A IA generativa e os direitos autorais podem coexistir?

De acordo com um relatório recente do setor, os "principais" setores criativos - notadamente aqueles que produzem livros, software de entretenimento, periódicos, filmes, música gravada, televisão e videogames - contribuíram com US$ 1,8 trilhão para o PIB dos EUA em 2021. Isso representa quase 8% da economia dos EUA. Portanto, é muito importante, como foi amplamente divulgado, que as empresas de IA generativa tenham usado materiais não licenciados e protegidos por direitos autorais desses setores para treinar seus modelos. Líderes do setor e pesquisas acadêmicas já afirmam que as ferramentas de IA generativa substituíram trabalhadores em outras áreas importantes da economia, e não é difícil imaginar que o mesmo possa acontecer com artistas criativos. É por isso que os detentores de direitos desses setores entraram com mais de 40 processos em tribunais federais contra empresas de IA generativa por treinarem seus modelos em materiais protegidos por direitos autorais não licenciados. Há duas semanas, dois tribunais do Distrito Norte da Califórnia proferiram as duas primeiras decisões sobre esses casos - e nenhuma delas foi particularmente positiva para os detentores de direitos. No primeiro caso, Bartz v. Anthropic, que envolveu uma ação movida contra a Anthropic por três autores, o juiz William Alsup determinou que o treinamento de modelos de IA generativa com material protegido por direitos autorais é um uso justo e, portanto, pode ser feito sem compensar os detentores de direitos. "Como qualquer leitor que aspira a ser escritor", escreveu o juiz Alsup, "o LLM da Anthropic [é] treinado em obras não para correr à frente e replicá-las ou suplantá-las, mas para virar uma esquina difícil e criar algo diferente". No segundo caso, Kadrey v. Meta, que envolveu uma ação movida contra a Meta por 13 autores, o juiz Vincent Chhabria adotou uma posição diferente, concluindo que o uso não licenciado de materiais protegidos por direitos autorais para treinamento provavelmente não é um uso justo, porque o conteúdo gerado pelo LLM é fundamentalmente diferente da criação gerada por humanos. "Usar livros para ensinar crianças a escrever", argumentou o juiz Chhabria, "não é nem de longe semelhante a usar livros para criar um produto que um único indivíduo poderia empregar para gerar inúmeros trabalhos concorrentes com uma fração minúscula do tempo e da criatividade que seriam necessários". Somos especialistas no estudo da transformação digital e refletimos muito sobre essa questão. Recentemente, por exemplo, participamos de uma mesa redonda com 10 economistas convocados pelo U.S. Copyright Office para estudar as implicações da IA generativa na política de direitos autorais. Reconhecemos que as duas decisões estão longe de ser a última palavra sobre o assunto; ambas, sem dúvida, serão objeto de recurso para o Nono Circuito e, posteriormente, para a Suprema Corte. Mas, nesse meio tempo, acreditamos que já há muitas lições a serem aprendidas com essas decisões sobre as implicações da IA generativa para os negócios - lições que serão úteis para os líderes dos setores criativos e das empresas de IA generativa. Lições para os detentores de direitos Como detentor de direitos no ambiente atual, o senhor pode tomar várias medidas para proteger seu negócio. Reconhecer que é possível remover seu material protegido por direitos autorais do corpus de treinamento. É tentador pensar que a batalha já está perdida: Uma vez que um conteúdo protegido por direitos autorais entra no corpus de treinamento de um LLM, não há como tirá-lo de lá, certo? Na verdade, errado. Quando os LLMs lançam novas versões importantes (como, por exemplo, a mudança do ChatGPT 3 para o ChatGPT 4), eles normalmente treinam novamente o novo modelo no corpus de treinamento completo. Nesse momento, há uma oportunidade para o LLM remover o material protegido por direitos autorais de um detentor de direitos de seu corpus de treinamento - ou para o detentor de direitos obter uma ordem judicial instruindo-o a fazer isso. Faça valer os direitos contra empresas de IA generativa que estejam usando seus materiais protegidos por direitos autorais sem licença. Se o senhor acredita que seu conteúdo está sendo usado para treinar LLMs com uma licença adequada, agora também pode ser um bom momento para se juntar à lista de mais de 40 demandantes que estão entrando com ações na justiça para proteger seus direitos legais. Isso é particularmente verdadeiro, pois algumas das recentes decisões judiciais fornecem o que equivale a um esboço de como os futuros demandantes poderiam argumentar com sucesso em seus casos: Convencer o tribunal de que os modelos de IA generativa podem ser usados para destruir os meios de subsistência dos próprios artistas que estão sendo solicitados a treinar esses modelos gratuitamente. Essa é uma barreira alta, mas pelo menos é alguma coisa. Licenciar quando apropriado. Mais de 70 detentores de direitos - incluindoHarperCollins, Universal Music, Reddit, Shutterstock e Wall Street Journal -licenciaram seu conteúdo para treinamento por empresas de IA generativa. Se o senhor ainda não licenciou seu conteúdo, talvez seja o momento de considerar a possibilidade de buscar acordos de licenciamento, possivelmente criando conjuntos de dados com curadoria adaptados para treinamento de modelos específicos e, portanto, atraentes para os desenvolvedores de IA. Seu desafio ao assinar essas licenças é que o senhor está negociando em desvantagem, dada a direção que os tribunais parecem estar tomando em relação ao uso justo. Mas sua vantagem é a pontualidade e a precisão: As empresas de IA generativa podem estar dispostas a pagar para licenciar o conteúdo agora, em vez de esperar que esses casos cheguem aos tribunais, e podem estar dispostas a pagar por um conjunto de dados limpo, confiável e com curadoria, em vez do que podem obter ao raspar indiscriminadamente a Web. Considere retirar o conteúdo protegido por direitos autorais da Web aberta. Muitas empresas de PI disponibilizam parte de seu conteúdo publicamente de forma a impulsionar seus modelos de negócios. Há casos em todo o espectro da PI em que o conteúdo é disponibilizado "gratuitamente" para dar suporte a modelos de negócios baseados em publicidade, como nos inúmeros clipes de filmes com suporte de anúncios que o senhor pode encontrar no YouTube. Algumas empresas também empregam um modelo "freemium-to-premium", no qual os consumidores recebem algum conteúdo gratuito, mas precisam pagar por um canal mais conveniente ou por um conjunto mais completo de conteúdo. Pense nos cinco a dez artigos gratuitos que alguns sites oferecem todos os meses antes de pedir às pessoas que se inscrevam. Essas estratégias podem ter feito sentido antes da IA generativa, mas as regras agora mudaram e faz sentido repensar como o senhor pondera os benefícios de disponibilizar seu conteúdo na Web aberta em relação aos danos de seu material protegido por direitos autorais ser usado para treinar LLMs sem o seu consentimento. Isso é particularmente verdadeiro, pois alguns dos maiores acordos de licenciamento foram para conteúdo protegido por um paywall, o que dificultou a extração por empresas de IA generativa. Proteja o conteúdo protegido por direitos autorais na Web aberta. Por falar em raspagem da Web, os detentores de direitos devem procurar proteger qualquer IP que permaneça na Web aberta. Há vários caminhos que podem ser seguidos aqui, embora nenhum seja perfeito. Os detentores de direitos podem usar um arquivo chamado robots.txt para informar aos rastreadores de IA que eles não devem raspar o conteúdo do site. Isso só funcionará se os LLMs optarem por respeitar o arquivo robots.txt de um site, mas é um começo. Há também maneiras de as empresas de hospedagem na Web bloquearem os raspadores de LLMs ou estabelecerem políticas de monetização para agentes de IA que buscam acessar subconjuntos de seu conteúdo. Por fim, existem ferramentas emergentes, como Glaze ou Nightshade, que podem proteger a PI baseada em imagem disponível publicamente contra o uso em treinamento de IA generativa. Lições para empresas de IA generativa Se o senhor é líder de uma empresa de IA generativa, talvez pense que deve continuar fazendo o que está fazendo, dada a maneira como os tribunais têm decidido. Mas isso pode ser um erro. Aqui está o que o senhor deve pensar e fazer enquanto os tribunais resolvem as coisas. Leve em conta os riscos financeiros. Embora o juiz Alsup tenha considerado que o uso de dados protegidos por direitos autorais para treinar o LLM da Anthropic foi um uso justo, ele o fez com uma ressalva significativa: os dados protegidos por direitos autorais não poderiam ter sido obtidos por meio de pirataria. Especificamente, Alsup escreveu que "a pirataria de cópias disponíveis de outra forma é inerente e irremediavelmente infratora, mesmo que as cópias piratas sejam imediatamente usadas para o uso transformador". Isso significa que o uso de conteúdo pirata acarreta um risco financeiro significativo. De acordo com a lei dos EUA(17 U.S.C. § 504), os detentores de direitos autorais podem receber indenizações legais de até US$ 30.000 por obra violada e até US$ 150.000 se o tribunal considerar que a violação foi intencional. Alsup descobriu que a Anthropic usou 7 milhões de livros piratas em seus dados de treinamento e ordenou que a empresa fosse julgada pelas "cópias piratas usadas para criar a biblioteca central da Anthropic e os danos resultantes, reais ou legais (inclusive por intencionalidade)". Sete milhões de livros vezes US$ 150.000 em danos potenciais por livro é muito risco financeiro potencial - US$ 1,05 trilhão para ser exato. E essa não é apenas uma questão antrópica. A descoberta em Kadrey v. Meta descobriu que a Meta usou pelo menos 82 TB de dados de livros piratas para treinar seus modelos. Outras ações judiciais, entre elas Tremblay v. OpenAI e O'Nan v. Databricks, alegam o uso de "bibliotecas sombra" piratas semelhantes para treinamento. Assine as licenças. Considerando esses riscos financeiros, agora pode ser o momento certo para considerar a assinatura de licenças com os detentores de direitos, especialmente porque os recentes processos judiciais podem tornar os detentores de direitos mais dispostos a vender no curto prazo. Gerar ferramentas de exclusão, permitindo que os detentores de direitos filtrem ou removam seu conteúdo dos conjuntos de dados de treinamento. Diante das ações judiciais dos detentores de direitos, empresas como o YouTube e o Facebook desenvolveram ferramentas que dão a esses detentores de direitos a capacidade de remover seu conteúdo de suas plataformas. Agora pode ser o momento perfeito para as empresas de IA generativa desenvolverem ferramentas semelhantes. Reconsiderar o valor de obter mais dados não licenciados versus os riscos legais. A Eleuther.ai, uma organização de pesquisa de IA, lançou recentemente um conjunto de dados de 8 TB chamado Common Pile v0.1, que, segundo a empresa, é composto inteiramente de conteúdo de código aberto ou licenciado. A empresa também afirma que, quando usou esse modelo para treinar seus LLMs, esses modelos tiveram um desempenho tão bom quanto os modelos que usam dados protegidos por direitos autorais não licenciados. Em uma postagem de blog, os desenvolvedores da empresa escreveram que sua pesquisa sugere que "a ideia comum de que o texto não licenciado impulsiona o desempenho é injustificada". Não podemos verificar essas afirmações de forma independente, mas, considerando os possíveis riscos legais gerados pelo uso de conteúdo protegido por direitos autorais não licenciado (e frequentemente pirateado), talvez seja uma boa ideia para as empresas de IA generativa questionar se os benefícios marginais decorrentes do uso de mais material protegido por direitos autorais não licenciado justificam os riscos legais e financeiros adicionais. . . . A IA generativa tem o potencial de beneficiar o setor e a sociedade de muitas maneiras. Mas para atingir esse potencial, serão necessárias parcerias mais sólidas e transparentes entre as empresas de tecnologia e os setores criativos. Em nosso caminho atual, corremos o risco de matar a galinha - ou, neste caso, os autores, músicos, programadores e cineastas - que botou os ovos de ouro que são fundamentais para o valor presente e futuro da produção da IA generativa.

A IA generativa e os direitos autorais podem coexistir?

Resumo.

Partner Center