Anthropic சமரசம் AI காப்புரிமை மோதலை மறுவரையறை செய்கிறது

AI பயிற்சியை பெரும்பாலும் தீர்க்காமல் விட்டுவிடும் ஒரு சாதனையான இழப்பீடு

சான் பிரான்சிஸ்கோவில் உள்ள ஒரு கூட்டாட்சி நீதிமன்றம், 2021 மற்றும் 2022 ஆம் ஆண்டுகளில் piracy databases LibGen மற்றும் PiLiMi இலிருந்து புத்தகங்களை Anthropic பதிவிறக்கியது தொடர்பாக, அந்த நிறுவனம் மற்றும் புத்தக ஆசிரியர்களுக்கிடையே $1.5 பில்லியன் சமரசத்தை அங்கீகரித்துள்ளது. எண்களின் அடிப்படையிலேயே இது ஒரு வரலாற்றுச் சாதனை: வழங்கப்பட்ட மூலப்பொருள் இதை class action வரலாற்றில் மிகப்பெரிய copyright settlement என விவரிக்கிறது. ஆனால் இந்த வழக்கின் முக்கியத்துவம் பணத்தின் அளவில் மட்டும் இல்லை. பொதுவெளியில் generative AI குறித்து நடக்கும் விவாதத்தில் அடிக்கடி ஒன்றாகக் கலந்து பார்க்கப்படும் இரண்டு விஷயங்களை இந்த ஒப்பந்தம் பிரித்துப் பார்க்கிறது போலத் தோன்றுகிறது: piracy மற்றும் model training.

வழங்கப்பட்ட அறிக்கையின்படி, இந்த சமரசம் சுமார் 482,460 பட்டியலிடப்பட்ட படைப்புகளை உள்ளடக்குகிறது; அவற்றில் 91.3 சதவீதம் கோரப்பட்டுள்ளதால், கோரப்பட்ட ஒவ்வொரு படைப்புக்கும் சுமார் $3,000 என்ற வகையில் பணம் கிடைக்கிறது. Anthropic பைரசி செய்யப்பட்ட கோப்புகளையும் அழிக்க வேண்டும். புத்தகங்கள் எவ்வாறு பெறப்பட்டன என்பதன் உண்மைகள் பார்க்கும்போது இது ஒரு பெரிய தோல்வி. அதே நேரத்தில், பல பதிப்பாளர்கள், ஆசிரியர்கள் மற்றும் AI நிறுவனங்கள் போராடி வரும் பரந்த சட்டக் கேள்வியை இது தீர்ப்பதில்லை: சட்டபூர்வமாக பெறப்பட்ட புத்தகங்களை AI அமைப்புகளைப் பயிற்றுவிக்க பயன்படுத்துவது fair use ஆகக் கருத முடியுமா?

இந்த வேறுபாடு முக்கியமானது, ஏனெனில் அது AI தொடர்பான copyright litigation இன் அடுத்த கட்டத்தின் வடிவத்தை சுட்டிக்காட்டுகிறது. சட்டவிரோதமாக பெற்றதைத் தண்டித்துக் கொண்டே, சட்டபூர்வமாக பெறப்பட்ட படைப்புகளில் training-ஐ வேறு விதமாக நடத்தினால், AI developers மீதான compliance burden, மாடல்கள் காப்புரிமை உள்ள உள்ளடக்கத்திலிருந்து கற்றதா இல்லையா என்பதிலிருந்து விலகி, அடிப்படை datasets எப்படிச் சேகரிக்கப்பட்டன, ஆவணப்படுத்தப்பட்டன, மற்றும் உரிமம் பெற்றன என்பதற்கு மாறலாம். ஆசிரியர்கள் மற்றும் உரிமையாளர்களுக்கு இது கலந்த முடிவு: piracy-க்கு எதிரான வெற்றி, ஆனால் training itself மீது கட்டாயமான கடுமையான தடையல்ல.

இந்த வழக்கு இன்னும் AI labs-க்கு ஒரு சட்ட வெற்றியாக இருக்கக்கூடிய காரணம்

வழங்கப்பட்ட மூலத்தின் படி, நீதிபதி Alsup ஏற்கனவே சட்டபூர்வமாக பெறப்பட்ட புத்தகங்களில் AI பயிற்சி “transformative” என்றும் fair use-க்குள் வருவதாகவும் தீர்மானித்திருந்தார். அந்த முந்தைய முடிவே இந்த சமரசத்தின் முக்கிய பின்னணி. இந்த வழக்கில் Anthropic-ன் மிகச் செலவான வெளிப்பாடு, குற்றஞ்சாட்டப்பட்ட பைரசி பிரதிகளின் பயன்பாட்டிலிருந்தே வந்தது; மாடல் பயிற்சியின் செயல் தன்னிச்சையாக அல்ல. நடைமுறையில், நீதிமன்றம் சட்டவிரோதமான sourcing மற்றும் சாத்தியமான சட்டபூர்வமான transformation ஆகியவற்றுக்கு இடையில் ஒரு கோட்டை இட்டதாகத் தெரிகிறது.

AI நிறுவனங்களுக்கு இந்த கோடு மிக முக்கியமானது. பல model developers scraping, licensing, consent, memorization, மற்றும் market substitution போன்றவற்றைச் சுற்றிய கூடுகை குற்றச்சாட்டுகளை எதிர்கொள்கிறார்கள். ஒரு நீதிமன்றத் தீர்ப்பு piracy-ஐ தவறாக தனிமைப்படுத்தி, training defenses-ஐ அப்படியே விட்டால், துறைக்கு உடனடி liability எங்கு இருக்கலாம் என்பதற்கான தெளிவான, ஆனால் இன்னும் முழுமையற்ற, வரைபடம் கிடைக்கும். வழங்கப்பட்ட உரையின் வாதம், website owners-இன் அனுமதி இல்லாமல் web content-ல் பயிற்றுவித்த AI labs-க்கு இது ஒரு முக்கிய மைல்கல் போலத் தோன்றுகிறது; காரணம், web-scale collection இன்னும் training data-வின் முதன்மை மூலமாக உள்ளது. இது இறுதியான சட்ட அங்கீகாரம் அல்ல, ஆனால் இந்த முரண்பாடுகளின் மையம் training-ன் இருப்பிலிருந்து acquisition methods மற்றும் reproductions நோக்கி மாறக்கூடும் என்பதைக் காட்டுகிறது.

Anthropic முழுமையாக பாதிப்பில்லாமல் வெளியே வரவில்லை. $1.5 பில்லியன் சமரசம் என்பது ஒரு சிறிய செயல்பாட்டு அபராதம் அல்ல; இது நிறுவன அளவிலான எச்சரிக்கை. ஒரு பெரிய AI developer-க்கும் மோசமான dataset governance வரலாற்று அளவிலான நட்டங்களை ஏற்படுத்த முடியும் என்பதை இது சொல்கிறது. ஒரு நிறுவனம் தனது fair-use வாதங்கள் வலுவானவை என நம்பினாலும், அந்த மாடலை ஊட்டும் pipeline-இல் piracy repositories-இலிருந்து எடுக்கப்பட்ட பொருட்கள் இருந்தால், அந்த defenses அதிக பாதுகாப்பை அளிக்காது. அந்த வகையில், provenance controls, ingestion audits, மற்றும் model development-இல் engineers மற்றும் researchers என்ன பயன்படுத்தலாம் என்பதில் உள்ளக கட்டுப்பாடுகளின் மதிப்பை இந்த சமரசம் உயர்த்துகிறது.

ஆசிரியர்கள் இன்னும் வைத்திருக்கும் உரிமைகள்

இந்த வழக்கு எதிர்கால அனைத்து கோரிக்கைகளையும் நீக்கவில்லை. வழங்கப்பட்ட அறிக்கையின் படி, original works-ஐ நகலெடுக்கும் AI outputs குறித்தும், Anthropic-ன் எதிர்கால நடத்தையைக் குறித்தும் ஆசிரியர்கள் கோரிக்கைகளைத் தொடர்கிறார்கள். இது AI copyright wars-இல் இன்னொரு சட்ட ரீதியாகவும் தொழில்நுட்ப ரீதியாகவும் கடினமான முனையைத் திறந்திருக்கும். Training ஒரு கேள்வியாக இருக்கலாம்; output behavior மற்றொன்று. ஒரு model பாதுகாக்கப்பட்ட படைப்புக்கு மிக அருகில் இருக்கும் உரையை வெளியிட்டால், அல்லது எதிர்கால collection practices மீண்டும் தவறான மூலங்களையே சார்ந்தால், litigation பாதை தொடர்கிறது.

அந்த carveout முக்கியமானது, ஏனெனில் அது plaintiffs-க்கு abstract model behavior-க்கு பதிலாக concrete harms-ஐ சவால் செய்யும் வழியை பாதுகாக்கிறது. பெரிய corpora-வில் training-ஐ எவ்வாறு மதிப்பிடுவது என்பதில் நீதிமன்றங்கள் இன்னும் பிரிந்திருக்கலாம்; ஆனால் original expression-ஐ மீண்டும் உருவாக்குவது தொடர்பான கோரிக்கைகள் எளிதாக வடிவமைக்கவும் சோதிக்கவும் முடியும். AI developers-க்கு இதன் பொருள், சட்டப்பணி மேம்பட்ட data sourcing-இல் முடிவதில்லை. அது model evaluation, memorization-க்கு red-teaming, மற்றும் copyrighted material-ஐ மீண்டும் உமிழும் வாய்ப்பைக் குறைக்கும் product controls வரை விரிகிறது.

இதற்கு ஒரு பரந்த கொள்கை விளைவும் உள்ளது. சட்ட அமைப்பு dataset provenance, output safeguards, மற்றும் future conduct ஆகியவற்றை தனித்தனி compliance layers ஆக அதிகமாகக் கருதத் தொடங்கினால், AI regulation தத்துவபூர்வமாக இருப்பதற்குப் பதிலாக செயல்பாட்டை மையமாகக் கொள்ளலாம். பொதுவான வாதம் பெரும்பாலும் training இயல்பாக அனுமதிக்கப்படுகிறதா, அல்லது இயல்பாக சுரண்டலா என்பதில் சுழல்கிறது. அதற்கு மாறாக, நீதிமன்றங்கள் பிரச்சினையை சிறிய கேள்விகளாகப் பிரித்துக் கொண்டே இருக்கலாம்: copy சட்டபூர்வமாகப் பெறப்பட்டதா? பயன்படுத்துதல் transformative-ஆ? output பாதுகாக்கப்பட்ட expression-ஐ மீண்டும் உருவாக்கியதா? அளக்கக்கூடிய market harm இருந்ததா?

அடுத்து என்ன

மூல உரை ஒரு முக்கியமான கேள்வி இன்னும் தீராத நிலையில் இருப்பதை தெளிவாகச் சொல்கிறது: ஆசிரியர்களின் consent இல்லாமல் இணைய உள்ளடக்கத்தை mass scraping செய்வது சட்டபூர்வமான acquisition ஆகக் கருதப்படுமா? இந்த கேள்வி புத்தகங்களைத் தாண்டி மிகப் பெரியது. இது பெரும்பாலான frontier models-க்கு சக்தியளித்த web data-வை நேரடியாகத் தொடுகிறது. அந்த சூழலில் consent மற்றும் acquisition குறித்து நீதிமன்றங்கள் கடுமையான பார்வையை எடுத்தால், Anthropic-ன் fair-use நிலை மூலம் தோன்றும் வெற்றி விரைவாக சுருங்கக்கூடும். அவ்வாறு இல்லையெனில், இந்த வழக்கை industry safer path என்பது copyrighted material-ல் training-ஐ கைவிடுவது அல்ல, மாறாக அந்தப் பொருள் எப்படிச் சேகரிக்கப்படுகிறது மற்றும் கையாளப்படுகிறது என்பதைச் சீர்செய்வதே என்பதற்கான ஆதாரமாகக் கருதலாம்.

தற்போது, இந்த சமரசம் ஒரு முரண்பாடான மைல்கல்லாக நிற்கிறது. இது ஒரு record-setting copyright payout, மற்றும் reputational blow. அதே சமயம், piracy தண்டிக்கப்பட வேண்டியது, ஆனால் சட்டபூர்வமாக பெறப்பட்ட படைப்புகளில் training இன்னும் பாதுகாக்கத்தக்கது என்ற சட்டச் சட்டகத்தையும் இது உறுதிப்படுத்துகிறது போலத் தோன்றுகிறது. அந்த இணைப்பு AI copyright fight-ஐ முடிக்காது. அது அதைப் பெரும்பாலும் மேலும் கூர்மையாக்கும். ஆசிரியர்கள், பதிப்பாளர்கள், மற்றும் model companies இப்போது ஒரு நீதிமன்றம் எல்லைகளை எங்கு வரையுகிறது என்பதைக் குறித்துப் பெரும் தெளிவைப் பெற்றுள்ளனர்; அந்தத் தெளிவு அடுத்த வழக்குகளை அமைதிப்படுத்துவதற்குப் பதிலாக மேலும் தீவிரப்படுத்தலாம்.

நடைமுறை எடுத்துக்காட்டு நேரடியாக உள்ளது. AI companies இனி dataset assembly-யை பின்னணி தொழில்நுட்ப விவரமாகக் கருத முடியாது. Provenance முதன்மை சட்ட ஆபத்தாக மாறிக் கொண்டிருக்கிறது. அதே நேரத்தில், training itself-க்கு எதிராக பரந்த முன்னுதாரணம் எதிர்பார்த்த உரிமையாளர்களுக்கு இங்கே அது கிடைக்கவில்லை. வாதம் சுருங்கியுள்ளது, மறைந்துவிடவில்லை. அந்தச் சுருக்கப்பட்ட வாதத்தில்தான் AI copyright battle-இன் எதிர்காலம் இருக்கிறது.

இந்தக் கட்டுரை The Decoder வழங்கிய செய்தியினை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.