A Wikimedia Foundation quer que um juiz federal divida a questão central da disputa por direitos autorais entre o New York Times e a OpenAI em duas partes. Treinar um modelo de IA com obras protegidas por direitos autorais provavelmente constitui uso justo, argumenta a fundação. Já um chatbot que copia sites para responder à pergunta de um usuário provavelmente não constitui.

A fundação, que administra a Wikipédia, solicitou na quinta-feira ao Tribunal Distrital dos Estados Unidos para o Distrito Sul de Nova York permissão para apresentar um parecer de amicus curiae. A entidade anunciou o documento na sexta-feira. O caso, In re: OpenAI, Inc. Copyright Infringement Litigation, reúne 12 ações judiciais contra a OpenAI, incluindo a ação do Times de 2023 contra a OpenAI e a Microsoft.

Quem decidirá se o treinamento de IA constitui uso justo?

O juiz Sidney H. Stein decidirá se o uso de conteúdo protegido por direitos autorais para construir grandes modelos de linguagem constitui uso justo, uma doutrina jurídica que permite algum uso de obras protegidas sem autorização. Ele ainda não se pronunciou sobre essa questão, nem sobre a aceitação do parecer.

Treinamento versus respostas de chatbots

O parecer da Wikimedia não apoia nenhuma das partes. Ele afirma que ambos os lados defendem leituras "excessivamente amplas e simplificadas" do uso justo. O Times alega que usar seu conteúdo para qualquer finalidade, inclusive treinamento, viola a lei de direitos autorais. A OpenAI e a Microsoft argumentam que o treinamento com dados disponíveis publicamente constitui uso justo, segundo o resumo da Wikimedia sobre as posições delas.

A Wikimedia pede que o tribunal julgue cada uso separadamente, citando a decisão da Suprema Corte de 2023 no caso Warhol. Extrair dados de um site não é, por si só, um "uso", argumenta a fundação. O que importa é o que a empresa faz com as cópias.

Treinar um modelo de uso geral é "provavelmente justo", diz o parecer. O modelo resultante é algo novo e não substitui as obras com as quais foi treinado.

Por que a geração aumentada por recuperação é tratada de forma diferente?

A geração aumentada por recuperação, ou RAG, é diferente. Um chatbot que usa RAG copia textos de sites como a Wikipédia ou o New York Times quando um usuário faz uma pergunta. Ele envia as passagens mais relevantes ao modelo e, frequentemente, reproduz grande parte do original em sua resposta, segundo o parecer.

"Embora o pré-treinamento do LLM geral do ChatGPT tenha sido uso justo, o uso de cópias pela OpenAI no recurso RAG do ChatGPT não é justo", escreveu a Wikimedia.

Empresas que usam RAG devem seguir os termos de licença de cada editora, argumenta a fundação. O mesmo vale para técnicas mais recentes que cumprem uma finalidade semelhante de "ancoragem".

Quais termos de licença se aplicam ao conteúdo da Wikipédia?

No caso da Wikipédia, essa licença é a Creative Commons CC BY-SA 4.0. Ela exige crédito aos autores originais, e as adaptações devem permanecer sob a mesma licença. Quando chatbots usam conteúdo da Wikipédia sem seguir esses termos, as pessoas deixam de contribuir, informou a Wikimedia ao tribunal.

A extração de dados também sobrecarrega os servidores da fundação, diz o documento. Isso obriga a Wikimedia a adotar salvaguardas técnicas, que agentes mal-intencionados frequentemente contornam. Em uma nota de rodapé, o parecer compara a situação a um parque público que permanece gratuito e aberto, mas que impede alguém de "passar um caminhão de contêiner por ele".

A Wikimedia deseja que usuários intensivos sigam seus limites públicos de taxa de requisições ou paguem pelo seu serviço Enterprise. No início deste mês, a fundação afirmou que agentes desonestos da OpenAI editaram suas wikis sem autorização.

"Qualquer debate sobre uso justo e direitos autorais na era da IA não pode se limitar a organizações com fins lucrativos: deve incluir as partes interessadas de todo o ecossistema de informação online", afirmou Stephen LaPorte, consultor jurídico geral da fundação.

A fundação também afirma que ferramentas de IA têm utilidade em seus próprios projetos. Grandes modelos de linguagem podem ajudar editores voluntários a combater o vandalismo, detectar violações de direitos autorais e encontrar artigos que precisam de melhorias, segundo o parecer.

As editoras têm mantido a pressão sobre a OpenAI. Em junho, quase 400 jornais locais processaram a OpenAI e a Microsoft. Em julho, o Times e outros veículos pediram a um juiz que aplicasse sanções à OpenAI, acusando a empresa de ocultar provas. Em setembro, o Departamento de Justiça tomou o partido da OpenAI, afirmando a um tribunal de Nova York que o treinamento de IA constitui uso justo.

A Wikipédia possui mais de 67 milhões de artigos em 300 idiomas, segundo a fundação. Voluntários os escrevem com base em fontes confiáveis, incluindo notícias.

"Estamos assumindo uma posição neste caso para defender o conhecimento humano livre e aberto do qual a Wikipédia depende", disse Bernadette Meehan, diretora executiva da fundação. "Ampliar o acesso ao conhecimento por meio da IA é um objetivo poderoso, mas isso deve respeitar as pessoas, os colaboradores e as comunidades que tornam possível o conhecimento confiável."

This article was written with the assistance of AI.
News Factory APP - agentic news to boost your SEO & AEO.