Artyści pozywają firmy AI za dane treningowe — i zaczynają wygrywać

Coraz więcej artystów i autorów, którzy odkryli swoje prace w zbiorach danych treningowych AI, składa pozwy przeciwko największym firmom z branży — i niektórzy zaczynają wygrywać, według The Verge.

Najważniejsze wnioski

• Gdy The Atlantic opublikował przeszukiwalną bazę danych treningowych AI, wielu artystów odkryło, że ich prace zostały zescrapowane bez zgody i wynagrodzenia.
• Autorzy, w tym Kirk Wallace Johnson (The Feather Thief), potwierdzili, że ich książki były wykorzystywane, i podejmują kroki prawne przeciwko twórcom modeli AI.
• Wczesne wyniki spraw sądowych sugerują, że firmy AI są realnie narażone na odpowiedzialność prawną z tytułu roszczeń dotyczących praw autorskich do danych treningowych — nie są to jedynie pozwy o charakterze nękającym.
• Wyniki tych spraw mogą bezpośrednio wpłynąć na to, na jakich zbiorach danych będą trenowane przyszłe modele, zmieniając możliwości i style dostępne dla twórców sztuki AI.
• Pozwy są składane przeciwko największym graczom, w tym Google, Meta i Anthropic.

Punktем zapalnym dla wielu z tych spraw był przeszukiwalny zbiór danych opublikowany przez The Atlantic, który pozwolił każdemu sprawdzić, czy jego prace znalazły się w korpusach treningowych AI. Kirk Wallace Johnson — autor bestsellerów non-fiction The Feather Thief i The Fishermen and the Dragon — wyszukał swoje nazwisko, znalazł swoje książki na liście i dołączył do rosnącej grupy twórców dochodzących swoich racji przed sądem. Jego doświadczenie nie było wyjątkiem.

Co tak naprawdę mówią wczesne orzeczenia

Obraz prawny wciąż się kształtuje, ale kierunek zmian ma znaczenie. Niektóre wczesne decyzje pozwoliły roszczeniom o naruszenie praw autorskich przejść przez etap wniosku o oddalenie pozwu — istotny próg, który sygnalizuje, że sądy nie traktują tych spraw jako bezzasadnych. Firmy AI mocno opierają się na argumencie dozwolonego użytku, twierdząc, że trenowanie na materiałach chronionych prawem autorskim ma charakter transformatywny. Sędziowie nie przyjmują tego argumentu jednomyślnie.

Dla twórców sztuki AI stawki praktyczne są wysokie. Jeśli sądy ostatecznie orzekną, że scrapowanie chronionych prawem autorskim tekstów i obrazów w celach treningowych stanowi naruszenie, zbiory danych leżące u podstaw dzisiejszych najbardziej zaawansowanych generatorów obrazów i modeli językowych mogą zostać poddane przymusowej rewizji lub wymogom licencyjnym. Oznacza to, że przyszłe wersje modeli mogą być trenowane na węższych, licencjonowanych lub syntetycznych danych — z realnymi konsekwencjami dla zakresu stylistycznego, responsywności na prompty i głębokości kulturowych odniesień, z których model może czerpać.

To nie jest hipotetyczny problem przyszłości. Spory sądowe już teraz wpływają na podejście niektórych deweloperów do trenowania nowych modeli. Adobe na przykład wyraźnie podkreśla w swoim marketingu, że Firefly jest trenowany wyłącznie na licencjonowanych treściach — pozycjonowanie, które ma sens komercyjny tylko dlatego, że ryzyko prawne związane z alternatywą jest już widoczne. Twórcy wybierający między narzędziami powinni brać pod uwagę tę różnicę, gdy ma ona znaczenie dla ich klientów lub własnej tolerancji na ryzyko.

Baza danych The Atlantic jako punkt zwrotny

Przeszukiwalna baza danych zadziałała jak swego rodzaju masowe zdarzenie odkrywcze. Wcześniej większość artystów miała podejrzenia, ale nie miała dowodów. Po jej publikacji mieli nazwy, tytuły i znaczniki czasu — dokładnie taki rodzaj konkretnych dowodów, który sprawia, że roszczenie z tytułu praw autorskich staje się możliwe do dochodzenia, a nie jedynie spekulatywne. Zespoły prawne agregują teraz te ustalenia w pozwy zbiorowe i indywidualne, wymierzone w Google, Meta, Anthropic i innych.

Łączy się to z szerszym wzorcem zaostrzania otoczenia prawnego wokół danych treningowych AI z wielu stron. Charmloop informował wcześniej o powiązanym wydarzeniu: scraper internetowy wygrał sprawę DMCA przeciwko Google i Reddit — orzeczenie, które skomplikowało założenia dotyczące tego, co jest prawnie dostępne w publicznej sieci do celów treningowych. Oba wątki — prawa do scrapowania i prawa autorskie w danych treningowych — zbiegają się w naprawdę nierozstrzygniętym krajobrazie prawnym.

Dla twórców korzystających dziś z narzędzi AI żadne z tych wydarzeń nie oznacza, że narzędzia przestaną działać jutro. Oznacza jednak, że modele, na których polegasz przy generowaniu obrazów, są produktem reżimu danych, który sądy aktywnie poddają ponownej ocenie. Obserwowanie, które firmy zawierają ugody, które walczą, a które przestawiają się na licencjonowane zbiory danych, powie ci wiele o tym, dokąd zmierza następna generacja modeli — i co będzie w stanie zrobić.