USA Today tố OpenAI vi phạm bản quyền, yêu cầu bồi thường hơn 250 triệu USD

Theo đơn kiện, nội dung của các ấn phẩm thuộc nhóm nguyên đơn chiếm hơn 160.000 mục trong WebText, tập dữ liệu do OpenAI xây dựng để huấn luyện mô hình GPT-2. Ngoài ra, dữ liệu của nhóm báo chí này được cho là chiếm hơn 122 triệu token trong một bản chụp dữ liệu Common Crawl năm 2019 có tên C4, trong đó riêng trang usatoday.com đóng góp khoảng 23 triệu token.

Token là đơn vị dữ liệu văn bản được các mô hình ngôn ngữ xử lý, có thể tương ứng với một từ, một phần của từ hoặc một ký tự, tùy phương pháp mã hóa. Các con số được nêu trong đơn kiện là căn cứ mà nguyên đơn sử dụng để cáo buộc nội dung báo chí của họ đã được đưa vào những tập dữ liệu phục vụ huấn luyện AI.

Hồ sơ cũng đưa ra các ví dụ được cho là cho thấy GPT-5.6 có thể truy xuất nội dung từ những ấn phẩm như Indianapolis Star và Detroit Free Press, sau đó tạo ra các bản tóm tắt chuyên sâu khi người dùng yêu cầu diễn đạt lại thông tin hoặc sử dụng cấu trúc câu tương tự.

Tuy nhiên, những cáo buộc này chưa được tòa án xác minh và chưa phải là kết luận cuối cùng về hành vi vi phạm bản quyền của OpenAI.

Yêu cầu bồi thường hơn 250 triệu USD

USA Today Co. và các đơn vị liên kết yêu cầu OpenAI bồi thường hơn 250 triệu USD. Theo đơn kiện, mức bồi thường có thể lên tới 150.000 USD cho mỗi tác phẩm bị xâm phạm có chủ ý và 25.000 USD cho mỗi trường hợp bị cáo buộc loại bỏ thông tin quản lý bản quyền khỏi tác phẩm.

Thông tin quản lý bản quyền, thường được gọi là Copyright Management Information (CMI), có thể bao gồm dữ liệu nhận diện tác phẩm, tên tác giả hoặc chủ sở hữu quyền, cùng những thông tin liên quan đến tình trạng bảo hộ và điều kiện sử dụng. Việc cố ý xóa hoặc làm sai lệch những thông tin này có thể phát sinh vấn đề pháp lý riêng, bên cạnh cáo buộc sao chép tác phẩm trái phép.

Các nguyên đơn cho rằng OpenAI không chỉ sử dụng tác phẩm có bản quyền mà còn dùng những chương trình được cho là có khả năng loại bỏ CMI, qua đó làm mất thông tin thể hiện quyền của tác giả và chủ sở hữu nội dung.

Trong đơn kiện, phía nguyên đơn lập luận rằng OpenAI biết hoặc đáng lẽ phải biết việc sao chép nội dung báo chí trên quy mô lớn trong quá trình huấn luyện mô hình có thể xâm phạm quyền tác giả. Họ cũng viện dẫn việc OpenAI ký kết các thỏa thuận trả phí với một số tổ chức báo chí khác để cho rằng doanh nghiệp này nhận thức được nhu cầu cấp phép khi sử dụng nội dung báo chí.

Ngoài yêu cầu bồi thường, các nguyên đơn đề nghị tòa án ban hành lệnh ngăn chặn hành vi bị cáo buộc vi phạm, yêu cầu tiêu hủy các mô hình GPT và tập dữ liệu huấn luyện sử dụng nội dung thuộc 19 ấn phẩm liên quan, đồng thời đề nghị xét xử bằng bồi thẩm đoàn.

Những yêu cầu này hiện là đề nghị của bên khởi kiện, chưa đồng nghĩa với việc tòa án đã chấp thuận hoặc xác định OpenAI có nghĩa vụ thực hiện.

Tranh chấp không chỉ nằm ở dữ liệu huấn luyện

Một điểm đáng chú ý của vụ kiện là phạm vi tranh chấp không dừng ở việc sử dụng bài báo để huấn luyện AI, mà còn mở rộng sang cách hệ thống tạo ra và cung cấp thông tin cho người dùng.

Theo các nguyên đơn, việc ChatGPT tạo ra những bản tóm tắt chi tiết hoặc tái trình bày nội dung báo chí có thể khiến độc giả không còn nhu cầu truy cập bài viết gốc. Điều này ảnh hưởng đến lượng truy cập, doanh thu quảng cáo, khả năng thu hút người đăng ký trả phí và cơ hội cấp phép nội dung của các cơ quan báo chí.

Phía báo chí cho rằng hoạt động sản xuất tin tức đòi hỏi nguồn lực đáng kể, từ thu thập thông tin, phỏng vấn, kiểm chứng dữ liệu đến điều tra và biên tập. Doanh thu từ độc giả và các hoạt động khai thác nội dung là nguồn lực quan trọng để duy trì quá trình sản xuất đó.

Đơn kiện cũng dẫn lại một số phát biểu được cho là của lãnh đạo và nhân viên OpenAI về khả năng sản phẩm AI thay thế các dịch vụ của nhà xuất bản. Trong đó, Nick Turley, người đứng đầu ChatGPT, được trích dẫn với nhận định rằng các sản phẩm của OpenAI có tính thay thế đối với nhà xuất bản và xu hướng này có thể tăng lên khi sản phẩm được cải thiện.

Các nguyên đơn sử dụng những phát biểu được viện dẫn trong hồ sơ để củng cố lập luận rằng sản phẩm AI có thể gây thiệt hại kinh tế cho ngành báo chí. Tuy nhiên, ý nghĩa pháp lý của các phát biểu này và mối liên hệ giữa chúng với những hành vi bị cáo buộc vẫn cần được xem xét trong quá trình tố tụng.

Tranh luận về ngoại lệ sử dụng hợp lý

Vụ kiện tiếp tục làm nổi bật câu hỏi lớn trong lĩnh vực sở hữu trí tuệ: liệu việc sử dụng tác phẩm có bản quyền để huấn luyện mô hình AI có được coi là sử dụng hợp lý (fair use) theo pháp luật Mỹ hay không.

Các doanh nghiệp AI trong những tranh chấp tương tự lập luận rằng việc sử dụng dữ liệu có bản quyền để huấn luyện mô hình nhằm giúp hệ thống nhận diện quy luật ngôn ngữ, học các mẫu dữ liệu và tạo ra kết quả mới. Theo lập luận này, quá trình huấn luyện có thể khác với việc sao chép và phân phối nguyên trạng tác phẩm cho người dùng.

Ở chiều ngược lại, các nhà xuất bản và chủ sở hữu quyền cho rằng việc sử dụng hàng loạt tác phẩm để phát triển sản phẩm AI thương mại không đương nhiên được miễn trừ nghĩa vụ xin phép hoặc trả tiền bản quyền.

Theo pháp luật Mỹ, việc đánh giá fair use thường dựa trên bốn yếu tố: mục đích và tính chất sử dụng, bao gồm việc sử dụng có mang tính thương mại hay không; bản chất của tác phẩm được bảo hộ; số lượng và mức độ đáng kể của phần tác phẩm được sử dụng; và ảnh hưởng của việc sử dụng đối với thị trường hoặc giá trị của tác phẩm gốc.

Vì vậy, việc một bài báo được đăng công khai trên internet không đồng nghĩa với việc mọi tổ chức đều có quyền tự do sao chép và sử dụng bài báo đó cho bất kỳ mục đích nào. Tòa án cần xem xét cụ thể nguồn dữ liệu, cách thu thập, phạm vi sử dụng và tác động của hoạt động này đối với quyền lợi của chủ sở hữu.

Đặc biệt, tranh chấp có thể đòi hỏi phải phân biệt giữa việc sử dụng tác phẩm trong quá trình huấn luyện và việc mô hình tạo ra đầu ra có khả năng tái hiện hoặc thay thế nội dung gốc. Đây là những vấn đề liên quan với nhau nhưng không hoàn toàn đồng nhất về mặt pháp lý.

Tiếp nối làn sóng kiện tụng giữa báo chí và doanh nghiệp AI

USA Today Co. là một trong những nhà xuất bản mới nhất khởi kiện OpenAI liên quan đến việc sử dụng nội dung có bản quyền. Các ấn phẩm được nêu trong hồ sơ bao gồm USA TODAY, The Tennessean, The Indianapolis Star, The Bergen Record, The Enquirer, Asbury Park Press, Democrat & Chronicle, The Knoxville News-Sentinel, Naples Daily News, The Oklahoman, Milwaukee Journal Sentinel, The Columbus Dispatch, The Arizona Republic, The Courier-Journal, The Des Moines Register, Detroit Free Press, The Detroit News, The Palm Beach Post và Star News.

Vụ việc diễn ra trong bối cảnh nhiều tác giả, nhà xuất bản và tổ chức truyền thông tại Mỹ theo đuổi các vụ kiện liên quan đến việc sử dụng tác phẩm để huấn luyện AI. Trước đó, vào tháng 12/2023, The New York Times đã khởi kiện OpenAI và Microsoft, cáo buộc các doanh nghiệp này sử dụng nội dung báo chí trong hoạt động phát triển AI mà không được phép, đồng thời nêu các vấn đề liên quan đến bản quyền và việc sử dụng nội dung của tờ báo.

Các tranh chấp tương tự cũng xuất hiện trong lĩnh vực sách và nội dung sáng tạo. Những vụ kiện này đặt ra yêu cầu xác định rõ hơn ranh giới giữa việc khai thác dữ liệu phục vụ phát triển công nghệ và nghĩa vụ tôn trọng quyền của tác giả, chủ sở hữu quyền.

Đối với ngành báo chí, vấn đề không chỉ là có được trả tiền khi nội dung được sử dụng làm dữ liệu huấn luyện hay không, mà còn là cách bảo vệ giá trị kinh tế của tác phẩm khi các hệ thống AI có thể tổng hợp và cung cấp thông tin mà không nhất thiết đưa người dùng trở lại nguồn ban đầu.

Về phía doanh nghiệp AI, kết quả của các vụ kiện có thể ảnh hưởng đến cách xây dựng tập dữ liệu, thỏa thuận cấp phép, quản lý thông tin bản quyền và thiết kế hệ thống nhằm hạn chế việc tái tạo nội dung được bảo hộ.

Vụ kiện của USA Today Co. vì vậy tiếp tục đặt ra yêu cầu làm rõ trách nhiệm pháp lý của doanh nghiệp AI trong toàn bộ chuỗi khai thác nội dung, từ thu thập dữ liệu, huấn luyện mô hình đến cung cấp kết quả cho người dùng. Kết quả giải quyết vụ việc có thể góp phần định hình cách áp dụng pháp luật bản quyền đối với công nghệ AI tạo sinh, đồng thời tác động đến quan hệ cấp phép và phân chia giá trị giữa các nhà phát triển công nghệ với những đơn vị sản xuất nội dung gốc.