2023年9月に提起されたAuthors Guild対OpenAIの訴状は、人工知能と生成AIの分野における重要な法的挑戦です。この訴状は、John Grisham、George R.R. Martinら著名な小説家のグループを代表してAuthors Guildが作成したもので、OpenAIの大規模言語モデルが許可なく著作権で保護された作品を訓練データとして使用し、米国著作権法に基づく著作者の権利を侵害したと主張しています。この訴訟は、AIシステムの訓練データ収集が書籍、記事、その他の保護された作品を含む膨大なテキストコーパスの複製や引用を伴うことが多いため、機械学習と知的財産の交差点をめぐる進行中の法的議論の焦点となっています。
紛争の核心は、Transformer (architecture)ベースのモデルを大規模データセットで訓練する慣行にあります。訴状は、著作者の作品をモデルの訓練と、それらの作品に酷似または再現する可能性のある出力の生成の両方に無断使用することが、創造的労働の直接的な没収に相当すると主張しています。原告は、損害賠償や同社に対する差止命令を含む様々な救済を求めており、AI技術の革新と元の著作者に与えられた保護との間の緊張の高まりを浮き彫りにしています。
背景：大規模言語モデルの台頭
問題となっているシステムの技術的基盤には、ニューラルネットワークアーキテクチャとして知られるTransformer (architecture)が含まれます。これは、Google DeepMindによる研究で導入され、元々はjakub-uszkoreit、Lukasz Kaiserらが2017年の論文「Attention Is All You Need」で主導したもので、transformerはMulti-Head AttentionやPositional Encodingなどのメカニズムを活用してシーケンシャルデータを処理し、自然言語理解と生成における画期的な進歩を可能にしました。OpenAIのGPTシリーズモデル（GPT-3やGPT-4を含む）はこれらのtransformerに基づいており、ウェブテキスト、書籍、学術論文を含む大規模なコーパスで訓練され、人間らしいテキストを生成します。
訓練データの規模はモデルの能力にとって重要です。大規模言語モデルは、Adam (Optimizer)などのアルゴリズムと、次単語予測タスクでの誤差を最小化するために数十億のパラメータを調整するバリエーションを使用して訓練を受けます。Data AugmentationやBatch Normalization（transformerではあまり使用されませんが）などのより広範な機械学習分野の技術は、ミニモデル訓練パイプラインに貢献しています。モデルはその後、ユーザーの期待に合わせて調整するためにReinforcement Learning from AI Feedback (RLAIF)（AIフィードバックからの強化学習）や人間のフィードバックを使用して調整されることがあります。
原告とその主張
Authors Guildによって集団訴訟として提起されたこの訴状には、ジャンルを超えた著作者の連合が関与しています。既知の原告には、john-grisham、george-r-r-martin、dave-eggers、jodi-picoult、jonathan-franzen、pat-tigretらが含まれます。彼らは、OpenAIの訓練プロセスが、データセットを通じて彼らの書籍のテキストをスクレイピングまたは取り込むことが多く、直接的な著作権侵害を構成すると主張しました。著作者は、彼らの創造的仕事が生計の手段であり、ライセンスなしに著作権で保護された素材を使用することは彼らの排他的権利を侵害すると強調しました。
具体的な主張には、原告の作品市場への脅威が含まれており、AI生成コンテンツが人間が書いた作品の代替となる可能性があり、モデルが元の作品と不当に競合する派生的出力を生成する可能性もあると論じています。この訴訟は、著作権で保護された作品を曖昧にしたり変形したりする合法的なAI使用と、事前訓練中に発生したとされる無許可の複製とを区別しています。
法的文脈と先行判例
米国では、著作権法はフェアユースの余地を認めて保護しています。AIをめぐる係争中の訴訟は、ニューヨークタイムズによるOpenAIとマイクロソフトに対する訴訟など他の訴訟で見られるように、フェアユースの抗弁に依存してきました。しかし、Authors Guildの訴状は、訓練データがこれほど大規模に使用され、モデルがテキストを逐語的に記憶して再現できる場合、フェアユースの抗弁は成り立たないと反論しています。
これはAuthors Guildが著作権紛争の中心にいた初めてのケースではありません。同ギルドは、索引付けや検索使用のために書籍のデジタルコピーをライセンスする権利を支持して、Google BooksやDatasailのスキャンに関与していました。しかし、ギルドは、出力の解説的な性質と作家への潜在的な経済的損害のために、商業的AI使用は実質的に異なると主張しています。
法的枠組みと提示された主張
訴状は、直接的な著作権侵害、代位侵害、著作権管理情報の削除に関するデジタルミレニアム著作権法（DMCA）違反を含む8つの訴因を主張しています。テキストの中心は、AIモデルの訓練過程での文学作品の違法な複製です。原告は、OpenAIが著作権で保護された作品の残りから得た利益のための衡平法上の信託の創設を求めています。
この訴訟は、ニューヨーク南部地区連邦地方裁判所で進行しています。OpenAIは当初、却下を申し立てましたが、訴訟は複雑なアプローチを取っており、著名な学者や業界コメンテーターが、ニューラルネットワークでの教師なし学習に著作権で保護されたテキストデータを使用する際の責任の曖昧さを強調して意見を述べています。
AI産業とより広範な影響
この訴訟は、2023年にAI企業に対して提起されたいくつかの集団訴訟の1つです。これは、2023年8月にKarin AleとFeng Mingが作家の提案されたクラスを代表して提出した直後に到着し、AIと著作権の交差点での訴訟の波の中で見られるべきです。特に、Anthropic、Google DeepMind、Amazon Web Servicesなどの他のプレーヤーも、モデルの訓練に大規模なデータに依存しています。しかし、この紛争は、将来のAI開発慣行を形成する可能性のある法的エクスポージャーについての懸念を引き起こしています。企業がライセンスを求めるか、著作権訴訟を回避するために訓練戦略を変更する必要があるかどうかです。
技術幹部や開発者は、Gradient ClippingやLearning Rate Schedulingなどの既存のフレームワークがモデルを微調整すると指摘していますが、データ収集は不可欠であり、書籍での訓練はその1つの方法であると述べていますが、生のテキストに対する財産権についてのコンセンサスはありません。この訴訟は、モデルの記憶がセマンティクス以上のものを想起できるほど大きい場合、フェアユースとは何か、推論時のBeam SearchやTop-P (Nucleus) Sampling、Temperature Scalingが、著作権で保護された章をほぼ再生するサンプリングシーケンスである侵害的な混合物を生成する可能性があるかどうかといった疑問を提起します。
関連訴訟と今後の手続き
Authors Guildの訴訟は単独ではありません。2024年時点で、他の係争中の訴訟には、コメディアンや写真家による生成AIプラットフォームに対する集団訴訟が含まれています。OpenAIや他のプレーヤーはフェアユースの主張を保留していますが、Authors Guildの訴状の結果はスタートアップエコシステムに前例を設定するでしょう。スタートアップは、オープンアクセスや適切にライセンスされたコレクションなどの代替データソースを必要とするかもしれません。
OpenAIは部分的に、主要なニュース機関から著作権で保護されたコンテンツのライセンスを取得し始め、出版社と会合を持っていると報告されています。しかし、摩擦は残っています。Authors Guildの訴訟は、その集団的な性質で注目に値します。これは、問題を職業全体に影響する体系的なものとして枠組みし、コンテンツ作成者とAI開発者との間の契約を拘束し形成する判決を求めるものです。
作家とAI倫理への影響
一般的な懸念の1つは、AIパラダイムの経済的不均衡です。批評家は、訓練データがすべての分野の人間の作品を広く含んでいるが、テクノロジー大手だけが利益を得るため、これは偏ったビジネスモデルを表すと主張しています。小説家はしばしば薄い利益率で個別に執筆しており、彼らの出力を補償なしに使用することは不均衡を生み出します。これは、同意、帰属、および争われたデータキュレーションに関するより広範なAI倫理の議論と共鳴します。
しかし、一部のアナリストは、AI21 LabsやInflection AIの開発が変化のバランスを取るモデルとして指摘しています。モデルを洗練するためのReinforcement Learning from AI Feedback (RLAIF)の使用は、著作権の問題を含めて、精度とエラーの削減に向けられています。しかし、訴状が強調するように、それは事前訓練段階での究極のコピー自体を否定するものではありません。
訓練インフラストラクチャの考察
実際には、その訓練自体が大規模なインフラストラクチャを伴います。巨大なDeep learningコーパスを処理するには、計算リソースが重要です。NVIDIA（ハードウェアプロバイダー）や実際のGPU使用などの企業が、AWS TrainiumクラウドやGoogle Cloudなどのオプションで利用可能です。書籍をミリ秒でモデルウェイトに取り込むスケールは、これらのビジネスがAIドメインから利益を得るようなものです。
訴訟で提示された問題は、クラウドコンピューティング業界に影響を与える可能性があります。訴訟がAmazon Web ServicesやGoogle Cloudでのマルチモーダルモデルアプリケーションへの投資を妨げる可能性があるからです。Groqのような高速推論を考えるプラットフォームなどの推論エンジンは役割を果たすかもしれませんが、著作権のモデリングでは、トレーニングと推論ノードの評価が焦点となります。
見通し
手続き上の段階を考慮すると、最終的な決定はまだ下されていません。この記事の時点で、裁判所は却下申し立てについて判決を下していません。多くの法務オブザーバーは、この判決が当事者だけでなく、将来のライセンスやデータ出所に対処する可能性のある立法措置を含む、より広範なAI著作権環境を監視することに影響を与えると追跡しています。
Authors Guild対OpenAIの訴状は、生成モデルがスタイルや企業の進歩をもたらした以前の論文から、文化、映画、芸術が作成される法律と重なるドメインの正確な文化のために緊張を強調しています。裁判所は技術革新の定義を説得し、2020年代の大規模モデル開発の軌道を変える可能性があります。しかし、結果がどうであれ、人工知能がもはや自律的ではなく、法律のセメタリーと、それが訓練する創造性を持つ人々の人口統計に織り込まれている証拠です。