OpenAI-Modelle: Urheberrechtliche Herausforderungen durch KI-Training

SEATTLE / MÜNCHEN (IT BOLTWISE) – Eine neue Studie wirft Licht auf die umstrittene Praxis von OpenAI, KI-Modelle mit urheberrechtlich geschütztem Material zu trainieren.

Die jüngste Studie, die von Forschern der Universitäten Washington, Kopenhagen und Stanford durchgeführt wurde, legt nahe, dass OpenAI-Modelle wie GPT-4 und GPT-3.5 möglicherweise urheberrechtlich geschützte Inhalte während ihres Trainingsprozesses „memoriert“ haben. Diese Erkenntnisse kommen zu einem Zeitpunkt, an dem OpenAI mit mehreren Klagen konfrontiert ist, in denen Autoren und Programmierer dem Unternehmen vorwerfen, ihre Werke ohne Erlaubnis genutzt zu haben.

Die Forscher entwickelten eine Methode, um festzustellen, ob Modelle bestimmte Daten „memoriert“ haben. Dabei konzentrierten sie sich auf sogenannte „high-surprisal“-Wörter, die in einem bestimmten Kontext ungewöhnlich sind. Diese Wörter wurden aus Texten entfernt, und die Modelle mussten erraten, welche Wörter fehlten. Die Ergebnisse zeigten, dass GPT-4 Teile populärer Romane und Artikel der New York Times memoriert hatte.

Abhilasha Ravichander, eine der Co-Autorinnen der Studie, betonte die Notwendigkeit, KI-Modelle wissenschaftlich zu untersuchen und zu prüfen. Sie wies darauf hin, dass Transparenz bei den Trainingsdaten entscheidend sei, um das Vertrauen in große Sprachmodelle zu stärken. OpenAI hat sich stets für lockerere Regelungen beim Einsatz urheberrechtlich geschützter Daten ausgesprochen und argumentiert, dass dies unter „Fair Use“ fallen könnte.

Die Debatte um die Nutzung urheberrechtlich geschützter Inhalte für KI-Trainingszwecke ist nicht neu. Während OpenAI einige Lizenzvereinbarungen abgeschlossen hat und Mechanismen anbietet, mit denen Rechteinhaber die Nutzung ihrer Inhalte ablehnen können, bleibt die rechtliche Lage in vielen Ländern unklar. Die Studie könnte den Druck auf Regulierungsbehörden erhöhen, klare Richtlinien zu entwickeln.

Technisch gesehen sind KI-Modelle darauf ausgelegt, Muster in großen Datenmengen zu erkennen und darauf basierend Inhalte zu generieren. Doch die Grenze zwischen dem Erkennen von Mustern und dem Memorieren von Inhalten ist fließend. Dies stellt nicht nur rechtliche, sondern auch ethische Herausforderungen dar, insbesondere wenn es um die Nutzung von Inhalten geht, die ohne Zustimmung der Rechteinhaber verwendet wurden.

Die Ergebnisse der Studie könnten weitreichende Auswirkungen auf die KI-Industrie haben. Unternehmen, die auf KI-Modelle setzen, müssen möglicherweise ihre Datenquellen transparenter gestalten und sicherstellen, dass sie die Rechte der Urheber respektieren. Dies könnte auch zu einer Neubewertung der „Fair Use“-Regeln im Kontext von KI-Trainingsdaten führen.

In der Zukunft könnten solche Studien dazu beitragen, die Entwicklung von KI-Modellen zu beeinflussen, indem sie die Notwendigkeit für ethische Standards und rechtliche Klarheit unterstreichen. Die Diskussion um die Nutzung urheberrechtlich geschützter Inhalte wird sicherlich weitergehen, während die Technologie sich weiterentwickelt und neue Herausforderungen mit sich bringt.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!