Por que isso importa agora
A disputa sobre os dados usados pela OpenAI para treinar seus modelos ganhou um novo capítulo. Dias depois de uma polêmica sobre o uso de trabalhos não publicados, um segundo matemático — Andreas Thom — acusou a empresa de comportamento “desonesto” e de falta de transparência sobre a origem de seus dados de treinamento.
Em uma série de posts no Mastodon, Thom levantou a suspeita de que interações suas com o ChatGPT possam ter contribuído para um dos 10 resultados matemáticos que a OpenAI anunciou com alarde no mês passado, justamente na área de “grupos não-soficos”, seu campo de especialidade.
O argumento central
O ponto de Thom é que a OpenAI teria respondido apenas se suas conversas com o chatbot poderiam ser acessadas diretamente — e não se elas entraram nos vastos conjuntos de dados usados para melhorar os modelos. “Só a OpenAI tem os dados relevantes para isso”, escreveu.
Em sua defesa no caso do Prêmio do Milênio (Navier-Stokes), a OpenAI negou ter acessado trabalho específico de usuários, mas reconheceu: “não podemos descartar que dados não identificados derivados do uso de nossos produtos tenham ajudado a melhorar nossos modelos”. Para Thom, essa distinção é enganosa: “a desidentificação pode remover um nome; não remove o conteúdo intelectual de uma ideia matemática.”
O clima na comunidade
O episódio deixou matemáticos apreensivos. Vários pesquisadores disseram à The Verge que temem que comportamentos assim empurrem o campo para um estado mais sigiloso — já que até mesmo rumores de um avanço podem acender uma corrida contra um gigante tecnológico bem financiado e ansioso por glória.
Para o público brasileiro, o caso é um lembrete de que o debate sobre dados de treinamento vai muito além de direitos autorais de texto e imagem: ele alcança também a pesquisa acadêmica de ponta, onde a falta de transparência pode desestimular cientistas a compartilhar resultados.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
