Szerzői jogi döntés veszélyeztetheti a nyílt webet a Wikimedia szerint

A Wikimedia Foundation a nagyméretű nyelvi modellek (LLM) szerzői jogi vitáiban középutat javasol. A nonprofit szervezet jogi érvelésében arra kéri a bíróságokat, hogy jogilag védjék az AI-képzést, de ne azokat a chatbotokat, amelyek a jogvédett tartalmat ismétlik meg a felhasználóknak. A szervezet szerint egy túlzottan fekete-fehér döntés vagy a hasznos AI-eszközöktől foszthatja meg a Wikipédiát, vagy veszélyeztetheti a nyílt webet. (The Verge)

A nonprofit szervezet pénteken benyújtott bírósági beadványában a The New York Times és más kiadók, valamint az OpenAI és a Microsoft közötti peres ügyekhez szólt hozzá. A Wikimedia aggodalmát fejezte ki, hogy az ügyben érintett felek túlzottan általános és leegyszerűsített módon alkalmazzák a fair use doktrínát az AI-ra.

Attól tartanak, hogy a kiadók győzelme esetén a jogtulajdonosok „kapuőrré” válhatnak, még az innovatív és transzformatív műfelhasználások esetében is. Másrészt az AI-cégek győzelme zöld utat adhat a licencfeltételek figyelmen kívül hagyásának és az ismeretek áramlásának töredezettségének.

A döntés akár létfontosságú is lehet a Wikipédiára nézve. A Wikimedia weboldalai „az egyik legkritikusabb adatforrássá váltak minden mesterséges intelligencia és gépi tanulási képzés számára” — áll a beadványban. Ugyanakkor ezek a rendszerek elszívják a látogatókat, aláásva az oldalakat fenntartó közösségeket.

A Wikimedia szerint ezek a szolgáltatások, mint például a ChatGPT, a Creative Commons licenc alatt szabadon elérhető szövegeket ismétlik meg, de nem tartják be a licenc feltételeit. Ugyanakkor a rendszereket működtető LLM-ek hasznosak lehetnek a Wikipédiának: segíthetnek a szerkesztőknek az vandalizmus elleni küzdelemben, a szerzői jogsértések és a doxxing felderítésében, valamint a fejlesztésre szoruló cikkek megtalálásában.

„Egy olyan döntés, amely nem alkalmazza gondosan a fair use elveit, veszélyeztetheti a szabad tudás fenntarthatóságát, és elfojthatja a nyílt forráskódú technológiák fejlesztését, végső soron mindenki számára befolyásolva az információhoz való hozzáférést” — nyilatkozta Stephen LaPorte, a Wikimedia Foundation főtanácsadója.

A Times a fair use kiterjesztett definícióját szorgalmazza az LLM-ek esetében, azt állítva, hogy az OpenAI megsértette a szerzői jogait a weboldalának lekaparásával a képzési adathalmazok létrehozásához. Az OpenAI és a Microsoft ezzel szemben azt állítja, hogy az LLM-ek használata fair use-nak minősül. Az OpenAI szerint a tartalomismétlés „ritka hiba”, míg a Microsoft szerint a Copilot ritkán reprodukál teljes mondatokat a modell alapjául szolgáló hírtartalomból.

A Wikimedia egy kompromisszumot javasol: a weboldalak lekaparását nem tekintenék szerzői jogsértésnek, és az LLM-ek előzetes képzéséhez használt jogvédett művek licenc nélküli használata fair use-nak minősülne, ha „valami újat és eltérőt nyújtanak az eredeti forrásokhoz képest”. Azonban, ha ezek a modellek felhasználói lekérdezésekre válaszolva anyagok másolatait húzzák ki, és azokat a felhasználóknak továbbítják, „miközben helyettesítik az olvasók elköteleződését az eredeti művekkel”, akkor licenc szükséges.

A kulcsfontosságú különbség az, hogy az utóbbi esetben az AI kimenete egyszerűen helyettesíti az eredeti művet, és nem transzformálja eléggé ahhoz, hogy fair use-nak minősüljön. Ezekben az esetekben a Wikimedia szerint az AI-cégeknek tiszteletben kell tartaniuk a licenckövetelményeket. A Wikipédiára ez azt jelentené, hogy a Creative Commons licenc alatt az információ eredeti forrását kellene megjelölniük, amely előírja, hogy „minden remix vagy adaptáció” ugyanezen licenc alatt maradjon.