Die Klage der Authors Guild gegen OpenAI, eingereicht im September 2023, ist eine bedeutende rechtliche Herausforderung im Bereich der künstlichen Intelligenz und generativen KI. Verfasst von der Authors Guild im Namen einer Gruppe prominenter Belletristikautoren, darunter John Grisham, George R.R. Martin und andere, behauptet die Beschwerde, dass die großen Sprachmodelle von OpenAI ohne Autorisierung mit urheberrechtlich geschützten Werken trainiert wurden, wodurch die Rechte der Autoren nach US-Urheberrecht verletzt werden. Der Fall ist zu einem Brennpunkt in den laufenden rechtlichen Debatten über die Überschneidung von maschinellem Lernen und geistigem Eigentum geworden, da das Sammeln von Trainingsdaten für KI-Systeme oft das Reproduzieren oder Zitieren aus enormen Textkorpora, einschließlich Büchern, Artikeln und anderen geschützten Werken, beinhaltet.
Im Zentrum des Streits steht die Praxis, Transformer (architecture)-basierte Modelle mit riesigen Datensätzen zu trainieren. Die Beschwerde argumentiert, dass die unbefugte Nutzung der Werke der Autoren, sowohl zum Trainieren der Modelle als auch bei der Erzeugung von Ausgaben, die diesen Werken stark ähneln oder sie reproduzieren können, eine direkte Enteignung kreativer Arbeit darstellt. Die Kläger fordern verschiedene Abhilfemaßnahmen, einschließlich Schadensersatz und einstweiliger Verfügungen gegen das Unternehmen, was die wachsende Spannung zwischen der Innovation von KI-Technologien und dem Schutz für ursprüngliche Autoren unterstreicht.
Hintergrund: Der Aufstieg großer Sprachmodelle
Die technische Grundlage für die betroffenen Systeme umfasst die als Transformer (architecture) bekannte neuronale Netzwerkarchitektur. Eingeführt in Forschung, die von Google DeepMind veröffentlicht und ursprünglich von Jakob Uszkoreit, Lukasz Kaiser und Kollegen im 2017er-Papier 'Attention Is All You Need' vorangetrieben wurde, nutzten Transformatoren Mechanismen wie Multi-Head Attention und Positional Encoding, um sequenzielle Daten zu verarbeiten, was Durchbrüche im Verständnis und der Generierung natürlicher Sprache ermöglichte. Die GPT-Serienmodelle von OpenAI, einschließlich GPT-3 und GPT-4, basieren auf diesen Transformatoren und werden mit massiven Korpora, einschließlich Webtexten, Büchern und akademischen Papieren, trainiert, um menschenähnlichen Text zu erzeugen.
Der Umfang der Trainingsdaten ist der Schlüssel zu den Fähigkeiten der Modelle. Große Sprachmodelle werden mit Algorithmen wie dem Adam (Optimizer) und Variationen trainiert, die Milliarden von Parametern anpassen, um den Fehler bei Aufgaben zur Vorhersage des nächsten Wortes zu minimieren. Techniken aus dem breiteren Bereich des maschinellen Lernens, wie Data Augmentation und Batch Normalization (obwohl bei Transformatoren weniger häufig), tragen zu Mini-Modell-Trainingspipelines bei. Die Modelle werden dann manchmal mit Reinforcement Learning from AI Feedback (RLAIF) (Reinforcement Learning from AI Feedback) oder menschlichem Feedback abgestimmt, um die Ausrichtung an den Erwartungen der Benutzer zu verbessern.
Die Kläger und ihre Vorwürfe
Die Beschwerde, die von der Authors Guild als Sammelklage eingereicht wurde, umfasst eine Koalition von Autoren aus verschiedenen Genres. Zu den bekannten Klägern gehören john-grisham, george-r-r-martin, dave-eggers, jodi-picoult, jonathan-franzen und pat-tigret, unter anderen. Sie argumentierten, dass der Trainingsprozess von OpenAI, der oft das Scraping oder Aufnehmen des Textes ihrer Bücher über seine Datensätze beinhaltet, eine direkte Urheberrechtsverletzung darstellt. Die Autoren betonten, dass ihre kreative Arbeit ihre Lebensgrundlage ist und dass die Nutzung ihres urheberrechtlich geschützten Materials ohne Lizenz ihre ausschließlichen Rechte verletzt.
Die spezifischen Behauptungen umfassen Bedrohungen des Marktes der Kläger für ihre Werke, mit dem Argument, dass KI-generierte Inhalte menschlich geschriebene Werke ersetzen könnten und dass die Modelle auch abgeleitete Ausgaben produzieren könnten, die unfair mit den Originalen konkurrieren würden. Die Klage unterscheidet zwischen legitimer KI-Nutzung, die urheberrechtlich geschützte Werke verschleiert oder transformiert, und dem angeblich unbefugten Kopieren, das während des Vortrainings stattfand.
Rechtlicher Kontext und frühere Fälle
In den USA schützt das Urheberrecht mit etwas Raum für faire Nutzung. Laufende KI-Verfahren haben sich auf eine Fair-Use-Verteidigung gestützt, wie in anderen Klagen, einschließlich der Klage der New York Times gegen OpenAI und Microsoft, zu sehen ist. Die Beschwerde der Authors Guild widerspricht jedoch und führt an, dass jede Fair-Use-Verteidigung unhaltbar ist, wenn die Trainingsdaten in einem so großen Umfang verwendet werden und wenn die Modelle Texte wörtlich auswendig lernen und reproduzieren können.
Dies ist nicht das erste Mal, dass die Authors Guild im Zentrum eines Urheberrechtsstreits steht. Die Gilde war an den Google Books- und Datasail-Scans beteiligt und bevorzugte das Recht, digitale Kopien von Büchern für Indexierungs- und Suchzwecke zu lizenzieren. Die Gilde argumentiert jedoch, dass sich die kommerzielle KI-Nutzung materiell unterscheidet, aufgrund der kommentierenden Natur der Ausgaben und des potenziellen wirtschaftlichen Schadens für Schriftsteller.
Rechtlicher Rahmen und vorgebrachte Ansprüche
Die Beschwerde erhebt 8 Anklagepunkte, einschließlich direkter Urheberrechtsverletzung, mittelbarer Verletzung und Verstößen gegen den Digital Millennium Copyright Act (DMCA) wegen Entfernung von Urheberrechtsverwaltungsinformationen. Zentral für den Text ist die unrechtmäßige Vervielfältigung der literarischen Werke im Verlauf des Trainings der KI-Modelle. Die Kläger fordern die Einrichtung eines gerechten Treuhandfonds für alle Gewinne, die OpenAI aus dem Rest der urheberrechtlich geschützten Werke erzielt hat.
Der Fall verhandelt vor dem United States District Court für den Southern District of New York. OpenAI beantragte zunächst die Abweisung, aber die Klagen nähern sich einem Ansatz, bei dem prominente Wissenschaftler und Branchenkommentatoren Stellung bezogen haben, die die Haftungsunklarheiten bei der Verwendung urheberrechtlich geschützter Textdaten für unüberwachtes Lernen in neuronalen Netzwerken hervorheben.
KI-Industrie und breitere Implikationen
Die Klage ist eine von mehreren Sammelklagen, die 2023 gegen KI-Unternehmen eingereicht wurden. Sie kam kurz nach der Einreichung im August 2023 durch Karin Ale und Feng Ming im Namen einer vorgeschlagenen Klasse von Schriftstellern und sollte im Rahmen einer Welle von Rechtsstreitigkeiten an der Schnittstelle von KI und Urheberrecht gesehen werden. Insbesondere andere Akteure wie Anthropic, Google DeepMind und Amazon Web Services verlassen sich ebenfalls auf riesige Datenmengen, um Modelle zu trainieren. Der Streit hat jedoch Bedenken über die rechtliche Exposition aufgeworfen, die zukünftige KI-Entwicklungspraktiken prägen könnte - ob Unternehmen Lizenzen suchen oder Trainingsstrategien ändern müssen, um Urheberrechtsklagen zu vermeiden.
Technologieführer und Entwickler haben darauf hingewiesen, dass bestehende Rahmenwerke wie Gradient Clipping und Learning Rate Scheduling ihre Modelle verfeinern, sagen aber, dass die Datenerfassung wesentlich ist; das Training mit Büchern ist ein Weg, aber es besteht kein Konsens über Eigentumsrechte an rohem Text. Der Fall wirft solche Fragen auf: Was stellt faire Nutzung dar, wenn das Gedächtnis eines Modells groß genug ist, um mehr als Semantik abzurufen? Könnten Beam Search oder Top-P (Nucleus) Sampling Temperature Scaling bei der Inferenz verletzende Mischungen erzeugen - abgetastete Sequenzen, die ein urheberrechtlich geschütztes Kapitel fast wiedergeben?
Verwandte Fälle und zukünftige Verfahren
Der Fall der Authors Guild steht nicht allein. Ab 2024 umfassen andere anhängige Klagen die Sammelklagen von Komikern und Fotografen gegen generative KI-Plattformen. OpenAI und andere Akteure haben anhängige Fair-Use-Argumente, aber das Ergebnis der Beschwerde der Authors Guild wird einen Präzedenzfall für das Startup-Ökosystem schaffen, da Startups möglicherweise alternative Datenquellen benötigen, wie offen zugängliche oder ordnungsgemäß lizenzierte Sammlungen.
OpenAI hat teilweise reagiert, indem es begonnen hat, urheberrechtlich geschützte Inhalte von bedeutenden Nachrichtenagenturen zu lizenzieren, und es wird auch berichtet, dass es sich mit Verlagen trifft. Die Reibung bleibt jedoch bestehen. Die Aktion der Authors Guild ist bemerkenswert für ihren kollektiven Charakter - sie rahmt das Problem als systemisch ein, das einen ganzen Berufsstand betrifft - jedes Urteil wird Verträge zwischen Inhaltserstellern und KI-Entwicklern binden und formen.
Auswirkungen auf Schriftsteller und KI-Ethik
Eine allgemeine Sorge ist die wirtschaftliche Schieflage des KI-Paradigmas. Kritiker argumentieren, dass, da Trainingsdaten in großem Umfang menschliche Werke aus allen Disziplinen enthalten, aber nur die Tech-Giganten profitieren, dies ein unausgewogenes Geschäftsmodell darstellt. Romanschriftsteller schreiben individuell oft mit schmalen Margen, und die Nutzung ihrer Ausgaben durch ein Unternehmen mit einem Wert von 5 Dollar ohne Entschädigung schafft ein Ungleichgewicht. Dies findet wiederum Anklang in breiteren ethischen KI-Debatten über Zustimmung, Zuschreibung und umstrittene Datenkuration.
Einige Analysten weisen jedoch auf die Entwicklung von AI21 Labs und Inflection AI als Modelle hin, die Veränderungen ausgleichen könnten. Die Verwendung von Reinforcement Learning from AI Feedback (RLAIF) zur Verfeinerung von Modellen zielt auf Präzision und weniger Fehler ab, auch in Bezug auf Urheberrecht. Aber wie die Beschwerde betont, negiert das nicht das ultimative Kopieren selbst in der Vortrainingsphase.
Blick auf die Trainingsinfrastruktur
Bei der Gelegenheit beinhaltet das Training selbst eine trennbare große Infrastruktur. Für die Verarbeitung riesiger Deep learning-Korpora sind Rechenressourcen entscheidend. Unternehmen wie NVIDIA (Hardware-Anbieter) oder die tatsächliche GPU-Nutzung, mit Optionen auf aws-cloud-equip wie AWS Trainium Cloud oder Google Cloud, sind verfügbar. Der Umfang des Abrufs von Büchern in Millisekunden zu Modellgewichten ist so, dass diese Unternehmen von der KI-Domäne profitieren.
Das in der Klage dargestellte Problem könnte die Cloud-Computing-Branche betreffen, da die Klagen Investitionen in multimodale Modellanwendungen in Amazon Web Services und Google Cloud abschrecken könnten. Inferenz-Engines, Plattformen wie Groq, die schnelle Inferenz denken, könnten eine Rolle spielen, aber Trainings- und Inferenzknoten als Bewertung im Fokus der Modellierung von Urheberrecht bleiben.
Ausblick
Angesichts des verfahrenstechnischen Stadiums der Angelegenheit ist keine endgültige Entscheidung gefallen. Zum Zeitpunkt dieses Artikels hat das Gericht nicht über Anträge auf Abweisung entschieden. Viele Rechtsbeobachter verfolgen, dass diese Entscheidung nicht nur die Parteien betreffen wird, sondern auch die breitere KI-Urheberrechtslandschaft überwacht, einschließlich möglicher gesetzgeberischer Maßnahmen, die Lizenzierung und Datenherkunft in der Zukunft adressieren könnten.
Die Beschwerde der Authors Guild gegen OpenAI unterstreicht die Nervosität wegen einer Domäne, deren genaue Kultur - von generativen Modellen der früheren Papiere, die Stil gebracht haben oder beim Unternehmen Fortschritte - jetzt mit den Gesetzen überlappt, unter denen unsere Kultur, Filme und Kunstwerke geschaffen werden. Gerichte werden die Definition technologischer Innovation prägen und möglicherweise die Flugbahn der Entwicklung großer Modelle in den 2020er Jahren verändern. Aber was auch immer das Ergebnis ist, es ist ein Beweis dafür, dass künstliche Intelligenz nicht mehr autonom ist; sie ist in die Zeremonien des Rechts und in die Demografie derer eingewebt, deren Kreativität sie trainiert.