGPT на статьях The New York Times?

Истцы утверждают именно это и приводят примеры, когда ChatGPT воспроизводил фрагменты их материалов. OpenAI это не подтверждает и ссылается на принцип добросовестного использования. Суд пока не вынес окончательного решения.

Могут ли российские авторы проверить, использованы ли их тексты для обучения нейросетей?

На данный момент ни один крупный разработчик, ни зарубежный, ни российский, не предоставляет публичного инструмента для такой проверки. Именно факт существования внутренних инструментов OpenAI (база из 78 миллионов диалогов и Project Giraffe) и стал ключевым аргументом истцов: технология есть, но от суда и авторов её скрывали.

Чем грозят OpenAI санкции, если суд их наложит?

Компания может лишиться права использовать собственную выборку чат-логов как доказательство своей невиновности. Суд также может принять как установленный факт, что ChatGPT массово воспроизводил контент истцов. Это не штраф в денежном выражении, а процессуальное решение, которое резко ослабляет позицию OpenAI в основном споре об авторских правах.