এআই প্ৰশিক্ষণৰ ওপৰত মাইক্ৰছফ্টৰ নিজা স্মাৰকপত্ৰ এতিয়া ৰাজহুৱা হৈছে।

এই ভিডিঅ’টোত কি আছে

• এন ৱাই টি বনাম অপেনএআই/মাইক্ৰছফ্ট উন্মুক্ত: "মানৱ ইতিহাসৰ সৰ্ববৃহৎ শ্ৰম চুৰি" (মাইক্ৰছফ্টৰ স্মাৰকপত্ৰ, জানুৱাৰী ২০২৩); ক'পাইলট −৯৩% ক্লিক-থ্ৰু; মধ্য-প্ৰশিক্ষণ ডাটাত বাদীৰ ৯১,৬৯২টা কামৰ কপি; এটা কমন ক্ৰল শ্লাইচত ২ নিযুত nytimes.com পৃষ্ঠা; কপিৰাইট জাননী বাদ দিয়া হৈছে; ব্ৰকম্যান: "আহ সুন্দৰ"
• সাৱধান: উদ্ধৃতিসমূহ টাইমছৰ ব্ৰিফৰ পৰা আহিছে, প্ৰদৰ্শনীবোৰ এতিয়াও ছীল কৰা হৈছে; ন্যায়াধীশ আলচাপে (বাৰ্টজ বনাম এন্থ্ৰোপিক) ৰায় দিছিল যে ক্ৰয় কৰা কিতাপৰ ওপৰত প্ৰশিক্ষণ ন্যায্য ব্যৱহাৰ — এন্থ্ৰোপিকে ৭ নিযুত পাইৰেটেড কিতাপৰ বাবে $১.৫ বিলিয়ন পৰিশোধ কৰিছিল
• ওপেনএআই এষ্ট্ৰা ফৰ ল: GPT-৬ এষ্ট্ৰা + এটা ২৩ কোটি ইউআৰএল আইনী সূচক; ভালস লিগেল ৰিচাৰ্চ বেঞ্চত ৫৪.০% বনাম ৩৮.৭%; হাৰ্ভে, লেগোৰা, ২৬টা প্লাগইন
• জেডক'ড (Z.ai, GLM): ৪২,৪১১ ফাইল থকা ৱৰ্কস্পেচৰ ৩১৩ মেগাবাইটৰ এনক্ৰিপ্ট কৰা স্ন্যাপশ্বট, ৮৬.৬% .git, লগইন কৰাৰ পিছত আৰু প্ৰতিটো প্ৰম্পটৰ আগতে আলিয়ুন OSS-লৈ আপলোড কৰা হৈছিল; কেৱল Z.ai-ৰ দ্বাৰা RSA-OAEP কী ধৰি ৰখা হৈছিল; ছেটিংছ টগলবোৰে ইয়াক বন্ধ নকৰে
• হেক্ট্ৰন: libheif হিপ অভাৰফ্লো → ডিস্ক'ৰ্চ RCE → SSO মিচকনফিগ → GitHub → অপেনএআইৰ আভ্যন্তৰীণ ৰিপ'সমূহলৈ ৭২ ঘণ্টাৰ তলত প্ৰৱেশ; ক্লাউড অপাছ ৫-ৰ দ্বাৰা এক্সপ্লইট (৩ ঘণ্টা); টোকেনত $৩,০০০-ৰ তলত অভিযান; বাউন্টি $৬,৫০০, প্ৰায় ১৪ ঘণ্টাত পেচ কৰা হৈছিল

অনূদিত ট্ৰান্সক্ৰিপ্ট

মূল ইংৰাজী বৰ্ণনাৰ পৰা অনুবাদ কৰা হৈছে। উপলব্ধ অডিঅ’ আৰু কেপচন ইউটিউবে নিয়ন্ত্ৰণ কৰে।

0:00 ২০২৩ চনৰ জানুৱাৰী মাহত, মাইক্ৰছফ্টৰ এজন সঞ্চালকে এটা স্মাৰকপত্ৰ লিখিছিল য'ত তেওঁৰ নিজৰ কোম্পানীয়ে কৰি থকা কামক মানৱ ইতিহাসৰ আটাইতকৈ ডাঙৰ শ্ৰম চুৰি বুলি অভিহিত কৰিছিল, আৰু কালি এটা ফেডাৰেল আদালতে আমাক ইয়াক পঢ়িবলৈ দিছিল। স্মাৰকপত্ৰখন নিউয়ৰ্ক টাইমছ বনাম অপেনএআই আৰু মাইক্ৰছফ্টৰ অনৰেডেক্ট কৰা উদ্ধৃতিসমূহৰ মাজৰ এটা, এই ডিচেম্বৰত তিনি বছৰ সম্পূৰ্ণ হ'বলগীয়া এটা গোচৰ। একে বৃহস্পতিবাৰে, অপেনএআইয়ে অধিবক্তাসকলৰ বাবে আইনৰ বাবে এষ্ট্ৰা, এটা মডেল মুকলি কৰিছিল, যিটো হয় এটা কাকতলগা ঘটনা বা এটা অতি শক্তিশালী নিযুক্তি। আজি পুৱা এজন ডেভেলপাৰে ZCode, Z ডট এ আইৰ ক'ডিং এজেণ্টটোক

0:29 তেওঁৰ সমগ্ৰ গিট ইতিহাস আলিবাবাৰ ক্লাউডলৈ এটা কিৰ সৈতে আপলোড কৰা ধৰা পেলাইছিল যিটো কেৱল Z ডট এ আইয়ে ধৰি ৰাখে। আৰু এটা সুৰক্ষা সংস্থাই এটা ইমেজ আপলোডৰ জৰিয়তে অপেনএআইৰ আভ্যন্তৰীণ ৰিপ'জিটৰীসমূহলৈ প্ৰৱেশ কৰিছিল, যাৰ বাবে অপেনএআইয়ে ছয় হাজাৰ পাঁচশ ডলাৰ পৰিশোধ কৰিছিল। এই ভিডিঅ'ত: ফাইলবোৰে কি কয়, পেৱাল হেকত কোনে আহ সুন্দৰ বুলি কৈছিল, আইন মডেলটো যিটো আধা সময় ভুল, ZCode-এ কি আপলোড কৰে, আৰু কিয় ক্লাউড-লিখিত এক্সপ্লইট এটা ব্যৱহৃত গাড়ীৰ মূল্যতকৈ কম। আজি শুকুৰবাৰ, ১৮ ছেপ্টেম্বৰ, আৰু এইটো হৈছে The Daily Diff।

0:58 স্মাৰকপত্ৰৰে আৰম্ভ কৰোঁ। ব্ৰেন্ট হেচটে মাইক্ৰছফ্টত প্ৰয়োগিত বিজ্ঞান চলায়, আৰু ২০২৩ চনৰ জানুৱাৰী মাহত তেওঁ প্ৰশিক্ষণ ডাটাক অভূতপূৰ্ব পৰিমাণৰ এক আচৰিত চুৰি বুলি অভিহিত কৰিছিল। এটা বছৰৰ পিছত তেওঁ এটা স্লাইড ডেকলৈ ঘূৰি আহিছিল: ক'পাইলটৰ উত্তৰ ইঞ্জিনটোৱে টাইমছলৈ ক্লিক-থ্ৰু ত্ৰেনব্বৈ শতাংশলৈকে হ্ৰাস কৰিছিল, যাক তেওঁ ডুম লুপ নাম দিছিল: প্ৰকাশকসকলক ভোকত ৰাখা, আৰু মডেলৰ খাবলৈ নতুন একো নাই। তেওঁৰ শব্দ: এটা অন্তিম উৎপাদ যিয়ে ইয়াৰ অত্যাৱশ্যকীয় যোগানকাৰীসকলৰ অৰ্থনৈতিক ভেটিৰ প্ৰতি ভাবুকি কঢ়িয়াই আনে, অৰ্থাৎ সাপটোৱে তাৰ নেজ বিচাৰি পাইছে বুলি কোৱাৰ কোম্পানীগত উপায়।

1:21 অত্যাৱশ্যকীয় যোগানকাৰীসকলৰ অৰ্থনৈতিক ভেটিৰ প্ৰতি ভাবুকি কঢ়িয়াই আনে, অৰ্থাৎ সাপটোৱে তাৰ নেজ বিচাৰি পাইছে বুলি কোৱাৰ কোম্পানীগত উপায়। তাৰ পিছত ডিপোজিচনসমূহ। সত্য নাডেলাই এই বছৰ সাক্ষ্য দিছিল যে যিকোনো পেৱাল্ড সামগ্ৰীৰ অনুজ্ঞাপত্ৰ থাকিব লাগে, আৰু তেওঁ যদি জানিব পাৰিলেহেঁতেন যে অপেনএআইয়ে পেৱাল্ড প্ৰবন্ধৰ ওপৰত প্ৰশিক্ষণ দিছিল, তেন্তে তেওঁ তেওঁলোকক পুনৰ প্ৰশিক্ষণ দিবলৈ ক'লেহেঁতেন, যিটোৱে ধৰি লয় যে মাইক্ৰছফ্টত কোনেও তেওঁলোকক দিয়া প্ৰশিক্ষণ ছেটটো খোলা নাছিল, আৰু একেখন ফাইল অনুসৰি সেয়া আছিল সমগ্ৰ GPT-৩ ডাটাছেট। নিক টাৰলী, যি ChatGPT চলায়, ইয়াক প্ৰকাশকসকলৰ বাবে এক অস্তিত্বৰ সংকট বুলি অভিহিত কৰিছিল, বৃহৎ পৰিমাণে প্ৰতিষ্ঠাপনযোগ্য। আৰু যেতিয়া এজন গৱেষকে

1:49 গ্ৰেগ ব্ৰকমেনক এটা হেকৰ বিষয়ে কৈছিল টাইমছ পেৱাল অতিক্ৰম কৰিবলৈ, অপেনএআইৰ সভাপতিলৈ দুটা শব্দেৰে উত্তৰ দিছিল: আহ সুন্দৰ। অভিযন্তাসকলেও ডাটাৰ পৰা কপিৰাইট জাননীসমূহ বাদ দিছিল যাতে মডেলে সেইবোৰ আউটপুট নকৰে, যাৰ বাবে আপুনি চাইকেলৰ ক্ৰমিক নম্বৰটো গুচাই পেলায়। পৰিমাণ: কেৱল মধ্য-প্ৰশিক্ষণ ছেটসমূহত বাদীৰ একান্নবৈ হাজাৰতকৈ অধিক প্ৰবন্ধৰ কপি, আৰু এটা কমন ক্ৰল শ্লাইচত বিশ লাখ টাইমছ পৃষ্ঠা। এতিয়া সেই অংশটো যিটো শিৰোনামে এৰি যায়। আৰু এটা কমন ক্ৰল শ্লাইচত বিশ লাখ টাইমছ পৃষ্ঠা। এতিয়া সেই অংশটো যিটো শিৰোনামে এৰি যায়।

2:15 প্ৰতিটো উদ্ধৃতি টাইমছৰ ব্ৰিফৰ পৰা আহিছে; প্ৰদৰ্শনীবোৰ এতিয়াও ছীল কৰা হৈছে, সেয়েহে আমি বিনা প্ৰসংগত অভিযোগকাৰীৰ হাইলাইটবোৰ পঢ়ি আছোঁ। আৰু আদালতে বেছিভাগেই ন্যায্য ব্যৱহাৰৰ পক্ষ লৈছে: ন্যায়াধীশ আলচাপে যোৱা বছৰত ৰায় দিছিল যে ক্ৰয় কৰা কিতাপৰ ওপৰত প্ৰশিক্ষণ আইনসন্মত, যদিও এন্থ্ৰোপিকে পাইৰেট কৰা সাত নিযুতৰ বাবে ডেৰ বিলিয়ন পৰিশোধ কৰিছিল। সেয়েহে আইনী প্ৰশ্নটো উন্মুক্ত। ইয়াক নিৰ্মাণ কৰা লোকসকলে ইয়াক চুৰি বুলি ভাবিছিল নে নাই সেয়া কালিৰ তাৰিখলৈকে, নহয়।

2:41 যিটোৱে বৃহস্পতিবাৰৰ আনটো অপেনএআই মুকলিক এটা সাহসী পছন্দ কৰি তোলে। আইনৰ বাবে এষ্ট্ৰাই GPT-৬ এষ্ট্ৰা, মই যি মডেলটোত যোৱা সপ্তাহত একো নোহোৱাকৈ পঁচিশ হাজাৰ শাৰী উৎপাদন কৰাৰ পিছত REVERT মোহৰ মাৰিছিলো, দুইশ ত্ৰিশ নিযুত পৃষ্ঠাৰ এক আইনী সন্ধান সূচকাত আবৃত কৰে। ভালছ এআইৰ আইনী গৱেষণা বেঞ্চমাৰ্কত ই চৌৱন্ন শতাংশ প্ৰশ্ন পাছ কৰে, সাধাৰণ ৱেব চাৰ্চৰ উনচল্লিশৰ পৰা বৃদ্ধি পাইছে, যাক অপেনএআইয়ে চল্লিশ শতাংশ উন্নতি বুলি কয় আৰু এজন অধিবক্তাই প্ৰায় আধা সময় ভুল বুলি ক'ব। ব্লগ পোষ্টত হ্যালুচিনেচন শব্দটো নাই।

3:14 হেকাৰ নিউজে কৈছিল: ই নিজকে গোচৰ দিব পাৰিবনে, যিটো সপ্তাহটোৰ কথা বিবেচনা কৰি, প্ৰথম প্ৰকৃত ব্যৱহাৰ ক্ষেত্ৰ। ইফালে, শ্ৰম চুৰিৰ আলোচনা আপোনাৰ লেপটপ পাইছিল। এটা ডেভেলপাৰে ফেৰষ্টাৰ নামৰ এটা জেডক'ড ফ'ল্ডাৰ চাফা কৰিছিল, Z ডট এ আইৰ GLM মডেলৰ বাবে বন্ধ ডেস্কটপ এজেণ্ট, আৰু তেওঁৰ বাণিজ্যিক ৱৰ্কস্পেচৰ তিনিশ তেৰ মেগাবাইটৰ এনক্ৰিপ্ট কৰা আৰ্কাইভ এটা বিচাৰি পাইছিল: বিয়াল্লিশ হাজাৰ ফাইল, ইয়াৰ সাতাশী শতাংশ ডট গিট ডিৰেক্টৰী, লগইন কৰাৰ সময়ত আৰু প্ৰতিটো প্ৰম্পটৰ আগতে আলিবাবাৰ অবজেক্ট ষ্ট'ৰেজলৈ পঠিওৱা হৈছিল।

3:42 আৰ্কাইভটো চাৰ্ভাৰে দিয়া এটা পাব্লিক কীৰে আবৃত; ব্যক্তিগত কীটো কেৱল Z ডট এ আইৰ ক্লাউডত থাকে, সেয়েহে আপোনাৰ নিজা ডিস্কত থকা ছাইফাৰটেক্সটটো আপোনাৰ বাবে পঢ়িব নোৱাৰা। তেওঁৰ কথা: এটা কী যিটো কেৱল চাৰ্ভাৰেহে ব্যৱহাৰ কৰিব পাৰে তাৰ কেৱল এটা উদ্দেশ্য আছে। Z ডট এ আই হৈছে সেই কোম্পানী যাক এন্থ্ৰোপিকে ক্লাউড ডিষ্টিল কৰাৰ অভিযোগ কৰিছিল, সেয়েহে ওজনবোৰ মুকলি আৰু স্পষ্টভাৱে, আপোনাৰ ৰিপ'ও মুকলি। আৰু হাঁহি উঠা কথাটো, যদি আপুনি অপেনএআইত কাম নকৰে। হেক্ট্ৰনে libheif-ত এটা হিপ অভাৰফ্লো বিচাৰি পাইছিল, কমিউনিটি ডট অপেনএআই ডট কমত এটা ক্ৰাফ্টেড ছবি আপলোড কৰিছিল,

4:10 ফ'ৰামখনত ক'ড এক্সিকিউচন লাভ কৰিছিল, আৰু এটা ভুল কনফিগাৰ কৰা একক ছাইন-অনৰ জৰিয়তে GitHub ইন্টিগ্ৰেশনৰ মাজেৰে ওপেনএআইৰ আভ্যন্তৰীণ ৰিপ'জিটৰীসমূহত, বাহাত্তৰ ঘণ্টাৰ তলত প্ৰৱেশ কৰিছিল। এক্সপ্লইটটো ক্লাউডে লিখিছিল: অপাছ ৪.৮-এ ঠিকনা ৰেনডমাইজেশ্বনক হৰুৱাব পৰা নাছিল, অপাছ ৫-এ মুকলিৰ তিনি ঘণ্টাৰ ভিতৰত কৰিছিল। সম্পূৰ্ণ অভিযানৰ খৰচ টোকেনত তিনি হাজাৰ ডলাৰৰ তলত আছিল। ওপেনএআইয়ে চৌদ্দ ঘণ্টাত পেচ কৰিছিল আৰু ছয় হাজাৰ পাঁচশ ডলাৰ পৰিশোধ কৰিছিল, সেয়েহে এক ট্ৰিলিয়ন ডলাৰ কোম্পানীৰ উৎস ক'ডটো

4:39 সংক্ষিপ্তভাৱে, ব্যৱহৃত কৰ'লাৰ দৰে মূল্য আছিল, একেদিনাই ইয়াৰ অধিবক্তাসকলে যুক্তি দিছিল যে কপি কৰা ন্যায্য ব্যৱহাৰ। যদি আপুনি মই কোৱাৰ পৰিৱৰ্তে এইটো পঢ়িব বিচাৰে, তেন্তে ডিফটো প্ৰতিদিনে পুৱা আপোনাৰ ইনবক্সত আহে — daily diff ডট dev-ত বিনামূলীয়া, তলত লিংক। তেন্তে — আজিৰ ৰায়: পুনৰীক্ষণৰ প্ৰয়োজন। উদ্ধৃতিসমূহ প্ৰকৃত, কিন্তু এইবোৰ ছীল কৰা প্ৰদৰ্শনীৰ পৰা অভিযোগকাৰীৰ পছন্দ, আৰু এজন ন্যায়াধীশে যিজনে শাসন কৰিছে তেওঁ কয় যে প্ৰশিক্ষণ ন্যায্য ব্যৱহাৰ আৰু পাইৰেচি নহয়। আদালতে আইনৰ সিদ্ধান্ত লয়; স্মাৰকপত্ৰখনে ইতিমধ্যে নৈতিকতাৰ সিদ্ধান্ত লৈছে।

5:07 চাবস্ক্ৰাইব কৰক, বেলটো টিপক, আৰু মন্তব্যত মোক কওক যদি আপুনি ইয়াক বেলেগ ধৰণে ষ্টাম্প কৰিলেহেঁতেন। আৰু সেয়াই আজিৰ বাবে ডিফ। মই Axrisi-ৰ পৰা Niko। দায়িত্ব সহকাৰে মেৰ্জ কৰক।

উৎসসমূহ

1. TechCrunch: Microsoft exec called AI scraping 'the largest theft of labor in human history'techcrunch.com
2. HN thread (605 pts)news.ycombinator.com
3. Jason Kint on the unsealed motionsx.com
4. Ed Newton-Rexx.com
5. Bartz v. Anthropic / $1.5B settlement (background)en.wikipedia.org
6. OpenAI: Introducing Astra for Lawopenai.com
7. HN: Astra for Law (550 pts)news.ycombinator.com
8. ferstar: ZCode silent workspace snapshot (original forensics)blog.ferstar.org
9. tokenstead write-uptokenstead.ai
10. ferstar on Xx.com
11. HN: ZCode uploads your Git history (226 pts)news.ycombinator.com
12. Hacktron: Hacking OpenAIwww.hacktron.ai
13. HN: Hacktron (406 pts)news.ycombinator.com