OpenAI unter Druck: Lizenzforderungen für KI-Training mit O’Reilly-Büchern

SAN FRANCISCO / MÜNCHEN (IT BOLTWISE) – OpenAI sieht sich erneut mit Vorwürfen konfrontiert, sein KI-Modell GPT-4o mit urheberrechtlich geschützten Inhalten trainiert zu haben. Eine aktuelle Studie legt nahe, dass Bücher des renommierten Technikverlages O’Reilly ohne Genehmigung genutzt wurden.

OpenAI steht im Mittelpunkt einer Kontroverse, die das Training seines KI-Modells GPT-4o betrifft. Laut einer Studie des AI Disclosures Project, an der auch Timothy O’Reilly, Gründer des O’Reilly-Verlags, beteiligt war, soll OpenAI mindestens 34 Bücher des Verlages ohne Erlaubnis verwendet haben. Diese Vorwürfe werfen ein Schlaglicht auf die Praktiken der Datenbeschaffung für KI-Modelle und die damit verbundenen rechtlichen Herausforderungen.

Die Forscher des Projekts untersuchten die Modelle GPT-3.5 Turbo und GPT-4o mini, um festzustellen, ob sie mit urheberrechtlich geschütztem Material trainiert wurden. Dabei stellten sie den KI-Modellen Multiple-Choice-Fragen, bei denen eine der Antwortmöglichkeiten ein wörtliches Zitat aus den O’Reilly-Büchern war. Die Erkennung dieser Zitate durch die Modelle wurde als Indiz für die Nutzung der Bücher beim Training gewertet.

Ein entscheidender Aspekt der Studie war die Berechnung des AUROC-Wertes, der die Wahrscheinlichkeit misst, dass ein Modell mit bestimmten Daten trainiert wurde. Für GPT-4o ergab sich ein Wert von 82 Prozent, was auf eine hohe Wahrscheinlichkeit hinweist, dass die O’Reilly-Bücher verwendet wurden. Interessanterweise erzielte GPT-4o mini einen deutlich niedrigeren Wert, was darauf hindeutet, dass dieses Modell nicht mit den gleichen Daten trainiert wurde.

Die Studie wirft auch ein Licht auf die zunehmende Bedeutung nicht-öffentlicher Daten beim Training von KI-Modellen. Während GPT-3.5 Turbo mit einer Datenbasis von 2021 einen AUROC-Wert von 54 Prozent erreichte, lag der Wert für GPT-4o mini bei 56 Prozent. Dies deutet darauf hin, dass OpenAI möglicherweise andere Datenquellen für das Training dieser Modelle genutzt hat.

Die Diskussion um die Nutzung urheberrechtlich geschützter Werke zum Training von KI-Modellen ist nicht neu. Bereits zuvor hatte die New York Times rechtliche Schritte gegen OpenAI eingeleitet, um die Verwendung ihrer Inhalte zu unterbinden. Die Autoren der Studie fordern nun mehr Transparenz und einen formalen Lizenzierungsrahmen für die beim Training genutzten Inhalte, um künftige Konflikte zu vermeiden.

Die Vorwürfe gegen OpenAI verdeutlichen ein systematisches Problem in der KI-Entwicklung: Die Balance zwischen der Nutzung vorhandener Daten und dem Schutz geistigen Eigentums. Ohne klare Regelungen und Vergütungen könnte die Verfügbarkeit von Trainingsdaten in Zukunft stark eingeschränkt werden, was die Weiterentwicklung von KI-Modellen erheblich behindern würde.

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