- جان ادن، کارشناس قانون کپی رایت، می نویسد: قوانین کپی رایت می تواند فناوری هوش مصنوعی مولد را از مسیر خارج کند.
- دارندگان حق چاپ نمی دانند که چگونه آثار محافظت شده آنها توسط پلتفرم های هوش مصنوعی مولد استفاده می شود – بنابراین آنها بدترین را فرض می کنند.
- مسیر درست رو به جلو می تواند شامل «یادگیری منصفانه» و الزام شرکت های هوش مصنوعی به انتشار سیاست های استفاده از داده ها باشد.
قانون کپی رایت در مورد حمایت از خلاقیت در دنیایی که به زودی در طیف وسیعی از صنایع به هوش مصنوعی وابسته است، چه می گوید؟ آیا قوانین موجود به اندازه کافی قوی هستند که هم از حقوق کارآفرینان حمایت کنند و هم از نوآوری در مقیاس بزرگ حمایت کنند؟
بهعنوان کسی که شرکتها را در مراحل اولیه تأمین مالی، مسائل مالکیت معنوی و مقررات فناوری مالی راهنمایی میکند، دیدم که پلتفرمهای یادگیری ماشین و هوش مصنوعی شروع به پیکربندی مجدد چشمانداز فناوری کردهاند. حجم انبوه محتوا و ارزش جدید تولید شده توسط هوش مصنوعی با درجه اختلالی که در زمان بلوغ اینترنت شاهد بودیم، رقابت خواهد کرد و به طور بالقوه آن را تحت الشعاع قرار خواهد داد. انفجار کامبرین از محتوای تولید شده توسط هوش مصنوعی در راه است، و بسیاری از این محتوا توانایی طبقه خلاق برای امرار معاش را تهدید می کند.
وقتی به بهمنی از نوآوری که هوش مصنوعی نشان می دهد فکر می کنم، دو نگرانی در مورد اینکه آیا قانون و خط مشی کپی رایت به سرعت به سرعت تکامل خواهند یافت، دارم.
اولین مورد این است که دریافت داده ها در مقیاس – که برای آموزش مدل های هوش مصنوعی لازم است – به عنوان نوعی نقض حق نسخه برداری بسیار خودکار تلقی می شود. دوم این است که محتوای جدید تولید شده توسط پلتفرمهای هوش مصنوعی برای نقض حق نسخهبرداری مرتبط با دادههایی که قبلاً در مرحله آموزش دریافت شده است، نگهداری میشود.
در هر دوی این موارد، قانون کپی رایت ممکن است حمایتی را که میخواهند یا نیاز دارند، برای سازندگان انسانی فراهم نکند.
هوش مصنوعی ما را مجبور می کند که با یک محدودیت اساسی قانون کپی رایت ایالات متحده روبرو شویم
قانون کپی رایت ایالات متحده به یک نهاد یا یک فرد اجازه می دهد تا از آثار ملموس و اصلی محافظت کند – از موسیقی گرفته تا فیلم، از نقاشی گرفته تا مجسمه، از عکس تا آثار ادبی، از کد نرم افزار تا وب سایت.
حق چاپ برای ایده ها یا قوانین طبیعت حمایت نمی کند. این فقط محافظتی را برای راه خاص که در آن ایده ها بیان می شود. برای مثال، نمیتوانید ایده یا عرف انتزاعی گفتن «دوستت دارم» را کپیرایت کنید، اما میتوانید شعری را که پیام کلی آن برای خواننده یا مخاطب «دوستت دارم» باشد را کپیرایت کنید.
به طور کلی، اشخاص ثالث نمیتوانند آثار دارای حق نسخهبرداری را بدون مجوز قبلی از صاحب حق چاپ تکثیر، توزیع، اجرا یا نمایش دهند – اینها “حقوق انحصاری” هستند که توسط قانون حق نسخهبرداری ایالات متحده به دارندگان حق چاپ اعطا شده است.
و این چیزی است که حق چاپ را از نظر اقتصادی بسیار ارزشمند می کند: دارندگان حق چاپ باید تصمیم بگیرند که چه مقدار از اشخاص ثالثی که می خواهند کار محافظت شده خود را تکثیر، توزیع، اجرا یا نمایش دهند، دریافت کنند. با این حال، دارندگان حق نسخهبرداری این حق را ندارند که وقتی صاحب آن اثر تصمیم به نمایش، توزیع یا به اشتراک گذاشتن آن با عموم داشته باشد، از یادگیری دیگران از یک اثر دارای حق نسخهبرداری جلوگیری کنند.
دقیقاً به همین دلیل است که مدلهای آموزشی هوش مصنوعی یک چالش دشوار است. در حالی که ما می دانیم که صاحبان حق چاپ نمی توانند از مردم به دلیل صرفاً مصرف کردن یا یادگیری از کارشان شکایت کنند، آنها ابزارهای قدرتمندی برای جلوگیری از انتشار آثار توسط اشخاص ثالث بدون مجوز آنها دارند. اگر پلتفرمهای هوش مصنوعی مانند OpenAI’s GPT-3، ستون فقرات ChatGPT، کپی و سپس مستقیماً آثار دارای حق نسخهبرداری را توزیع کنند، آنها مسئول نقض حق چاپ خواهند بود.
اما این دقیقاً کاری نیست که این پلتفرمهای هوش مصنوعی انجام میدهند. این پلتفرمها به سرعت از حجم زیادی از دادههای در دسترس عموم یاد میگیرند و سپس محتوای جدیدی تولید میکنند. این محتوای تازه تولید شده ممکن است روزی جانشین سازندگان انسانی موجود در بازار شود.
اما بازیگران کلیدی در اکوسیستم هوش مصنوعی این را به عنوان یادگیری سریع و بسیار مؤثر می دانند، نه کپی کردن و بازگرداندن آثار دارای حق چاپ. از نظر آنها، یک رایانه فوق هوشمند (یعنی یک مدل هوش مصنوعی) باید بتواند به طور قانونی از مقدار نامحدودی از مطالب ارزشمند دارای حق چاپ بدون طرح دعوی حقوقی بخواند و بیاموزد.
قانون کپی رایت، البته، مسائل را این گونه نمی بیند. من ممکن است نتوانم مانع یادگیری یک نفر از کتابی که من نوشتهام بکنم، اما اگر یک مدل هوش مصنوعی بر روی مقادیر زیادی از دادههایی که از حق نسخهبرداری محافظت میشود، آموزش ببیند، صاحبان حق نسخهبرداری اساسی میتوانند – و خواهند – استفاده از آن را به چالش بکشند. دادههای آنها بر این اساس است که مدل هوش مصنوعی باید ابتدا دادهها را کپی میکرد تا از آنها یاد بگیرد.
علاوه بر این، هر زمان که یک پلتفرم هوش مصنوعی محصولاتی را ایجاد می کند که با آثار دارای حق چاپ رقابت می کنند، که منجر به کاهش فروش آن آثار محافظت شده می شود، به یک دلیل ساده شکایت هایی به راه می افتد: قانون حق چاپ از سواری رایگان متنفر است.
“یادگیری منصفانه” می تواند راه پیش رو باشد
قانون کپی رایت آمریکا با چالش سختی مواجه است.
از یک طرف، هیچ کس کاملاً نمی داند که تأثیر اقتصادی پلتفرم های هوش مصنوعی بر بازارهای مختلف آثار دارای حق چاپ فردی چه خواهد بود. برخی از این بازارها ممکن است تخریب شوند، در حالی که برخی دیگر اصلاً تحت تأثیر قرار نگرفته اند.
از سوی دیگر، کنگره موظف است اطمینان حاصل کند که شرکتهای هوش مصنوعی در ایالات متحده با همتایان بینالمللی خود رقابتی هستند و این امر مستلزم ارائه تصویری واضح از نحوه برخورد قانون کپیرایت با پلتفرمهای هوش مصنوعی پیشرفته آنها است.
یکی از پیشنهادات، یادگیری منصفانه است که توسط مارک لملی و برایان کیسی ارائه شده است، که به شرکتهای هوش مصنوعی اجازه میدهد تا مجموعه دادههای بزرگی را دریافت و تجزیه و تحلیل کنند، حتی اگر محتوا تحت حمایت حق چاپ باشد. به عقیده لملی و کیسی، این رویکرد خط مشی درستی است، زیرا بر یک اصل اصلی قانون کپی رایت بسط میدهد: ایدهها، حقایق و کارکردهای یک اثر محافظتشده به خودی خود توسط حق چاپ قابل حمایت نیستند. با توجه به اینکه بیشتر آموزش دادههای هوش مصنوعی با هدف یادگیری از عناصر غیرقابل محافظت آثار دارای حق چاپ انجام میشود، نتیجه میشود که بیشتر پلتفرمهای هوش مصنوعی باید بتوانند در آموزش مدلهای مقیاس بزرگ شرکت کنند.
همانطور که لملی و کیسی اشاره میکنند، «سیستم ML عکسهایی از علائم توقف میخواهد تا یاد بگیرد که علائم توقف را تشخیص دهد، نه به دلیل انتخابهای هنری که در نورپردازی یا نوشتن عکس خود انجام دادهاید».
اگر توسط قانونگذاران تصویب شود، دکترین یادگیری منصفانه راه طولانی را به سمت محافظت از شرکت های خلاقانه هوش مصنوعی پیش خواهد برد. با این حال، یادگیری منصفانه به تنهایی احتمالاً تمام تضادهای بین دارندگان حق چاپ و پلتفرم های هوش مصنوعی مولد را حل نمی کند. همه موارد به سادگی مورد علامت توقف نیستند، و همه دارندگان حق نسخهبرداری با سلب مسئولیتی که اساساً میگوید «ما از موارد شما کپی کردیم، اما به دلایلی که نباید نگرانش باشید این کار را انجام دادیم» راضی نمیشوند.
مشکل اصلی در حال حاضر کمبود اطلاعات است
یک مشکل کلیدی که باید به آن پرداخته شود این است که دارندگان حق چاپ اطلاعات کاملی در مورد نحوه استفاده خاص از آثار محافظت شده آنها توسط پلتفرم های هوش مصنوعی مولد ندارند – بنابراین آنها بدترین را فرض می کنند.
پس راه حل طبیعی دریافت اطلاعات بیشتر از صاحبان حق چاپ است.
یکی از راههای اطمینان از دریافت آن، الزام شرکتهای هوش مصنوعی برای اتخاذ و انتشار خطمشی استفاده از داده است. چنین سیاستی (الف) مجموعههای دادهای را که برای آموزش مدلهای هوش مصنوعی خود استفاده میکنند، شناسایی میکند، و (ب) توضیح میدهد که آیا و چگونه پلتفرم هوش مصنوعی آنها دادهها را از مجموعه دادههایی که استفاده میکنند، حفظ میکند یا خیر. با به اشتراک گذاشتن این خط مشی استفاده از داده، دارندگان حق چاپ دریچه ای برای نحوه جذب داده ها و تولید محتوای جدید توسط شرکت های هوش مصنوعی ارائه می شود. در نتیجه، هر شرکت هوش مصنوعی که خط مشی استفاده از داده را منتشر کرده باشد، مستحق پیش فرض یادگیری منصفانه خواهد بود. شرکتهایی که تصمیم به انتشار چنین خطمشی ندارند، باید به دفاع استاندارد استفاده منصفانه که در حال حاضر برای متهمان در پروندههای حق چاپ در دسترس است، تکیه کنند.
این نیاز جدید دو چیز را انجام می دهد. اول، صاحبان حق چاپ را از طرح دعواهایی که بعید است در مواردی که عناصر محافظت شده از حق نسخه برداری در آثار تولید شده توسط هوش مصنوعی بازتولید نمی شوند، موفق شوند، منصرف می کند. دوم، گفتوگویی بین شرکتهای هوش مصنوعی و طبقه خلاق آغاز میشود. در درازمدت، این گفتگو به همه شرکتکنندگان اکوسیستم کمک میکند تا درک کنند که ماشینها از آثار کپی رایت به همان روشی که انسانها انجام میدهند، با نمونهبرداری مکرر و ترکیب مجدد ایدههای مختلف برای خلق چیزهای جدید، یاد میگیرند.
جان ادن یک وکیل شرکت های نوظهور است که در مراحل اولیه تامین مالی، مسائل مالکیت معنوی، تشکیل صندوق و مقررات فناوری مالی راهنمایی می کند. جان متخصص قانون کپی رایت، همچنین به مشتریان در مورد نحوه محافظت از آثار دارای حق چاپ خود در یک اکوسیستم تجاری در حال تغییر توصیه می کند. جان علاوه بر خدمات مشتریان خود، از طریق شبکه مشاور حقوقی به دانشجویان حقوقی که علاقه مند به مشاغل حقوقی شرکتی هستند نیز مشاوره می دهد.