Distrugerea cărților este parțial motivul pentru care compania a câștigat apărarea bazată pe „utilizare corectă” (fair use)
Inteligența artificială generativă s-a confruntat deja cu critici aspre pentru problemele sale binecunoscute legate de fiabilitate, consumul masiv de energie și utilizarea neautorizată a materialelor protejate de drepturi de autor. Acum, un caz recent în instanță dezvăluie că antrenarea acestor modele AI a implicat și distrugerea pe scară largă a cărților fizice.
Ascunsă în detaliile unei decizii recente împărțite împotriva Anthropic se află o revelație surprinzătoare: compania de inteligență artificială generativă a distrus milioane de cărți fizice tăindu-le legăturile și aruncând resturile, totul pentru a-și antrena asistentul AI. Notabil, această distrugere a fost citată ca un factor care a înclinat decizia instanței în favoarea Anthropic.
Pentru a construi Claude, modelul său lingvistic și concurentul ChatGPT, Anthropic s-a antrenat pe cât de multe cărți a putut achiziționa. Compania a cumpărat milioane de volume fizice și le-a digitalizat rupând și scanând paginile, distrugând permanent cărțile în acest proces.
Mai mult, Anthropic nu are planuri de a face publice copiile digitale rezultate. Acest detaliu a ajutat la convingerea judecătorului că digitalizarea și extragerea datelor din cărți au constituit o transformare suficientă pentru a se califica sub prevederile de utilizare corectă (fair use). Deși Claude folosește, probabil, biblioteca digitalizată pentru a genera conținut unic, criticii au arătat că modelele lingvistice mari pot reproduce uneori textual material din datele lor de antrenament.
Victoria juridică parțială a Anthropic îi permite acum să antreneze modele AI pe cărți protejate de drepturi de autor fără a notifica editorii sau autorii originali, eliminând potențial unul dintre cele mai mari obstacole cu care se confruntă industria AI generativă. Un fost director de la Meta a recunoscut recent că AI-ul ar muri peste noapte dacă ar fi obligat să respecte legea drepturilor de autor, probabil pentru că dezvoltatorii nu ar avea acces la vastele tezaure de date necesare pentru a antrena modele lingvistice mari.
Cu toate acestea, bătăliile juridice continue privind drepturile de autor continuă să reprezinte o amenințare majoră pentru tehnologie. La începutul acestei luni, CEO-ul Getty Images a recunoscut că firma nu își poate permite să lupte împotriva fiecărei încălcări a drepturilor de autor legate de AI. Între timp, procesul Disney împotriva Midjourney – în care compania a demonstrat capacitatea generatorului de imagini de a reproduce conținut protejat de drepturi de autor – ar putea avea consecințe semnificative pentru ecosistemul mai larg al AI generative.
Acestea fiind spuse, judecătorul în cazul Anthropic a decis împotriva companiei pentru că s-a bazat parțial pe biblioteci de cărți piratate pentru a antrena Claude. Anthropic trebuie să se confrunte încă cu un proces de copyright în decembrie, unde ar putea fi obligată să plătească până la 150.000 EUR pentru fiecare lucrare piratată.
