Обучение ИИ на книгах, защищённых авторским правом: что правовая неопределённость означает для создателей, использующих эти модели

Ни один суд окончательно не постановил, что обучение ИИ-моделей на книгах, защищённых авторским правом, является незаконным — однако этот вопрос активно рассматривается в нескольких американских судебных процессах, и их исход напрямую определит, какие модели выживут, какие обучающие конвейеры будут закрыты и что создатели смогут законно делать с результатами работы ИИ.

Ключевые выводы

• Суды США ещё не вынесли окончательного решения о том, является ли использование книг, защищённых авторским правом, для обучения ИИ нарушением авторских прав.
• Несколько активных судебных исков от авторов, включая Джорджа Р. Р. Мартина и Джона Гришэма, направлены против таких компаний, как OpenAI и Meta, в связи с обучающими данными.
• Суть правового спора сводится к тому, подпадает ли обучение ИИ под понятие «добросовестного использования» (fair use) по законодательству США об авторском праве — защиту, которую активно отстаивают ИИ-компании.
• Решение против ИИ-лабораторий может вынудить их переобучать модели на лицензированных данных, что потенциально снизит качество моделей или повысит расходы, перекладываемые на создателей контента.
• Авторы, чьи произведения использовались без согласия, не знали об этом — факт, который суды могут принять во внимание при оценке ущерба.

Ставка на добросовестное использование в основе каждой крупной модели

Правовая теория, на которую делают ставку ИИ-компании, — это добросовестное использование (fair use): конкретно аргумент о том, что поглощение защищённых авторским правом текстов для построения статистической модели является достаточно «трансформативным», чтобы не считаться нарушением. У этого аргумента есть прецедент: Google выиграл многолетнюю борьбу за сканирование книг для поисковой индексации. Однако генерация прозы, изображений или кода, напрямую конкурирующих с оригинальными произведениями, — куда более сложный случай, и несколько судей уже позволили авторским искам пройти мимо ранних ходатайств об отклонении, что свидетельствует о том, что эта защита не является железобетонной.

Как сообщает TechCrunch, большинство публикующихся авторов внесли вклад в разработку ИИ-инструментов без своего ведома и согласия — инструментов, которые теперь конкурируют с их собственными текстами за читателей и заказы.

«Большинство публикующихся авторов без своего ведома и согласия поучаствовали в создании тех самых ИИ-инструментов, которые угрожают подорвать их средства к существованию.»

— TechCrunch

Что решение в ту или иную сторону сделает с моделями, которыми пользуются создатели

Здесь ставки становятся вполне конкретными для всех, кто работает с ИИ-генераторами изображений или текстовыми инструментами. Большие языковые модели, лежащие в основе многих конвейеров генерации изображений — для создания подписей, интерпретации промптов и мультимодального рассуждения, — обучались на наборах данных, которые почти наверняка включали тексты, защищённые авторским правом. Если суды признают, что обучение без лицензии является нарушением, лаборатории окажутся перед тремя вариантами: договориться о дорогостоящих ретроактивных лицензиях, переобучить модели на более узких наборах данных или закрыть затронутые модели.

Переобучение на тщательно отобранных лицензированных корпусах, как правило, даёт модели с более узким стилистическим диапазоном и слабой обобщаемостью. Для создателей это выражается в промптах, охватывающих меньше эстетических регистров, менее тонкой проработке персонажей во вспомогательных инструментах и общем обеднении разнообразия результатов. Богатство, благодаря которому нынешние модели кажутся способными на подлинный стилистический диапазон, отчасти обусловлено широтой поглощённого ими материала — включая ту самую литературную традицию, которую авторы сейчас борются защитить.

Здесь прослеживается параллель с фотографами-пикториалистами начала XX века, утверждавшими, что фотография может стать искусством, лишь заимствуя визуальную грамматику живописи. Судам в итоге пришлось решать, что считать оригинальным выражением в механическом медиуме. ИИ ставит тот же вопрос с противоположной стороны: не может ли машина создавать искусство, а было ли ей позволено учиться на уже созданном искусстве.

Проблема согласия и её практические последствия

Проблема согласия уходит глубже правовой теории. Авторы не давали согласия; их произведения собирались из наборов данных в промышленных масштабах, зачастую без какого-либо публичного раскрытия информации о том, какие именно тексты были включены. Эта непрозрачность не позволяет создателям понять, обучалась ли используемая ими модель на стиле конкретного автора, — что важно как с этической точки зрения, так и, всё чаще, с коммерческой: некоторые клиенты уже начинают запрашивать документацию о происхождении работ, созданных с помощью ИИ.

Платформы, стремящиеся опередить события, уже переходят к лицензионным соглашениям об обучении с издателями. Позиционирование Adobe Firefly для коммерческих клиентов всегда строилось на обучении исключительно на лицензированных данных. Если судебные разбирательства вынудят конкурентов идти тем же путём, разрыв в стоимости сократится — но вместе с ним сократится и разрыв в творческом диапазоне, который сейчас делает модели с открытыми весами и широким обучением привлекательными для экспериментальной работы.

Пока что создатели, использующие любой крупный ИИ-инструмент, работают с моделями, чья правовая основа по-настоящему оспаривается. Это не повод останавливаться — суды движутся медленно, а судебные запреты против уже развёрнутых моделей редки, — но это повод следить за тем, какие лаборатории проактивно лицензируют данные, а какие по-прежнему делают ставку на добросовестное использование. Исход определит не только то, кто кому должен деньги, но и то, на чём следующему поколению моделей будет позволено учиться.