ИИ может обучаться на авторских материалах, но пока только Claude

23 июня федеральный суд США постановил, что Anthropic может обучать Claude на купленных книгах без разрешения авторов.

Anthropic скачала более 7 млн пиратских копий книг с нелегальных сайтов (Books3, LibGen, PiLiMi), включая произведения истцов.

Позже компания также купила миллионы печатных книг, отсканировала каждую страницу и создала цифровые копии. Для этого она даже наняла бывшего сотрудника Google, который специализируется на этой работе.

Судья Уильям Эслап решил:

1. Использование книг для обучения языковых моделей подпадает под добросовестное использование.
2. Нет карт-бланша на пиратство под предлогом ИИ-разработки.
3. Признал обучение LLM чрезвычайно трансформативным использованием, сравнив его с тем, как люди учатся читать и писать. Это создает сильный прецедент для будущих дел.

Почему Anthropic выиграла? Авторы не смогли доказать, что Claude копирует их тексты в выходных данных. Истцы выступили с исками только в отношении процесса обучения, что оказалось недостаточно.

Какие последствия этого решения?

1. Для Anthropic и других:
— Могут продолжать обучение на купленном контенте.
— Должны удалить пиратские копии или заплатить штрафы.
— Вероятно, увеличат закупки легального контента.

2. Для стартапов в ИИ:
— Повышается барьер входа (нужны деньги на контент).
— Но четкие правила игры лучше неопределенности.

3. Для крупных ИТ-гигантов:
— Их преимущество в капитале становится важнее.
— Могут позволить себе массовые закупки контента.

Это решение может привести к:
1. Развитию новых бизнес-моделей для лицензирования контента.
2. Созданию специализированных датасетов для обучения ИИ.
3. Возможному законодательному вмешательству для уточнения правил.

Слабые места решения:

Неясность границ: Что если компания купит книги, обучит модель и вернет их?
Международный аспект: Как это работает с контентом из других юрисдикций?
Будущие технологии: Применимо ли это к другим моделям ИИ?