Anthropic రాజీ AI కాపీహక్కు పోరాటాన్ని తిరిగి ఆకృతీకరిస్తోంది

AI శిక్షణను చాలా వరకు ఇంకా అనిశ్చితంగానే ఉంచిన రికార్డు స్థాయి పరిహారం

సాన్ ఫ్రాన్సిస్కోలోని ఒక ఫెడరల్ కోర్టు, 2021 మరియు 2022లో piracy databases LibGen మరియు PiLiMi నుంచి పుస్తకాలను Anthropic డౌన్‌లోడ్ చేసిన విషయంపై, ఆ సంస్థ మరియు పుస్తక రచయితల మధ్య $1.5 బిలియన్ రాజీకి ఆమోదం తెలిపింది. సంఖ్యల పరంగా చూస్తే ఇది ఒక చారిత్రాత్మక ఘట్టం: అందించిన మూల సమాచారం దీన్ని class action చరిత్రలో అతిపెద్ద copyright settlement అని వివరిస్తోంది. కానీ ఈ కేసు ప్రాధాన్యం చెల్లింపు పరిమాణంలో మాత్రమే లేదు. generative AIపై ప్రజా చర్చలో తరచూ ఒకదానితో ఒకటి కలిసిపోయే రెండు అంశాలను ఈ ఒప్పందం వేరు చేస్తోందని కనిపిస్తోంది: piracy మరియు model training.

అందించిన నివేదిక ప్రకారం, ఈ రాజీ సుమారు 482,460 listed works‌ను కవర్ చేస్తుంది, వాటిలో 91.3 శాతం claimed, దీని ఫలితంగా ప్రతి claimed workకు సుమారు $3,000 చెల్లింపులు లభిస్తాయి. Anthropic దొంగిలించిన ఫైళ్లను కూడా నాశనం చేయాలి. పుస్తకాలు ఎలా పొందబడ్డాయన్న నిజాల దృష్ట్యా ఇది ఒక పెద్ద నష్టం. అదే సమయంలో, అనేక publishers, authors, మరియు AI companies పోరాడుతున్న పెద్ద చట్టపరమైన ప్రశ్నను ఇది పరిష్కరించదు: చట్టబద్ధంగా పొందిన పుస్తకాలను AI systems శిక్షణకు ఉపయోగించడం fair use కిందకి వస్తుందా?

ఈ తేడా ముఖ్యమైనది, ఎందుకంటే AI సంబంధిత copyright litigation యొక్క తదుపరి దశ ఎలా ఉండబోతోందో ఇది సూచిస్తుంది. కోర్టులు అక్రమంగా పొందిన విషయాన్ని శిక్షిస్తూనే, చట్టబద్ధంగా పొందిన రచనలపై training‌ను వేరే విధంగా చూస్తే, AI developers‌పై ఉన్న compliance burden models కాపీరైటెడ్ పదార్థం నుంచి నేర్చుకున్నాయా లేదా అనే ప్రశ్న నుండి, బేస్ datasets ఎలా సేకరించబడ్డాయి, డాక్యుమెంట్ చేయబడ్డాయి, మరియు లైసెన్స్ చేయబడ్డాయి అనే దిశగా మారవచ్చు. రచయితలు మరియు rights holders‌కు ఇది మిశ్రమ ఫలితం: piracyపై విజయం, కానీ training itself‌పై తప్పనిసరిగా విస్తృత నియంత్రణ కాదు.

ఈ కేసు AI labs‌కు చట్టపరమైన విజయంగా ఎందుకు పరిగణించవచ్చు

అందించిన మూలం ప్రకారం, న్యాయమూర్తి Alsup ఇప్పటికే చట్టబద్ధంగా పొందిన పుస్తకాలపై AI training “transformative” అని, fair use కిందకి వస్తుందని తీర్పు ఇచ్చారు. ఆ ముందటి నిర్ణయమే ఈ రాజీకి కీలక నేపథ్యం. ఈ కేసులో Anthropicకు అత్యధిక ఖర్చు తెచ్చినది, model training అనే abstract చర్య కంటే, ఆరోపణ ఎదుర్కొన్న దొంగిలించిన ప్రతుల వినియోగమే అని ఇది సూచిస్తుంది. ప్రాయోగికంగా చూస్తే, కోర్టు అక్రమ sourcing మరియు సంభావ్యంగా చట్టబద్ధ transformation మధ్య ఒక గీత గీసినట్లు కనిపిస్తోంది.

AI companies‌కు ఈ గీత అత్యంత కీలకం. అనేక model developers scraping, licensing, consent, memorization, మరియు market substitution చుట్టూ పొరలుగా వచ్చే ఆరోపణలను ఎదుర్కొంటున్నారు. ఒక కోర్టు piracy‌ను నేరంగా వేరుచేసి, training defenses‌ను అలాగే ఉంచితే, పరిశ్రమకు అత్యవసర బాధ్యత ఎక్కడ ఉందో మరింత స్పష్టమైన, అయితే ఇంకా అసంపూర్ణమైన, పటం దొరుకుతుంది. source text వాదన ప్రకారం, website owners consent లేకుండా web content‌పై training చేసిన AI labs‌కు ఇది ఒక మైలురాయి లాగా కనిపిస్తోంది, ఎందుకంటే web-scale collection ఇంకా training dataకి ప్రధాన మూలం. ఇది తుది చట్టపరమైన ముద్ర కాదు, కానీ ఈ వివాదాల కేంద్రం training ఉన్నదా లేదా అన్న ప్రశ్న నుంచి acquisition methods మరియు reproductions వైపు మారుతున్నట్లు సూచిస్తుంది.

Anthropic పూర్తిగా తప్పించుకోలేదు. $1.5 బిలియన్ రాజీ చిన్న ఆపరేషన్ జరిమానా కాదు; ఇది కార్పొరేట్ స్థాయి హెచ్చరిక. బలహీనమైన dataset governance చారిత్రాత్మక స్థాయి నష్టాలను కలిగించగలదని ప్రతి పెద్ద AI developer‌కు ఇది చెబుతోంది. ఒక కంపెనీకి తన fair-use వాదనలు బలంగా ఉన్నాయని అనిపించినా, మోడల్‌కు ఆహారం అందించే pipelineలో piracy repositories నుంచి తీసుకున్న పదార్థం ఉంటే, ఆ రక్షణలు పెద్దగా ఉపయోగపడకపోవచ్చు. ఆ అర్థంలో, ఈ రాజీ provenance controls, ingestion audits, మరియు model development సమయంలో engineers మరియు researchers ఏమి ఉపయోగించగలరో అన్నదానిపై అంతర్గత పరిమితుల విలువను పెంచుతోంది.

రచయితలు ఇంకా కలిగి ఉన్న హక్కులు

ఈ కేసు భవిష్యత్ అన్ని claims‌ను కూడా తొలగించలేదు. అందించిన నివేదిక ప్రకారం, original works‌ను పునరుత్పత్తి చేసే AI outputsపై మరియు Anthropic భవిష్యత్ ప్రవర్తనపై రచయితలు తమ claims‌ను నిలిపి ఉంచుకున్నారు. ఇది AI copyright warsలో మరో చట్టపరంగా, సాంకేతికంగా క్లిష్టమైన ముందుబాటును తెరిచి ఉంచుతుంది. Training ఒక ప్రశ్న కావచ్చు; output behavior మరోటి. ఒక model రక్షిత రచనకు చాలా దగ్గరగా ఉన్న text‌ను ఉత్పత్తి చేస్తే, లేదా భవిష్యత్తు collection practices మళ్లీ అనుచిత మూలాలపై ఆధారపడితే, litigation మార్గం తెరిచే ఉంటుంది.

ఆ carveout ముఖ్యమైనది, ఎందుకంటే ఇది plaintiffs‌కు abstract model behavior కాకుండా concrete harms‌ను సవాలు చేసే మార్గాన్ని ఉంచుతుంది. పెద్ద corporaపై training‌ను ఎలా అంచనా వేయాలో కోర్టులు విభజించబడే అవకాశముంది, కానీ original expression పునరుత్పత్తికి సంబంధించిన claims‌ను మరింత సులభంగా రూపకల్పన చేసి పరీక్షించవచ్చు. AI developers‌కు దీని అర్థం, చట్టపరమైన పని మెరుగైన data sourcing‌తో ముగియదు. అది model evaluation, memorization కోసం red-teaming, మరియు copyrighted material‌ను తిరిగి పొర్లించే అవకాశాన్ని తగ్గించే product controls వరకు విస్తరిస్తుంది.

ఇందుకు ఒక విస్తృత విధాన ప్రభావం కూడా ఉంది. చట్ట వ్యవస్థ dataset provenance, output safeguards, మరియు future conduct‌ను వేర్వేరు compliance layers‌గా పరిగణించడం ప్రారంభిస్తే, AI regulation తత్వశాస్త్రీయంగా కాకుండా మరింత operational‌గా మారవచ్చు. ప్రజా వాదన సాధారణంగా training స్వభావతః అనుమతించబడిందా లేదా స్వభావతః దోపిడీనా అన్నదానిపై తిరుగుతుంది. దానికి విరుద్ధంగా, కోర్టులు సమస్యను చిన్న ప్రశ్నలుగా చీల్చుతూనే ఉండవచ్చు: copy చట్టబద్ధంగా పొందబడిందా? use transformativeనా? output రక్షిత expression‌ను పునరుత్పత్తి చేసిందా? కొలిచే market harm ఉందా?

తరువాత ఏమి

స्रोत పాఠ్యం ఒక ప్రధాన ప్రశ్న ఇంకా పరిష్కారం కాలేదని స్పష్టంగా చెబుతోంది: రచయితల consent లేకుండా ఇంటర్నెట్ కంటెంట్‌ను mass scraping చేయడం చట్టబద్ధ acquisition‌గా పరిగణించాలా? ఈ అంశం పుస్తకాలకన్నా చాలా దూరం వెళుతుంది. ఇది అత్యాధునిక models‌కు శక్తినిచ్చిన web dataను నేరుగా తాకుతుంది. ఆ సందర్భంలో consent మరియు acquisition‌పై కోర్టులు మరింత కఠిన దృక్పథం తీసుకుంటే, Anthropic fair-use స్థానం నుంచి కనిపించే విజయం త్వరగా చిన్నదిగా మారవచ్చు. అలా కాకపోతే, copyrighted material‌పై training‌ను వదిలేయడం కాకుండా, ఆ పదార్థం ఎలా సేకరించబడుతోంది, ఎలా నిర్వహించబడుతోంది అనే విషయాలను శుభ్రపరచడమే సురక్షిత మార్గమని పరిశ్రమ ఈ కేసును ఉదాహరణగా తీసుకోవచ్చు.

ప్రస్తుతం, ఈ రాజీ ఒక వ్యతిరేకాభాస మైలురాయిగా నిలుస్తోంది. ఇది రికార్డు స్థాయి copyright payout కూడా, ప్రతిష్ఠాపరమైన దెబ్బ కూడా. అదే సమయంలో, piracy శిక్షార్హం, కానీ చట్టబద్ధంగా పొందిన రచనలపై training ఇంకా సమర్థించదగినదిగా ఉండొచ్చన్న చట్టపరమైన ఫ్రేమ్‌వర్క్‌ను ఇది బలపరుస్తున్నట్లు కనిపిస్తోంది. ఆ కలయిక AI copyright fight‌ను ముగించదు. అది దానిని మరింత పదును పెడుతుంది. రచయితలు, publishers, మరియు model companies ఇప్పుడు ఒక కోర్టు సరిహద్దులను ఎక్కడ గీస్తోందో మరింత స్పష్టంగా తెలుసుకున్నారు, ఆ స్పష్టత తదుపరి కేసుల ప్రవాహాన్ని శాంతింపజేయడం కంటే మరింత తీవ్రతరం చేయవచ్చు.

ప్రాయోగిక takeaway సూటిగా ఉంది. AI companies ఇకపై dataset assembly‌ను నేపథ్య సాంకేతిక వివరంగా పరిగణించలేవు. Provenance ఒక మొదటి-స్థాయి చట్టపరమైన ప్రమాదంగా మారుతోంది. అదే సమయంలో, training itself‌కు వ్యతిరేకంగా విస్తృత precedent ఆశించిన rights holders‌కు ఇక్కడ అది లభించలేదు. వాదన సన్నగిల్లింది, కానీ అదృశ్యం కాలేదు. ఆ సన్నని వాదనలోనే AI copyright battle భవిష్యత్తు ఉంది.

ఈ వ్యాసం The Decoder నివేదికల ఆధారంగా రూపొందించబడింది. మూల వ్యాసాన్ని చదవండి.