Microsoft ha depositato due memorie pubbliche redatte per il summary judgment in In re OpenAI, Inc. Copyright Infringement Litigation il 4 settembre — il documento 1690 per i querelanti dei libri, 42 pagine, e il documento 1698 per i querelanti dei media, 46 pagine. Entrambe analizzano le stesse prove. Arrivano a tassi che differiscono di un fattore di circa 2.500.
Lo stesso corpus, due soglie
La memoria sui libri, a pagina 22: l'esperto dei querelanti "ha esaminato 8,2 milioni di conversazioni dal prodotto Copilot di Microsoft basato su LLM e ha trovato 24 risposte di Copilot che includevano 30 parole corrispondenti … Si tratta di un tasso di regurgitazione dello .00029%. E per 202 delle 212 opere rivendicate dai querelanti dei libri, Shan non ha trovato alcuna regurgitazione nei log". La memoria sui media, a pagina 29, sugli stessi 8,2 milioni: l'esperto Tom Goldstein ha cercato corrispondenze di 16 parole e "ha potuto trovare solo 59.545 conversazioni", il che "produce un minuscolo 0,73% di corrispondenze". Trenta parole contro sedici: è questa l'intera differenza.
Il denominatore che Microsoft rinnega e poi usa
La memoria sui media lo dice apertamente: "Gli 8,2 milioni non erano casuali — erano le chat richieste dai querelanti perché avevano individuato parole chiave che implicavano l'uso dei siti web dei querelanti dei media e quindi erano le più propense a contenere le opere dei querelanti dei media." Una pagina dopo divide per quel numero per ottenere lo 0,73%. Un tasso calcolato su un corpus assemblato per massimizzare i risultati è un minimo su un campione arricchito, non un tasso di base sul traffico Copilot — e la memoria fornisce da sola entrambe le metà di questa obiezione.
Due argomenti che non riguardano affatto il fair use
Il MDL viene seguito come una battaglia sul fair use. Due dei quattro argomenti di Microsoft non lo sono. Uno è una licenza implicita derivante da un meta tag mancante: si chiede il summary judgment per qualsiasi rivendicazione basata su pagine web prive del tag NOARCHIVE dopo settembre 2023. L'altro è un limite al risarcimento — gli editori hanno diritto "al massimo a un solo risarcimento per numero, non per articolo", perché registrano i numeri come opere collettive, citando Bryant v. Media Right Prods. È il terreno che decide se l'esposizione arriva a milioni o miliardi.
Cosa sbaglia la cornice ricevuta
"24 in 8,2 milioni" è stato riportato da solo. È la metà di quanto Microsoft ha depositato lo stesso giorno, sugli stessi log. Qualunque cifra venga mostrata al lettore, la versione onesta è che il tasso è funzione di una soglia che il tribunale non ha ancora scelto — e il giudice Stein dovrà sceglierne una prima di valutare il terzo fattore del fair use. L'esperto di Microsoft riferisce inoltre che solo il 1,3% degli utenti finali usa Copilot per cercare notizie attuali in generale.