Nuestras conversaciones con The New York Times parecían estar progresando de manera constructiva hasta nuestra última comunicación el 19 de diciembre. Las negociaciones se centraron en una asociación de alto valor en torno a la visualización en tiempo real con atribución en ChatGPT, en la que The New York Times obtendría una nueva manera de conectarse con sus lectores nuevos y existentes, y nuestros usuarios obtendrían acceso a sus informes. Le habíamos explicado a The New York Times que, como cualquier fuente única, su contenido no contribuía significativamente al entrenamiento de nuestros modelos existentes y tampoco tendría suficiente impacto para el entrenamiento futuro. Su demanda del 27 de diciembre, de la que nos enteramos leyendo The New York Times, fue una sorpresa y una decepción para nosotros.
En el camino, mencionaron haber visto cierta regurgitación de su contenido, pero se negaron repetidamente a compartir ningún ejemplo, a pesar de nuestro compromiso de investigar y solucionar cualquier problema. Hemos demostrado con qué seriedad tratamos esto como una prioridad, como en julio cuando eliminó una función de ChatGPT Inmediatamente después supimos que podía reproducir contenido en tiempo real de formas no deseadas.
Curiosamente, las regurgitaciones que provocó el New York Times parecen provenir de artículos de hace años que han proliferado en múltiple tercero–fiesta sitios web. Parece que manipularon intencionalmente las indicaciones, que a menudo incluían extensos extractos de artículos, para que nuestro modelo regurgitara. Incluso cuando utilizamos tales indicaciones, nuestros modelos no suelen comportarse de la forma en que insinúa The New York Times, lo que sugiere que le ordenaron al modelo que regurgitara o escogieron sus ejemplos de muchos intentos.
A pesar de sus afirmaciones, este uso indebido no es una actividad típica ni permitida para el usuario, y no sustituye al The New York Times. De todos modos, continuamente hacemos que nuestros sistemas sean más resistentes a los ataques adversarios para regurgitar datos de entrenamiento, y ya hemos logrado muchos avances en nuestros modelos recientes.