A The New York Times és a Daily News még 2023 végén pert indított az OpenAI és partnercége, a Microsoft ellen, állítva, hogy ezek a vállalatok ellopták a cikkeiket a nyelvi modellek tanításához.

A per keretein belül az OpenAI beleegyezett, hogy a kiadók jogi képviselői, valamint általuk megbízott szakértők átvizsgálják a nyelvi modellek képzési adatait, keresve a bizonyítékokat. November 1-je óta már több mint 150 órát töltöttek az adatok átvizsgálásával. Ekkor jött a váratlan fordulat.

Egy a bírósághoz benyújtott levél szerint az OpenAI mérnökei november 14-én véletlenül eltüntették a kiadók összes keresési adatát az egyik, számukra létrehozott virtuális gépen. A TechCrunch értesülései alapján ez az incidens súlyosan befolyásolja a keresést a ChatGPT képzési adatai között.

Bár a szakemberek hosszú időt töltöttek a szükséges információk összegyűjtésével, a cég minden adatot törölt a rendszeréből, és állításuk szerint ez teljesen véletlenül történt. Az OpenAI megpróbálta helyreállítani az adatokat, részben sikerrel – azonban mivel a mappaszerkezet és a fájlnevek is elvesztek, a helyreállított állományok használhatatlanok bizonyítékként.

A szakértőknek tehát újra kell kezdeniük a munkát, gyakorlatilag kidobva rengeteg munkaórát. A felperesek jogi képviselője hangsúlyozta, hogy nincs okuk feltételezni, hogy a törlés szándékos lett volna.

Ez az eset felveti a kérdést: vajon mennyire biztonságosak a digitális adatkezelési rendszerek a modern technológiák világában? Az adatvesztés nem csupán a jogi ügyek szempontjából problémás; rengeteg munka és erőforrás veszik kárba, amelynek helyreállítása vagy megismétlése komoly kihívást jelent. A technológiai vállalatoknak sürgősen felül kell vizsgálniuk adataik védelmét és kezelését, hogy elkerüljék a hasonló eseteket a jövőben.