Iris pisze o styku sztuki AI i kultury — o stylu, autorstwie i obrazach, które mają znaczenie.
Otrzymuj na maila najważniejsze historie tygodnia o AI i sztuce AI — wyselekcjonowane, zwięzłe, za darmo.
Za darmo. Wypisz się w każdej chwili.
Wybierz towarzysza i poznaj jego zdanie na temat tej historii
Żaden sąd nie orzekł definitywnie, że trenowanie modeli AI na książkach chronionych prawem autorskim jest nielegalne — ale kwestia ta jest przedmiotem wielu procesów sądowych w USA, a ich wynik bezpośrednio przekształci to, które modele przetrwają, które pipeline'y treningowe zostaną zamknięte i co twórcy mogą legalnie robić z wynikami generowanymi przez AI.\n\n## Kluczowe wnioski\n\n- Sądy amerykańskie nie wydały jeszcze definitywnego orzeczenia w sprawie tego, czy używanie książek chronionych prawem autorskim do trenowania AI stanowi naruszenie praw autorskich.\n- Wiele aktywnych procesów sądowych od autorów, w tym George'a R.R. Martina i Johna Grishama, celuje w firmy takie jak OpenAI i Meta w sprawie danych treningowych.\n- Główny spór prawny dotyczy tego, czy trenowanie AI kwalifikuje się jako „dozwolony użytek" zgodnie z amerykańskim prawem autorskim — obrona, którą aktywnie stosują firmy AI.\n- Orzeczenie przeciwko laboratoriom AI mogłoby wymusić ponowne trenowanie na licencjonowanych danych, potencjalnie pogarszając jakość modeli lub podnosząc koszty przerzucane na twórców.\n- Autorzy, których prace zostały użyte bez zgody, nie wiedzieli, że to się dzieje — fakt, który sądy mogą mocno uwzględnić przy ocenie odszkodowań.\n\n## Hazard dozwolonego użytku w sercu każdego głównego modelu\n\nTeoria prawna, na którą stawiają firmy AI, to dozwolony użytek — konkretnie argument, że pobieranie tekstu chronionego prawem autorskim w celu zbudowania modelu statystycznego jest wystarczająco „transformacyjne", aby wykraczać poza naruszenie. Ten argument ma precedens: Google wygrał dziesięcioletnią walkę o skanowanie książek do indeksowania wyszukiwania. Ale generowanie prozy, obrazów czy kodu, który bezpośrednio konkuruje z oryginalnymi dziełami, to trudniejsza sprawa do udowodnienia, a kilku sędziów pozwoliło procesom autorów przejść dalej niż wczesne oddalenie, sygnalizując, że obrona nie jest hermetyczna.\n\nJak donosi TechCrunch, większość opublikowanych autorów przyczyniła się do rozwoju narzędzi AI bez ich wiedzy lub zgody — narzędzi, które teraz konkurują z ich własnym pisarstwem o czytelników i zlecenia.\n\n> „Większość opublikowanych autorów przyczyniła się, bez ich wiedzy lub zgody, do rozwoju tych samych narzędzi AI, które grożą podkopaniem ich źródeł utrzymania."\n>\n> — TechCrunch\n\n\n\n## Co orzeczenie w którąkolwiek stronę robi z modelami używanymi przez twórców\n\nTo tutaj stawki stają się konkretne dla każdego pracującego z generatorami obrazów AI lub narzędziami tekstowymi. Duże modele językowe leżące u podstaw wielu pipeline'ów generowania obrazów — do opisywania, interpretacji promptów i rozumowania multimodalnego — zostały wytrenowane na zbiorach danych, które prawie na pewno zawierały tekst chroniony prawem autorskim. Jeśli sądy uznają, że trenowanie bez licencji stanowi naruszenie, laboratoria stoją przed trzema opcjami: negocjowanie kosztownych licencji z mocą wsteczną, ponowne trenowanie na węższych zbiorach danych lub zamknięcie dotkniętych modeli.\n\nPonowne trenowanie na wyselekcjonowanych, licencjonowanych korpusach zwykle produkuje modele o węższym zakresie stylistycznym i słabszej generalizacji. Dla twórców oznacza to prompty, które trafiają w mniej rejestrów estetycznych, mniej zniuansowane pisanie postaci w narzędziach towarzyszących i ogólne spłaszczenie różnorodności wyników. Bogactwo, które sprawia, że obecne modele wydają się zdolne do prawdziwego zakresu stylistycznego, pochodzi częściowo z szerokości tego, co pochłonęły — w tym samej tradycji literackiej, którą autorzy teraz walczą o ochronę.\n\nIstnieje tutaj paralela z fotografami piktorialistami z początku XX wieku, którzy argumentowali, że fotografia może stać się sztuką tylko poprzez zapożyczanie z gramatyki wizualnej malarstwa. Sądy musiały ostatecznie zdecydować, co liczy się jako oryginalna ekspresja w mechanicznym medium. AI wymusza to samo pytanie z przeciwnego kierunku: nie czy maszyna może tworzyć sztukę, ale czy wolno jej było uczyć się od sztuki już stworzonej.\n\n## Luka zgody i jej praktyczne konsekwencje\n\nProblem zgody sięga głębiej niż teoria prawna. Autorzy nie wyrazili zgody; ich prace zostały zebrane ze zbiorów danych zestawionych na skalę, często bez żadnego publicznego ujawnienia, które tytuły zostały uwzględnione. Ta nieprzejrzystość utrudnia twórcom wiedzę o tym, czy model, którego używają, został wytrenowany na stylu konkretnego autora — co ma znaczenie zarówno etyczne, jak i, coraz częściej, komercyjne, ponieważ niektórzy klienci zaczynają pytać o dokumentację pochodzenia prac wspomaganych przez AI.\n\nPlatformy, które chcą wyprzedzić tę kwestię, już przechodzą na licencjonowane umowy treningowe z wydawcami. Propozycja Adobe Firefly dla klientów komercyjnych zawsze opierała się na treningu z licencjonowanych danych. Jeśli spory sądowe zmuszą konkurentów na tę samą ścieżkę, różnica kosztów się zmniejsza — ale zmniejsza się też luka w zakresie kreatywnym, która obecnie czyni modele open-weight i szeroko trenowane atrakcyjnymi do pracy eksperymentalnej.\n\nNa razie twórcy używający jakiegokolwiek głównego narzędzia AI pracują z modelami, których podstawa prawna jest rzeczywiście sporna. To nie jest powód, żeby przestać — sądy poruszają się powoli, a nakazy sądowe przeciwko wdrożonym modelom są rzadkie — ale to powód, żeby obserwować, które laboratoria proaktywnie licencjonują dane, a które wciąż grają w hazard dozwolonego użytku. Wynik określi nie tylko to, kto komu jest winien pieniądze, ale czego następne pokolenie modeli będzie mogło się uczyć.
