OpenAI må bevise at forskernes upubliserte arbeid ikke ble brukt

OpenAI må dokumentere at forskernes upubliserte arbeid ikke havnet i OpenAIs treningsdata. Et kategorisk nei er ikke godt nok når selskapet selv innrømmer at avidentifiserte bruksdata kan ha forbedret modellene.

Matematikeren Andreas Thom stilte et enkelt og presist spørsmål etter at OpenAI presenterte et resultat innen hans eget fagfelt: Hadde samtalene han og en kollega førte med ChatGPT, blitt brukt til trening eller vært tilgjengelige da modellen fant løsningen? Svaret han fikk fra OpenAI-forskeren Mark Sellke var kort: Det hadde ikke skjedd.

Problemet er at svaret ikke forklarte hva som faktisk var kontrollert. Direkte tilgang til en bestemt samtale er ikke det samme som at innholdet aldri har påvirket en senere modell gjennom trening. Når OpenAI ikke viser forskjellen, blir det forskerne som må stole på selskapets ord. Det holder ikke. Særlig ikke når hele verdien som står på spill, er ideer ingen andre har sett ennå.

Hva anklager Andreas Thom OpenAI for?

Andreas Thom anklager ikke OpenAI for dokumentert tyveri. Han anklager selskapet for å gi et bredt og misvisende svar uten bevis. I en serie på tre innlegg publisert 9. september 2026 kaller han håndteringen uærlig og krever innsyn i hvilke datasett, modellversjoner og kontoinnstillinger svaret bygger på.

Bakgrunnen er OpenAIs kunngjøring av ti matematiske resultater 1. august. Ett av dem gjaldt såkalte ikke-sofiske grupper og bygde tungt på tidligere arbeid fra Thom og Gábor Kun. OpenAI oppga at en intern versjon av Astra fant resultatene, og at modellene samlet brukte et antall tokens som ville kostet rundt 2 000 dollar med Sol-priser.

Thom reagerte på hvor godt modellen behersket teknikkene han og Kun hadde utviklet. Ifølge ham var dette verken den mest opplagte eller den mest lovende veien mot en løsning. Samtidig hadde han og en kollega i Dresden diskutert problemet og mulige utvidelser med ChatGPT i månedene før kunngjøringen. Det beviser ikke at samtalene ble brukt. Men det gjør spørsmålet både konkret og fullstendig rimelig.

Hvorfor holder ikke svaret om OpenAIs treningsdata?

OpenAI ser ut til å skille mellom at ansatte eller agenter åpner en bestemt brukers samtale, og at avidentifiserte data fra samtalen inngår i arbeidet med å forbedre en modell. Det første kan selskapet avvise. Det andre har selskapet ikke klart å utelukke. For en forsker som prøver å beskytte en ny idé, er dette ingen liten språklig detalj.

Det samme skillet dukket opp etter striden om OpenAIs foreslåtte løsning på Navier-Stokes-problemet. Selskapet sa at forskerne og agentene ikke hadde sett arbeidet til Tristan Buckmaster og Levent Alpöge før det ble offentliggjort. Samtidig skrev OpenAI at det ikke kunne utelukke at avidentifiserte data fra deres bruk av selskapets produkter hadde bidratt til å forbedre modellene. OpenAI svarte ikke på The Verges nye henvendelse om Thoms kritikk før saken ble publisert 10. september.

Og her ryker tilliten. Avidentifisering kan fjerne navnet på forskeren, men den fjerner ikke ideen, metoden eller det faglige forspranget i teksten. Hvis en upublisert metode går inn uten navn og senere hjelper en modell med å finne samme spor, er ikke problemet borte. Da er bare opphavspersonen blitt vanskeligere å se.

Er det bevist at OpenAI brukte forskernes arbeid?

Nei. Det finnes foreløpig ikke offentlig dokumentasjon som viser at Thoms, Buckmasters eller Alpöges upubliserte arbeid ble brukt til å trene modellen eller styre agentene. OpenAI avviser direkte tilgang til det konkrete materialet. Mistanke er ikke bevis, og dommen har ikke falt.

Men bevisbyrden kan heller ikke skyves over på forskerne. De har ikke tilgang til OpenAIs treningspipeline, datasett, utvalgsregler eller modellversjoner. De kan derfor ikke undersøke om en bestemt samtale ble valgt ut, bearbeidet, avidentifisert og brukt i en senere trening eller finjustering. Bare OpenAI sitter med de opplysningene.

Det er nettopp derfor et kontant «det skjedde ikke» krever en kontant forklaring. Hvilken konto ble kontrollert? Hvilke innstillinger gjaldt da samtalene fant sted? Hvilke datasett og modellkontrollpunkter ble undersøkt? Hva betyr «data derived from usage» i praksis? Uten slike svar ber OpenAI forskerne om tillit samtidig som selskapet holder tilbake det eneste materialet som kan begrunne den.

Hvor alvorlig er dette for matematisk forskning?

Dette kan gjøre forskningen mer lukket. Dersom en matematiker tror at en uferdig idé kan bli råstoff for en modell som senere konkurrerer om samme publisering, er den rasjonelle reaksjonen å holde ideen unna tjenesten. Da mister forskerne et nyttig verktøy, fagmiljøet deler mindre, og OpenAI ødelegger markedet for sitt eget produkt. Imponerende matematikk hjelper lite hvis de flinkeste brukerne ikke tør å skrive inn det de faktisk arbeider med.

OpenAI har samtidig levert resultater som fortjener seriøs vurdering. De ti arbeidene fra august omfatter blant annet gruppeteori, geometri, kodeteori og kvantekompleksitet. Det gjør åpenheten viktigere, ikke mindre viktig. Jo mer modellen kan bidra med, desto større blir skadepotensialet når ingen utenfor selskapet kan kontrollere hvor ideene kom fra.

Det handler også om æren for arbeidet. Forskning er ikke bare det siste beviset som kan formaliseres i Lean. Å finne riktig retning, utvikle en metode og forstå hvilket spørsmål som faktisk lar seg løse, kan være flere års arbeid. Et selskap kan ikke vaske bort den innsatsen ved å fjerne navnet fra dataene og deretter late som bare sluttresultatet teller.

Hva sier OpenAI om data fra ChatGPT og Codex?

OpenAIs egne regler for tjenester som ChatGPT og Codex sier at innhold kan brukes til å trene modeller dersom brukeren ikke reserverer seg. For ChatGPT kan brukeren slå av «Improve the model for everyone». OpenAI sier at nye samtaler da ikke skal brukes til trening.

Det avgjørende ordet er «nye». En innstilling du slår av i dag, dokumenterer ikke hva som skjedde med tidligere samtaler eller bearbeidede data som allerede kan ha blitt valgt ut. Thom opplyser at han slo av modelltrening 29. juni, men mener kontrollen fortsatt bare er et løfte brukerne ikke kan kontrollere.

Codex krever dessuten ekstra oppmerksomhet. OpenAI opplyser at Codex har egne innstillinger for deling av hele utviklingsmiljøer, og at endringer i ChatGPT eller personvernportalen ikke nødvendigvis påvirker disse. Et generelt personvernvalg er altså ikke automatisk et fullstendig vern på tvers av produktene.

Hva bør forskere og bedrifter gjøre nå?

Ikke legg upublisert forskning, forretningshemmeligheter, kundedata eller annen informasjon med reell verdi inn i en personlig AI-tjeneste og håp at standardinnstillingene beskytter deg. Slå av modelltrening i ChatGPT, kontroller de separate innstillingene i Codex, og vær forsiktig med å sende positiv eller negativ tilbakemelding på sensitive samtaler. OpenAI opplyser at hele samtalen kan brukes til trening når brukeren aktivt gir slik tilbakemelding.

For arbeid som må ut i skyen, bør bedrifter og forskningsmiljøer bruke en tjeneste med en tydelig databehandleravtale og vilkår som sier at inn- og utdata ikke brukes til modelltrening som standard. OpenAI sier dette gjelder Business, Enterprise og API-plattformen. Vil du ha kontroll som ikke avhenger av løfter fra en ekstern leverandør, er lokal AI fortsatt det tryggeste valget for materiale som aldri burde forlate maskinen.

Og ta vare på dokumentasjonen. Registrer hvilke tjenester, kontoer og innstillinger som ble brukt, når innstillingene ble endret, og hvilket materiale som ble sendt inn. Det reparerer ikke et mulig misbruk, men det gjør det langt vanskeligere for en leverandør å gjemme seg bak et vagt standardsvar dersom en konflikt oppstår senere.

OpenAI skylder forskerne mer enn et løfte

OpenAI kan rydde opp i dette. Selskapet kan forklare nøyaktig hva som ble undersøkt, la uavhengige fagfolk kontrollere prosessen og dokumentere hvordan avidentifiserte samtaler behandles. Dersom dataene viser at forskernes arbeid ikke ble brukt, bør OpenAI være den parten som aller mest ønsker å legge fram bevisene.

Inntil det skjer, er skepsisen fortjent. Ingen har bevist at OpenAI stjal en matematisk idé. Men OpenAI har selv skapt et svarhull der den mistanken får vokse, og selskapet har alle opplysningene som trengs for å lukke det. Da er ikke «stol på oss» et svar. Vis arbeidet.

Ofte stilte spørsmål