Seattle Times en Newsday dagen OpenAI en Microsoft voor de rechter over trainingsdata en reproductie van zoekopdrachten

De Seattle Times en Newsday hebben OpenAI en Microsoft aangeklaagd wegens auteursrechtinbreuk. De bedrijven zouden hun journalistiek hebben gescraped om AI-modellen te trainen en artikelpassages woordelijk reproduceren wanneer gebruikers die systemen bevragen.

Belangrijkste punten

• De Seattle Times en Newsday hebben afzonderlijke auteursrechtelijke claims ingediend tegen OpenAI en Microsoft en sluiten zich daarmee aan bij een groeiende lijst nieuwsuitgevers die procederen over AI-trainingsdata.
• Beide media stellen dat hun berichtgeving zonder toestemming is gebruikt om de modellen van OpenAI te trainen en dat die modellen artikeltekst woordelijk reproduceren als direct antwoord op gebruikersvragen.
• Microsoft wordt als medegedaagde genoemd vanwege zijn grote investering in en integratie van de technologie van OpenAI.
• De Trump-regering heeft al een amicus-brief ingediend in de gerelateerde zaak van de New York Times, waarin wordt betoogd dat AI-training op auteursrechtelijk beschermde tekst het nationaal belang dient — een signaal van waar de federale sympathie momenteel ligt.
• De uitkomst van deze opeenstapelende rechtszaken kan opnieuw bepalen welke tekstdata wettelijk beschikbaar is voor het trainen van toekomstige beeldgeneratie- en multimodale modellen, niet alleen taalmodellen.

Waarom tekst-auteursrechtzaken ook beeldgeneratoren raken

Op het eerste gezicht lijkt een krant die een chatbotmaker aanklaagt iemand anders zijn probleem voor AI-kunstcreators. Dat is het niet. De juridische logica achter deze zaken — dat het scrapen van openbaar toegankelijke content voor modeltraining inbreuk vormt — is structureel identiek aan de argumenten die in parallelle rechtszaken tegen beeldgeneratiemodellen worden aangevoerd. Een uitspraak dat training op nieuwstekst licenties vereist, zou vrijwel zeker vergelijkbare eisen versnellen tegen de datasets achter Stable Diffusion, Midjourney en de multimodale modellen die de tools aandrijven die u vandaag gebruikt.

De specifieke bewering dat de modellen van OpenAI passages uit artikelen woordelijk reproduceren, is ook direct relevant. Als rechtbanken bijna-woordelijke reproductie beschouwen als de grens tussen fair use en inbreuk, zal die norm worden getoetst aan beeldgeneratoren die de kenmerkende compositie van een fotograaf of de stijl van een grafisch kunstenaar met ongemakkelijke precisie kunnen reproduceren.

Het opstapelingseffect en wat het betekent voor trainingsdata

Volgens The Verge volgen deze zaken op vergelijkbare acties van andere uitgevers, en het patroon is veelzeggend: elke nieuwe eiser draagt bij aan een geheel van ontdekking waaruit toekomstige zaken — ook die welke betrekking hebben op beeld- en videotrainingssets — kunnen putten. OpenAI verdedigt zich tegelijkertijd tegen de zaak van de New York Times, waarbij de recente brief van de Amerikaanse regering betoogde dat AI-training nationale belangen dient, zoals behandeld in ons eerdere bericht over de auteursrechtelijke indiening van de Trump-regering bij OpenAI en NYT.

Voor creators die workflows bouwen rondom modellen die zijn getraind op brede webscapes, is de praktische vraag er een van timing. Nog geen enkele rechter heeft een model offline gedwongen, en de tijdlijn van de rechtszaken wordt gemeten in jaren. Maar de druk om licenties te verkrijgen verandert al welke data toekomstige modellen worden getraind op — de gemelde betalingen van Google aan Hollywood-studio's voor videotrainingsrechten zijn een zichtbaar voorbeeld van hoe de industrie stilletjes indekt.

Wat er in de praktijk verandert, en voor wie

Als u vandaag afbeeldingen genereert, verandert er niets in uw directe workflow door deze indiening. De modellen waarmee u rendert zijn al getraind; geen enkele rechter heeft een terugdraaiing bevolen. De creators die het meest blootgesteld zijn aan verstoring op korte termijn, zijn degenen die producten of pipelines bouwen die afhankelijk zijn van tekst-plus-beeld multimodale outputs — waarbij een taalmodel nieuwscontext ophaalt of samenvat naast een gegenereerd beeld. Precies die combinatie is het doelwit van deze zaken.

Op langere termijn: let op of modelaanbieders de ontwikkeling van gelicentieerde datatrainingstiers versnellen, zoals sommigen al doen met synthetische data. Een model dat is getraind op een schoner, gelicentieerd corpus kan zich anders gedragen — terughoudender in reproductie, mogelijk minder cultureel actueel — en dat zal zichtbaar worden in promptreacties op manieren die moeilijk te voorspellen zijn totdat u naar de output staart.

Voorlopig is het nuttigst om bij te houden of een van deze zaken een schikking oplevert in de stijl van een consent decree die een licentietarief vaststelt. Dat getal, eenmaal vastgesteld voor tekst, wordt het sjabloon waarnaar onderhandelaars grijpen wanneer de volgende golf van beelddatazaken richting een oplossing beweegt. Creators die dat verband begrijpen, zullen minder verrast zijn wanneer het zover is.

Verken hoe huidige AI-beeldmodellen met deze druk omgaan in de Charmloop-modelcatalogus, of verfijn uw promptaanpak in de handleidingen.