ChatGPT offenbar auch an Büchern wie „Harry Potter“ trainiert
ChatGPT wurde zu Trainingszwecken nicht nur mit im Internet frei zugänglichen Quellen gefüttert, sondern auch mit urheberrechtlich geschützter Literatur. Dies legt zumindest eine Studie der University of California Berkeley nahe.
Lückentexte mit Eigennamen aus Romanklassikern
Das Team um David Bemman hat dazu Lückentexte erstellt, die ChatGPT und GPT-4 schließen sollte. Diese Lücken konnten nur durch exakte Textkenntnisse bekannter literarischer Werke gefüllt werden. Die Forscher:innen wählten Zitate aus 100 Romanen aus, darunter (moderne) Klassiker wie „Harry Potter“, „1984“ von George Orwell oder „Stolz und Vorurteil“ von Jane Austen.
In den Textabschnitten ließen die Wissenschaftler:innen dann Eigennamen weg, die nur in diesen Werken auftauchen. Die KI konnte also nicht aus dem Textumfeld durch Wahrscheinlichkeitsrechnung auf das richtige Wort schließen.
So schlossen die KI bei der Textprüfung ab
Sowohl ChatGPT als auch GPT-4 schlossen bei dem Test verblüffend gut ab. Bei Zitaten aus dem Roman „Alice im Wunderland“, dessen Urheberrecht abgelaufen ist, lagen die KI zu 98 Prozent richtig. Bei dem Copyright-geschützten „Harry Potter und der Stein der Weisen“ waren es immerhin noch 76 Prozent.
Die Autor:innen kamen zu dem Schluss, dass ChatGPT mit urheberrechtsgeschützten Texten gefüttert worden sein muss. OpenAI, das Unternehmen hinter dem bahnbrechenden Chatbot, hält sich bedeckt, mit welchen Daten die KI genau trainiert wurde.
Verstößt ChatGPT also im großen Stil gegen geistiges Eigentum? So einfach ist es nicht. Schließlich kursieren Zitate aus Büchern auch frei zugänglich im Netz. Die Studie aus Berkeley stellte fest, dass die KI bei solchen Büchern, aus denen Passagen häufig online auftauchten, besser abschnitten als bei weniger verbreiteten Werken.
Romane schwarzer Autor:innen unterrepräsentiert
Bei Romanen von schwarzen Autor:innen wie Literaturnobelpreisträgerin Toni Morrison zeigten die KI besonders wenig Textkenntnisse. Dies wiederum erlaubt Rückschlüsse auf die mangelnde Repräsentation von Minderheiten bei der Programmierung von Algorithmen. Ein Problem, das nicht nur bei ChatGPT und Co. debattiert wird.
Für Kritiker:innen, die OpenAI Urheberrechtsverletzungen im großen Stil vorwerfen, dürfte die Studie Wasser auf die Mühlen geben. Erste juristische Entscheidungen stehen in den USA und Großbritannien demnächst an. In Deutschland fordert die Verlagsbranche Ausgleichzahlungen, sollten sich Künstliche Intelligenzen weiter ungefragt bei urheberrechtlich geschütztem Material bedienen.
