Maindola nói với Ars rằng “bộ dữ liệu đã bị đánh dấu là thuộc phạm vi công cộng do nhầm lẫn. Không có ý định xuyên tạc tình trạng cấp phép của các tác phẩm.”

Không rõ liệu Kamath được yêu cầu liên kết đến bộ dữ liệu sách Harry Potter trong bài đăng trên blog hay đó là lựa chọn cá nhân của ông. Cathay YN Smith, giáo sư luật và đồng giám đốc Chương trình Luật Sở hữu Trí tuệ của Trường Luật Chicago-Kent, nói với Ars rằng Kamath có thể không nhận ra rằng những cuốn sách đó mới xuất bản gần đây nên chưa thuộc phạm vi công cộng.

“Một người có thể rất am hiểu về sách và công nghệ, nhưng không nhất thiết phải am hiểu về các điều khoản bản quyền và thời hạn hiệu lực của chúng,” Smith nói. “Đặc biệt là nếu người đó thấy rằng một tác phẩm nào đó đã được một công ty uy tín khác đánh dấu là thuộc phạm vi công cộng.”

Microsoft từ chối yêu cầu bình luận từ Ars. Kaggle cũng không phản hồi yêu cầu bình luận từ Ars.

Microsoft "có lẽ đã khôn ngoan" khi gỡ bỏ bài đăng trên blog.

Trên Hacker News, các bình luận viên cho rằng khó có ai quen thuộc với loạt phim nổi tiếng này tin rằng sách Harry Potter thuộc phạm vi công cộng. Họ tranh luận liệu bài đăng trên blog của Microsoft có "gây vấn đề về bản quyền" hay không, vì Microsoft không chỉ khuyến khích khách hàng tải xuống các tài liệu vi phạm bản quyền mà còn sử dụng chính những cuốn sách đó để tạo ra các mô hình AI Harry Potter dựa trên các nhân vật được yêu thích để quảng bá sản phẩm của Microsoft.

Bài đăng trên blog của Microsoft được đăng tải cách đây hơn một năm, vào thời điểm các công ty AI bắt đầu phải đối mặt với các vụ kiện liên quan đến các mô hình AI, bị cáo buộc vi phạm bản quyền bằng cách huấn luyện trên các tài liệu lậu và sao chép nguyên văn các tác phẩm.

Bài đăng trên blog khuyên người dùng nên học cách huấn luyện mô hình AI của riêng mình bằng cách tải xuống bộ dữ liệu Harry Potter và sau đó tải các tệp văn bản lên Azure Blob Storage. Bài đăng bao gồm các mô hình ví dụ dựa trên bộ dữ liệu mà Microsoft dường như đã tải lên Azure Blob Storage, chỉ bao gồm cuốn sách đầu tiên, Harry Potter và Hòn đá phù thủy .

Bằng cách huấn luyện các mô hình ngôn ngữ lớn (LLM) trên các tệp văn bản, người hâm mộ Harry Potter có thể tạo ra các hệ thống hỏi đáp có khả năng trích xuất các đoạn trích liên quan từ sách. Một ví dụ về truy vấn được đưa ra là “Đồ ăn vặt của Thế giới Phù thủy”, đã truy xuất một đoạn trích từ cuốn Harry Potter và Hòn đá Phù thủy, trong đó Harry ngạc nhiên trước những món ăn kỳ lạ như kẹo Bertie Bott's Every Flavor Beans và những con ếch sô cô la. Một câu hỏi khác như “Harry cảm thấy thế nào khi lần đầu tiên biết mình là một phù thủy?” đã tạo ra kết quả trỏ đến nhiều đoạn trích đầu tiên trong cuốn sách.

Nhưng có lẽ một trường hợp sử dụng thú vị hơn nữa, theo gợi ý của Kamath, là tạo ra các tác phẩm fan fiction để “khám phá những cuộc phiêu lưu mới” và “thậm chí tạo ra những kết thúc khác”. Mô hình đó có thể nhanh chóng rà soát tập dữ liệu để tìm các đoạn trích “tương tự về ngữ cảnh” có thể được sử dụng để tạo ra những câu chuyện mới phù hợp với các câu chuyện hiện có và kết hợp “các yếu tố từ các đoạn văn đã được tìm thấy”, bài đăng trên blog cho biết.

Ví dụ, Kamath đã huấn luyện một mô hình viết một câu chuyện về Harry Potter mà cô ấy có thể sử dụng để tiếp thị tính năng mà cô ấy đang viết trên blog. Cô ấy yêu cầu mô hình viết một câu chuyện trong đó Harry gặp một người bạn mới trên chuyến tàu Hogwarts Express, người kể cho cậu ấy nghe tất cả về tính năng Hỗ trợ Vector Gốc của Microsoft trong SQL “ở thế giới Muggle”.

Dựa trên một số đoạn trong "Hòn đá phù thủy" nơi Harry học về Quidditch và làm quen với Hermione Granger, truyện fan fiction này miêu tả một cậu bé đang thuyết phục Harry về tính năng mới "tuyệt vời" của Microsoft. Để làm điều đó, cậu ta ví tính năng này như một câu thần chú giúp bạn tìm thấy chính xác những gì mình cần trong số hàng ngàn lựa chọn, ngay lập tức, đồng thời tuyên bố nó hoàn hảo cho máy học, trí tuệ nhân tạo và hệ thống đề xuất.

Để làm mờ thêm ranh giới giữa thương hiệu Microsoft và Harry Potter, Kamath cũng tạo ra một hình ảnh cho thấy Harry cùng người bạn mới của mình, có in logo của Microsoft.

Smith nói với Ars rằng cả hai trường hợp sử dụng đều có thể gây khó chịu cho các chủ sở hữu bản quyền, tùy thuộc vào nội dung trong kết quả đầu ra của mô hình.

“Tôi nghĩ rằng việc sao chép và sáng tạo truyện fan fiction đều có thể gây ra vấn đề bản quyền, bởi vì fan fiction thường phải sử dụng các yếu tố biểu đạt, một nhân vật có bản quyền, một nhân vật đủ nổi tiếng để được bảo vệ bởi luật bản quyền, hoặc cốt truyện hay các phân cảnh,” Smith nói. “Nếu những thứ này được sao chép và tái tạo, thì sản phẩm đó có thể vi phạm bản quyền.”

Nhưng đây vẫn là một vấn đề chưa rõ ràng. Nhìn vào bài đăng trên blog, Smith nói, "Tôi sẽ lo ngại," nhưng "tôi sẽ không nói rằng đó là hành vi vi phạm bản quyền ngay lập tức."

Smith nói với Ars rằng, việc Microsoft gỡ bỏ bài đăng trên blog “có lẽ là một quyết định sáng suốt”, vì các tòa án thường chỉ cho rằng việc huấn luyện AI bằng sách có bản quyền là sử dụng hợp pháp. Tuy nhiên, các tòa án vẫn tiếp tục điều tra các vấn đề liên quan đến tài liệu huấn luyện AI bị sao chép trái phép.

Trên trang dữ liệu Kaggle đã bị xóa, Maindola trước đó đã giải thích rằng để thu thập dữ liệu, anh ấy đã "tải xuống các ebook và sau đó chuyển đổi chúng thành các tệp txt."

Microsoft có thể đã vi phạm bản quyền.

Nếu Microsoft từng phải đối mặt với những câu hỏi về việc liệu công ty có cố tình sử dụng sách lậu để huấn luyện các mô hình ví dụ hay không, thì việc viện dẫn lý do sử dụng hợp lý “có thể sẽ rất khó khăn”, Smith nói.

Các bình luận viên trên Hacker News cho rằng bài đăng trên blog có thể được coi là sử dụng hợp lý, vì hướng dẫn đào tạo này dành cho "mục đích giáo dục", và Smith nói rằng Microsoft có thể đưa ra một số "lý lẽ thuyết phục" để tự vệ.

Tuy nhiên, bà cũng cho rằng Microsoft có thể phải chịu trách nhiệm ở một mức độ nào đó vì đã góp phần vào hành vi vi phạm bản quyền sau khi để blog đó hoạt động trong suốt một năm. Trước khi bị gỡ bỏ, bộ dữ liệu Kaggle đã được tải xuống hơn 10.000 lần.

“Kết quả cuối cùng là tạo ra thứ gì đó vi phạm bản quyền bằng cách nói, 'Này, đây, hãy lấy thứ vi phạm bản quyền đó và sử dụng nó trong hệ thống của chúng tôi,'” Smith nói. “Họ có thể phải chịu trách nhiệm gián tiếp về hành vi vi phạm bản quyền, vì đã tải xuống nó, cũng như sử dụng nó để khuyến khích người khác sử dụng cho mục đích đào tạo.”