NYT కేసులో AI training కోసం DOJ fair use defense‌ను సమర్థించింది

AI copyright లోని కీలక పోరాటంలో Justice Department స్పష్టమైన వైపు తీసుకుంది

U.S. Department of Justice, artificial intelligence లో అత్యంత ప్రాముఖ్యమైన చట్టపరమైన పోరాటాలలో ఒకటిలో, రాబోయే సంవత్సరాల పాటు courts model training‌ను ఎలా చూస్తాయో ప్రభావితం చేయగల స్థితితో చేరింది. The New York Times మరియు ఇతర rights holders తో సంబంధించిన consolidated lawsuit లో దాఖలు చేసిన filing లో, copyrighted text పై large language models కు training ఇవ్వడం fair use కిందకి రావచ్చని department వాదించింది.

ఈ జోక్యం ముఖ్యమైనది, ఎందుకంటే ఈ కేసు publishers మరియు AI companies మధ్య విస్తృతమైన ఘర్షణకు bellwether గా మారింది. Times, late 2023 లో Manhattan federal court లో OpenAI మరియు Microsoft పై దావా వేసింది; GPT-4 సహా systems ను train చేయడానికి మరియు సమాచార మూలంగా పత్రికతో పోటీ పడే products ను నిర్మించడానికి తన లక్షలాది articles అనుమతి లేకుండా ఉపయోగించారని అది ఆరోపించింది. ఇచ్చిన source text ప్రకారం, పత్రిక బిలియన్లలో damages కోరింది మరియు తన పనిపై train చేసిన models ను నాశనం చేయాలని కూడా డిమాండ్ చేసింది.

Justice Department వాదన copyright law AI కి సంబంధం లేదని చెప్పడం లేదు. బదులుగా, అది ఒక సన్నని కానీ చాలా ముఖ్యమైన తేడాను చూపుతోంది: training సమయంలో జరిగే copying, model చివరికి users కు ఉత్పత్తి చేసే output తో ఒకటే కాదు. Department దృష్టిలో, ఆ separation fair use analysis కు కేంద్రం.

training-versus-output తేడా ఎందుకు అంత ముఖ్యమైంది

ఇచ్చిన source text ప్రకారం, training సమయంలో మొత్తం works copy కావొచ్చని, కానీ ఆ works ను ఆ ప్రక్రియలో ప్రజలకు అందుబాటులో ఉంచరని department వాదించింది. అలాగే, model outputs “often if not always” మూల materials తో substantial similarity చూపవని కూడా వాదించింది. ఇది AI copyright debate లోని అత్యంత వివాదాస్పద ప్రశ్నలలో ఒకదాన్ని తాకుతోంది: source material ను training లో ఉపయోగించడం ఒక internal analytical process గా చూడాలా, లేక original works ను నేరుగా స్థానభ్రంశం చేసే commercial act గా చూడాలా.

Justice Department దృష్టి మొదటి framing కి మద్దతిస్తుంది. కోర్టు ఆ logic ను అంగీకరిస్తే, copyrighted corpora పై training transformation గా వాదించడానికి AI developers కు బలమైన చట్టపరమైన ఆధారం లభిస్తుంది, ముఖ్యంగా resulting systems protected expression ను substantial similarity తో reproduce చేయనప్పుడు. కోర్టు దాన్ని తిరస్కరిస్తే, developers మరింత కఠినమైన licensing obligations మరియు పెద్ద operational constraints ను ఎదుర్కోవాల్సి రావచ్చు.

Department, market harm పై అది అతిగా విస్తృతమైన theory గా చెప్పిన దానిని కూడా తిరస్కరించింది. source text ప్రకారం, training మరియు output ను ఒకే use గా కలిపేయకూడదని అది వాదించింది. ఇది ముఖ్యమైనది, ఎందుకంటే copyright disputes చాలాసార్లు ఒక challenged activity ఒక work నుండి నేర్చుకుంటుందా, లేదా ఆ work యొక్క market ను దెబ్బతీస్తుందా అనే విషయంపై ఆధారపడి ఉంటాయి. DOJ స్థానం, plaintiffs తమ content training data లో ఉండటం మాత్రమే చూపి నష్టం ఆటోమేటిక్‌గా నిరూపించలేరని సూచిస్తోంది.

మానవ సృజనాత్మకత కోసం ఒక చట్టపరమైన analogy

source text లో సారాంశంగా ఇచ్చిన ప్రకారం, filing లోని ఆకట్టుకునే అంశాలలో ఒకటి రచయిత Joan Didion ను ప్రస్తావించిన analogy. department, తాము admired prose ను copy చేసి craft నేర్చుకునే writers యొక్క సాధారణ పద్ధతిని ప్రస్తావిస్తూ, existing works ను అధ్యయనం చేయడం మరియు అవి చట్టవిరుద్ధంగా మళ్లీ ప్రచురించడం మధ్య చట్టం తేడాను గుర్తించాలి అని వాదించింది. filing, మరింత విస్తృతమైన anti-training theory కింద, learner తర్వాత కొత్తది సృష్టించినప్పటికీ, అటువంటి human learning process కూడా infringing గా పరిగణించబడవచ్చని సూచించిందని నివేదించబడింది.

ఈ analogy ఒక విస్తృత policy point ను చేయడానికి రూపొందించబడింది. Copyright law original expression ను రక్షించడానికి ఉంది, కానీ అది learning, reference, influence మీద ఆధారపడే system లో కూడా పనిచేస్తుంది. Justice Department, text పై model training, public distribution కోసం duplication చేసే చర్య కంటే analysis అనే చర్యకు దగ్గరగా ఉందని వాదిస్తున్నట్లు కనిపిస్తోంది. ఆ పోలిక judges కు convincing అనిపిస్తుందా అనేది వేరే విషయం, కానీ అది technical detail ను దాటి creativity యొక్క మొదటి సూత్రాల వరకు వెళ్లే narrative ను AI companies కు ఇస్తుంది.

ఈ filing publishers, AI firms, మరియు market కి ఏమి సూచిస్తోంది

Publishers మరియు ఇతర rights holders కు, DOJ filing ఒక setback, archives పై నియంత్రణను కాపాడుకోవడానికి అత్యంత ముఖ్యమైనదిగా భావించే కేసులో. The New York Times మరియు ఇతర plaintiffs, generative AI systems విస్తారమైన professionally created work నుండి value పొందుతాయని, కానీ దానికి చెల్లించవని వాదించారు. AI products attention, subscriptions, advertising కోసం original sources తో పోటీ పడగలవని కూడా వారు అంటున్నారు.

AI companies కు, department స్థానం rhetoric support కంటే ఎక్కువ. ఇది U.S. government నుండి ఒక formal statement ను అందిస్తోంది: model training creative మరియు social value ను ఉత్పత్తి చేయగలదు, మరియు training కి మాత్రమే liability విధించడం copyright law ప్రోత్సహించాల్సిన innovation ను అణచివేయగలదు. ఈ framing, ఈ ప్రత్యేక lawsuit దాటి, future cases, negotiations, మరియు policy debates లో విస్తృతంగా cite చేయబడే అవకాశముంది.

source text ఇంకా ఈ కేసు AI training ను courts ఎలా నిర్వహిస్తాయో పరీక్షించే landmark test గా విస్తృతంగా చూస్తారని చెబుతోంది. ఆ వివరణ అతిశయోక్తి కాదు. ఈ సందర్భంలో fair use ను పరిమితం చేసే తీర్పు వస్తే, frontier model development ఆర్థికత మారవచ్చు, ముఖ్యంగా విస్తారమైన మరియు విభిన్నమైన text datasets పై ఆధారపడే firms కోసం. Training కు broad latitude మంజూరైతే, ప్రస్తుత development model స్థిరపడవచ్చు, భవిష్యత్ వివాదాలు outputs, licensing deals, product design choices వైపు మళ్లవచ్చు.

పెద్ద సమస్య ఇంకా తేలలేదు

Justice Department ఇప్పుడు fair use theory కి మద్దతు ఇచ్చినా, చట్టపరమైన చిత్రం ఇంకా స్పష్టంగా లేదు. source text లోనే ఇతరులు అసహమతిని చూపిస్తున్నారని చెప్పింది. ఆ భేదాభిప్రాయం, AI copyright law ఇంకా litigation ద్వారా, real time లో నిర్మితమవుతోందని చూపుతోంది; అది mature మరియు stable precedent body ద్వారా కాదు. Courts ఇంకా substantial similarity, transformation, market substitution వంటి traditional doctrines, content ను కేవలం store చేసి replay చేయని, కానీ భారీ datasets నుండి statistical patterns నేర్చుకునే systems కు ఎలా వర్తిస్తాయో నిర్ణయించాల్సి ఉంది.

ఈ filing courtroom ను దాటి కూడా ప్రాముఖ్యంగా ఉండడానికి ఒక practical కారణం ఉంది. ఇది companies, publishers, lawmakers licensing ను ఎలా approach చేస్తారో ప్రభావితం చేయవచ్చు. Training చట్టపరంగా safer గా కనిపిస్తే, AI firms broad text archives ను compulsory basis పై license చేయాల్సిన ఒత్తిడి తక్కువగా అనిపించవచ్చు. Publishers legal tide తమకు వ్యతిరేకంగా ఉందని భావిస్తే, specific outputs, brand confusion, లేదా newsroom products లాగా కనిపించే AI-generated summaries వలన competitive harm పై claims ను మరింతగా దృష్టి పెట్టవచ్చు.

September 2, 2026 న మారింది తుది చట్టపరమైన సమాధానం కాదు, కానీ వాదనలోని ఒక వైపుతో ఒక major federal institution alignment. Justice Department ఇప్పుడు స్పష్టంగా చెప్పింది: దాని దృష్టిలో copyrighted text పై large language model కు training ఇవ్వడం fair use లోకి రాగలదు. AI systems మరియు అవి నేర్చుకునే written record మధ్య సంబంధాన్ని నిర్వచించడంలో సహాయపడే వివాదంలో, ఇది ఒక ముఖ్యమైన పరిణామం.

ఈ వ్యాసం The Decoder నివేదికపై ఆధారపడింది. మూల వ్యాసాన్ని చదవండి.