# AI, avtorske pravice in »največja kraja dela v človeški zgodovini«
Kako nastajajo veliki jezikovni modeli in kdo nosi strošek njihovega razvoja? Novi, delno nerazkriti deli sodnih vlog v tožbi časnika *The New York Times* proti OpenAI in Microsoftu ponujajo vpogled v ostro razpravo o uporabi novinarskih vsebin pri učenju umetne inteligence. V vlogi je citiran tudi Microsoftov raziskovalec Brent Hecht, ki je množično zbiranje vsebin označil za »največjo krajo dela v človeški zgodovini«.
Gre za eno najpomembnejših pravnih bitk na presečišču generativne umetne inteligence, avtorskih pravic in medijske industrije. *The New York Times* je tožbo vložil pred tremi leti, pri čemer OpenAI in Microsoftu očita, da sta njegove avtorsko zaščitene članke uporabljala za učenje modelov brez ustreznega dovoljenja ali nadomestila.
Pomemben zadržek: nove navedbe izhajajo predvsem iz sodne vloge *The New York Timesa*. Izvirne priloge, na katere se vloga sklicuje, ostajajo zapečatene, zato javnost nima dostopa do celotnega konteksta internih dokumentov in citatov. Navedbe so zato v tej fazi predvsem trditve ene od strank v postopku, ne pravnomočno ugotovljena dejstva.
## Poštena uporaba je jedro pravnega spora
Osrednje vprašanje je, ali lahko podjetja za umetno inteligenco avtorsko zaščitena dela uporabljajo za učenje modelov brez licence, ker naj bi šlo za tako imenovano pošteno uporabo (*fair use*).
Poštena uporaba je ameriški pravni koncept, ki v določenih primerih dovoljuje uporabo zaščitenega gradiva brez dovoljenja – denimo pri kritiki, parodiji, komentarju ali poročanju. AI-podjetja praviloma trdijo, da modeli iz učnih podatkov ustvarijo nekaj novega in transformativnega, ne pa da bi zgolj reproducirali izvirna dela.
Toda *The New York Times* v novi vlogi argumentira, da notranje izjave zaposlenih v OpenAI in Microsoftu postavljajo takšno obrambo pod vprašaj. Predvsem zato, ker naj bi podjetji sami prepoznali, da njihovi izdelki lahko nadomeščajo obisk izvirnih spletnih mest ter s tem zmanjšujejo promet, prihodke in dolgoročno sposobnost založnikov za ustvarjanje vsebin.
## Copilot naj bi zmanjšal obiske medijskih strani
Med ključnimi deli vloge je Microsoftova predstavitev iz januarja 2024, ki jo je po navedbah *The New York Timesa* pripravil Brent Hecht, Microsoftov direktor uporabne znanosti.
Dokument naj bi opozarjal, da je Microsoftov Copilot kot »iskalnik z odgovori« pri povezavah na domeno nytimes.com povzročil do 93-odstotni padec klikov v primerjavi s tradicionalnim iskanjem Bing. Hecht naj bi ta pojav označil za »pogubno zanko«, ki bi lahko škodila tako kakovosti modelov kot širšemu spletnemu ekosistemu.
V sodni vlogi je citiran tudi odlomek, v katerem je Microsoftov dokument opisal nenavaden položaj: končni produkt naj bi ogrožal gospodarske temelje svojih bistvenih dobaviteljev, v tem primeru »dobavne verige vsebin«, na kateri temeljijo veliki jezikovni modeli.
To je za medijsko industrijo ključno vprašanje. Če uporabniki odgovore dobijo neposredno v klepetalniku ali AI-povzetku, vse manj pogosto obiščejo izvirni članek. Založniki pa večino prihodkov še vedno ustvarjajo z naročninami, oglaševanjem in prometom na svojih spletnih straneh.
## Kaj naj bi razkrivali interni dokumenti
Vloga *The New York Timesa* izpostavlja več trditev in citatov, ki naj bi prihajali iz interne komunikacije OpenAI in Microsofta.
**Med pomembnejšimi navedbami so:**
– Microsoftovi podatki naj bi pokazali znaten padec klikov na vsebine *The New York Timesa* pri uporabi Copilota.
– Satya Nadella naj bi v pričanju dejal, da bi morale biti vsebine za plačljivim zidom licencirane, če jih nekdo želi uporabiti za učenje modelov ali za ustvarjanje odgovorov.
– Nick Turley, vodja ChatGPT pri OpenAI, naj bi zapisal, da so klepetalniki za založnike »eksistenčna grožnja«, ker postajajo vse bolj nadomestek za izvirne vsebine.
– Greg Brockman naj bi modele OpenAI opisal kot »odlične pri novicah«.
– Microsoftov dokument naj bi opozoril na tveganje, da generativna AI pomembno prizadene zaposlovanje ljudi, katerih delo je tvorilo podatkovno podlago za modele.
Vloga navaja še, da so OpenAIjevi učni nabori vsebovali več kot 91.692 kopij del, povezanih s *The New York Timesom*, *Daily News* in Center for Investigative Reporting. Podatkovna zbirka, izpeljana iz odprtega spletnega arhiva Common Crawl, naj bi vsebovala več kot dva milijona dokumentov z domene nytimes.com.
## Očitki o obhodu plačljivih zidov
Eden najbolj občutljivih delov sodne vloge se nanaša na domnevne metode zbiranja podatkov. *The New York Times* trdi, da so OpenAI in Microsoft vsebine pridobivali iz Bingovega indeksa, prek zbirk, kot sta WebText in WebText2, ter iz arhiva Common Crawl.
Vloga omenja tudi interno komunikacijo, v kateri naj bi raziskovalec OpenAI Nick Ryder Gregu Brockmanu sporočil, da je našel »trik za obhod plačljivega zidu nytimes«, Brockman pa naj bi odgovoril: »Ah, lepo.«
Poleg tega naj bi zaposleni po navedbah vloge odstranjevali obvestila o avtorskih pravicah iz učnih podatkov, ker niso želeli, da bi jih model prikazoval uporabnikom. Če bi bile takšne trditve v postopku potrjene, bi lahko imele bistveno večjo težo kot zgolj spor o abstraktni zakonitosti spletnega zajemanja javno dostopnih vsebin.
Razlika med zbiranjem odprto dostopnih spletnih besedil in načrtnim obhajanjem plačljivih zidov je namreč pravno ter etično pomembna.
## Kaj primer pomeni za prihodnost AI
Primer ne zadeva samo *The New York Timesa*, OpenAI in Microsofta. Lahko postavi pomemben precedens za celotno industrijo generativne umetne inteligence.
Če bi sodišče ugotovilo, da učenje modelov na nepooblaščeno pridobljenih vsebinah presega meje poštene uporabe, bi lahko razvijalci modelov dobili jasnejšo obveznost licenciranja podatkov. To bi vplivalo na stroške razvoja modelov, dostopnost kakovostnih učnih zbirk in poslovne modele podjetij, ki trenutno gradijo generativne sisteme na ogromnih količinah spletnih podatkov.
Za razvijalce AI bi to pomenilo tudi tehnični izziv. Pri velikih zbirkah podatkov je treba vedeti ne le, od kod posamezno besedilo prihaja, temveč tudi, ali je zaščiteno, ali je bilo pridobljeno zakonito, pod kakšnimi pogoji se sme uporabljati in ali ga je mogoče pozneje odstraniti iz učnega procesa.
Za založnike pa spor odpira vprašanje preživetja. Če AI-sistemi uporabljajo njihovo delo za ustvarjanje odgovorov, nato pa uporabnike zadržijo na svojih platformah, lahko mediji izgubijo neposreden odnos z občinstvom. Brez prihodkov od tega občinstva pa je ogroženo tudi financiranje novinarstva, ki proizvaja preverjene informacije, na katerih se modeli učijo.
## Zaupanje v AI ni le tehnično vprašanje
Primer odpira tudi širše vprašanje zaupanja v generativno umetno inteligenco. Uporabniki chatbotov pogosto vidijo samozavesten odgovor, ne vidijo pa nujno njegovega izvora, poti podatkov ali ustvarjalcev, katerih delo je prispevalo k znanju modela.
Prav zato spor ni zgolj vprašanje plačila za članke. Gre za vprašanje, ali bo prihodnji AI-ekosistem temeljil na preglednih, licenciranih in sledljivih virih ali pa na netransparentnem množičnem zajemanju vsebin.
OpenAI in Microsoft po poročanju TechCruncha nista odgovorila na prošnje za komentar. Končni odgovor bo podalo sodišče, vendar je že zdaj jasno, da bo izid tega spora pomembno oblikoval prihodnje odnose med ustvarjalci vsebin, medijskimi hišami in podjetji, ki razvijajo umetno inteligenco.
