Leggo dal Guardian (ma immagino sia scritto ovunque…) che OpenAI afferma che sia impossibile addestrare i LLM generativi come ChatGPT senza usare materiale sotto copyright. Per la precisione, dicono che “supportano il giornalismo, fanno accordi con aziende del settore, e che la causa del New York Times (che li ha citati per violazione di copyright) non ha fondamento”.
Consiglio di leggere la difesa di OpenAI al link qui sopra, perché è un classico esempio di come si fa in fretta a spostare il punto del contendere. Non mi riferisco tanto al fatto che OpenAI ha implementato un sistema di opt-out per chi non vuole che il suo materiale da quel momento in poi (enfasi mia) non venga più usato, tacendo su quanto è stato fatto in precedenza. Né alla frase «We had explained to The New York Times that, like any single source, their content didn’t meaningfully contribute to the training of our existing models and also wouldn’t be sufficiently impactful for future training.» Questa frase non ha alcun senso dal punto di vista legale: pensate a una causa per furto di alcune monete antiche esibite in una mostra e alla difesa “ma la nostra mostra non sarebbe stata differente anche se non ci fossero state quelle monete. Ma anche la difesa fatta davanti al parlamento britannico è lampante: “Poiché oggi il copyright tocca praticamente ogni tipo di espressione umana – compresi post nei blog, fotografie, messaggi nei forum, frammenti di codice e documenti governativi – sarebbe impossibile addestrare i modelli più avanzati odierni di AI senza usare materiale sotto copyright”.
Il punto per me è un altro. O paghi per usare materiale sotto copyright – il termine significa proprio questo: tu che sei titolare decidi quanto vale il tuo materiale – o mostri che il concetto di copyright come è declinato oggidì è malsano. Il tutto senza contare che OpenAI mette (volutamente…) sullo stesso piano tipi diversi di copyright. I documenti governativi, per esempio, sono di solito liberamente riutilizzabili; i blog hanno spesso una licenza non commerciale (come nel mio caso: non che io pensi che qualcuno addestri un’AI anche con le mie notiziole), e lo stesso capita spesso con foto e codice. Nulla insomma a che fare con gli articoli di giornale.
Non mi sembra poi che si possa invocare così facilmente il fair use, ovviamente restando sul diritto anglosassone perché da noi non se ne parla proprio: il fair use implica che si usa una piccola parte del materiale sotto copyright, mentre per definizione l’addestramento di un LLM generativo ne usa tanto, tantissimo. (sulla singola risposta ne sfrutta poco, ma quella è un’altra storia). Capirete però che un simile approccio apre un vaso di Pandora, il che non conviene neppure a OpenAI che con i suoi modelli ci vuole fare i soldi. In definitiva consiglierei di preparare i popcorn.
Anna ha appena ricevuto l’ennesima chiamata del “Servizio Elettrico Nazionale” che segnalava la possibilità di una vantaggiosa tariffa monoraria per la casa al mare. Alla domanda “come avete questo numero, considerando che quando ho fatto la voltura ho espressamente chiesto di non essere contattata?” c’è stato il solito muro di gomma con una risposta evasiva. Quando però abbiamo fatto notare che il numero da cui pareva chiamassero era inesistente ha provato a chiedere cosa avevamo detto, Anna gliel’ha rispiegato e incredibilmente la chiamata si è interrotta, immagino per l’effetto Wile E. Coyote (avete presente quando corre oltre un dirupo, prosegue per qualche passo, si ferma, si accorge che è in aria e precipita?)
Sei amiche (Ada, Bea, Cleo, Dina, Eli, Fede) giocano spesso a tennis nel campetto del condominio dove abitano. Dato che la loro forma fisica varia nel tempo e non sempre possono esserci tutte, hanno ideato un metodo per stilare una classifica relativa che si aggiorna a ogni gara. Partendo dall’ultima partita giocata e andando a ritroso, si prepara un ordine parziale dato dalle partite giocate: se una di queste partite non è coerente con l’ordine finora trovato viene scartata perché rispecchia un momento passato. Per fare un esempio pratico, immaginiamo che ci siano solo quattro amiche e le partite giocate siano state nell’ordine le seguenti, dove le lettere corrispondono alle amiche e la prima nella coppia dica chi ha vinto: CD, CA, BD, BC, AB. Andando a ritroso, abbiamo le seguenti classifiche parziali: AB, ABC, la coppia ABC / ABD (non sappiamo ancora ordinare C e D), una partita non considerata perché A è davanti a C, ABCD. Supponiamo che la partita successiva sia B contro D; se B vince non succede nulla, se vince D passerà davanti a B e si ricalcolerà tutta la classifica.
Il 9 gennaio di centocinquantun anni fa morì Carlo Luigi Napoleone Bonaparte, più noto come Napoleone III. Per commemorare l’evento, lo scrittore e poeta bolognese Olindo Guerrini scrisse (con il suo usuale pseudonimo di Lorenzo Stecchetti) 
Stamattina sono arrivato in ufficio in bici, e mi sono trovato un camion che bloccava l’accesso carraio (e il marciapiede). Il motore era acceso. Mi metto dietro a una certa distanza, do un paio di colpetti di clacson (sì, ho un clacson tosto sulla bici). Il camion si sposta di qualche centimetro in avanti, di qualche centimetro indietro per due o tre volte, poi si ferma lasciando uno spazio a malapena sufficiente per andare. Comincio a tenere continuo il clacson, dopo un po’ scendo dalla bici; intanto l’autista era sceso e incazzato mi ha detto “c’è lo spazio!”
Credo che tutti gli smanettoni informatici della mia generazione sappiano perfettamente chi fosse Niklaus Wirth, 
Finalmente sono riuscito a trovare un testo che parli delle AI di ultima generazione in modo apprezzabile. Il punto è che io ho un’idea di base di come possono funzionare, e mi accorgo subito se qualcuno sta menando il can per l’aia. Come del resto dice nel titolo, Roncaglia vede Wikipedia e le AI generative come due modelli di conoscenza complementari: la prima si occupa di organizzare la conoscenza, le seconde escono dalla logica compilativa e provano a trovare nuove connessioni tra le informazioni per ampliare la conoscenza. (Dal suo punto di vista è irrilevante che le AI siano “intelligenti” oppure no: tanto siamo noi che prendiamo i risultati e ci facciamo qualcosa). Non saprei dire se questa sua tesi sia completamente valida, però mi sembra un ottimo punto da cui partire per una nuova visione della conoscenza.