Authors Guild v. OpenAI (2023) é uma ação coletiva movida no Tribunal Distrital dos Estados Unidos para o Distrito Sul de Nova York em 20 de setembro de 2023. Os autores, a Authors Guild e um grupo de escritores proeminentes, incluindo John Grisham, Jodi Picoult e George R.R. Martin, alegam que a OpenAI infringiu seus direitos autorais ao usar seus livros para treinar seus modelos de linguagem de grande escala sem autorização. O processo busca danos legais, medidas cautelares e a devolução de lucros, posicionando-o como um caso marcante na interseção entre IA generativa e lei de direitos autorais.
A queixa centra-se no treinamento de modelos como GPT-3 e GPT-4 pela OpenAI, que são construídos sobre arquiteturas transformers. Os autores argumentam que a OpenAI copiou suas obras integralmente para conjuntos de dados de treinamento, permitindo que os modelos gerassem texto derivado que compete com os livros originais. Este caso faz parte de uma onda mais ampla de litígios contra empresas de IA, incluindo processos semelhantes movidos pelo The New York Times e outros autores, mas é notável por sua representação coletiva da comunidade de escritores.
Contexto Histórico e Jurídico
O processo surgiu em um cenário de rápidos avanços em inteligência artificial e aprendizado de máquina, particularmente o aumento de modelos de aprendizado profundo treinados em enormes corpora de texto. A OpenAI, fundada em 2015, desenvolveu alguns dos modelos de linguagem de grande escala mais amplamente utilizados, incluindo GPT-3 (lançado em 2020) e GPT-4 (lançado em março de 2023). Esses modelos são treinados em bilhões de palavras extraídas da internet, incluindo livros, artigos e outros materiais protegidos por direitos autorais, muitas vezes sem permissão explícita.
A lei de direitos autorais nos Estados Unidos concede aos autores direitos exclusivos de reproduzir, distribuir e criar obras derivadas de suas criações originais. Os autores argumentam que treinar um modelo de IA em livros protegidos por direitos autorais constitui reprodução não autorizada, mesmo que o modelo não produza diretamente o texto. Eles também afirmam que a capacidade dos modelos de gerar resumos, paráfrases ou conteúdo estilisticamente semelhante viola o direito de obras derivadas.
A OpenAI defendeu suas práticas invocando a doutrina do uso justo, que permite o uso limitado de material protegido por direitos autorais para fins como crítica, comentário, reportagem jornalística, ensino ou pesquisa. A empresa também argumentou que os dados de treinamento são transformadores, pois os modelos não reproduzem as obras originais, mas aprendem padrões estatísticos. No entanto, os autores contestam que a escala da cópia - envolvendo milhares de livros - vai muito além de qualquer uso justo razoável.
Partes Envolvidas
Os autores principais incluem vários escritores best-sellers: John Grisham, conhecido por thrillers jurídicos como "A Firma" (1991); Jodi Picoult, autora de "A Filha da Minha Mãe" (2004); e George R.R. Martin, criador da série "As Crônicas de Gelo e Fogo". Outros autores nomeados incluem David Baldacci, Sylvia Day e Jonathan Franzen. A Authors Guild, uma organização profissional fundada em 1912, representa milhares de escritores e tem sido ativa na defesa dos direitos dos autores na era digital.
O réu é a OpenAI, uma empresa sediada em São Francisco, Califórnia. A liderança da OpenAI inclui o CEO Sam Altman e a CTO Mira Murati, embora o processo não nomeie executivos individuais. A empresa recebeu investimentos significativos da Microsoft e de outros gigantes da tecnologia, e seus modelos são implantados por meio de plataformas como Azure e ChatGPT.
Reivindicações e Alegações Principais
A queixa alega que o processo de treinamento da OpenAI envolveu a cópia integral dos livros dos autores, seja por ingestão direta ou por meio de conjuntos de dados que incluíam cópias piratas. Especificamente, os autores apontam para o conjunto de dados Books3, uma coleção de mais de 190.000 livros usada no treinamento de alguns modelos, que incluía obras dos autores nomeados. O processo afirma que essa cópia foi intencional, pois a OpenAI sabia que o conjunto de dados continha material protegido por direitos autorais.
Além da reprodução, os autores argumentam que os modelos geram saídas que "resumem, parafraseiam ou de outra forma derivam" de suas obras, criando obras derivadas não autorizadas. Eles citam exemplos em que o ChatGPT pode produzir resumos detalhados de enredos ou imitar o estilo de um autor, o que, segundo eles, diminui o mercado para os livros originais. O processo também alega que a OpenAI não forneceu atribuição ou compensação, violando os direitos morais dos autores sob certos acordos internacionais, embora a lei dos EUA não reconheça explicitamente direitos morais.
Os autores buscam danos legais de até US$ 150.000 por obra por violação intencional, o que poderia totalizar bilhões de dólares, dado o número de obras envolvidas. Eles também solicitam uma liminar para impedir que a OpenAI use suas obras em treinamentos futuros, bem como a destruição de quaisquer cópias infratoras ou modelos treinados nelas.
Histórico Processual
O caso foi designado ao Juiz Sidney H. Stein no Distrito Sul de Nova York. Em novembro de 2023, a OpenAI apresentou uma moção para rejeitar o processo, argumentando que a queixa não estabelecia uma reivindicação válida porque os autores não identificaram cópias ou saídas infratoras específicas. A empresa também reiterou sua defesa de uso justo, citando a natureza transformadora do treinamento de IA.
Os autores alteraram sua queixa em janeiro de 2024, adicionando alegações mais específicas e autores adicionais. Eles também apresentaram uma moção para certificação de classe, buscando representar todos os autores cujas obras foram usadas no treinamento sem permissão. Até o início de 2025, o tribunal ainda não havia decidido sobre a moção para rejeitar, e a fase de descoberta está em andamento.
O caso é um de vários processos de direitos autorais de IA de alto perfil. Em dezembro de 2023, o The New York Times apresentou um processo separado contra a OpenAI e a Microsoft, alegando violação semelhante. Outros autores, incluindo Sarah Silverman e Christopher Golden, apresentaram ações coletivas em outros distritos. Os resultados desses casos podem estabelecer precedentes para como a lei de direitos autorais se aplica ao treinamento de IA.
Argumentos da OpenAI
A defesa da OpenAI baseia-se principalmente no uso justo. A empresa argumenta que treinar modelos em texto protegido por direitos autorais é análogo a um humano ler um livro e aprender com ele, o que não constitui violação. Eles afirmam que os modelos não armazenam cópias das obras originais, mas aprendem padrões e relações abstratas, tornando o uso transformador.
A OpenAI também enfatiza o benefício público da tecnologia de IA, argumentando que restringir dados de treinamento sufocaria a inovação e prejudicaria o desenvolvimento de aplicações benéficas em áreas como medicina, educação e ciência. A empresa implementou mecanismos de exclusão para autores, embora críticos argumentem que são insuficientes e colocam o ônus sobre os criadores.
Em sua moção para rejeitar, a OpenAI argumentou que os autores não tinham legitimidade porque não alegaram dano concreto. A empresa afirmou que os modelos não reproduzem as obras dos autores de uma forma que compita com elas, e que quaisquer saídas são transformadoras. Eles também notaram que o conjunto de dados Books3 era publicamente disponível e que a OpenAI tomou medidas para remover certas obras protegidas mediante solicitação.
Implicações Mais Amplas
O caso tem implicações significativas para a indústria de inteligência artificial. Uma decisão contra a OpenAI poderia exigir que empresas de IA obtivessem licenças para todos os dados de treinamento protegidos por direitos autorais, o que seria caro e potencialmente retardaria o desenvolvimento. Também poderia levar à criação de mercados de licenciamento, semelhantes aos de música ou fotografia de banco de imagens, onde autores são compensados pelo uso de suas obras.
Por outro lado, uma decisão a favor da OpenAI poderia estabelecer que o treinamento de IA é um uso justo, dando sinal verde para empresas continuarem extraindo dados sem permissão. Isso provavelmente aumentaria as tensões com criadores de conteúdo e poderia levar a ação legislativa. Vários países, incluindo a União Europeia, já estão considerando regulamentações que exigiriam transparência nos dados de treinamento e compensação para detentores de direitos.
O caso também levanta questões sobre a natureza da criatividade e autoria. Se modelos de IA podem gerar texto que imita autores humanos, o que isso significa para o valor das obras originais? Alguns estudiosos argumentam que o conteúdo gerado por IA é derivado por definição, enquanto outros o veem como uma nova forma de expressão que deveria ser protegida.
Casos Relacionados e Desenvolvimentos
Além do processo da Authors Guild, vários outros casos foram movidos contra empresas de IA. Em julho de 2023, os autores Sarah Silverman, Richard Kadrey e Christopher Golden processaram a OpenAI e a Meta no Distrito Norte da Califórnia, alegando que seus livros foram usados sem permissão. Esse caso foi parcialmente rejeitado em novembro de 2023, mas os autores foram autorizados a alterar suas reivindicações.
O processo do The New York Times, movido em dezembro de 2023, é considerado um dos mais significativos, pois envolve uma grande organização de mídia com recursos legais substanciais. O Times alega que a OpenAI e a Microsoft usaram milhões de seus artigos para treinar modelos, e que os modelos podem reproduzir conteúdo do Times verbatim. O caso está pendente no mesmo tribunal que o processo da Authors Guild.
Outras empresas de tecnologia, incluindo Anthropic e Google DeepMind, também enfrentaram escrutínio sobre suas práticas de treinamento. Em 2024, o Escritório de Direitos Autorais dos EUA lançou uma consulta pública sobre IA e direitos autorais, buscando contribuições de partes interessadas. O escritório emitiu orientações afirmando que obras geradas por IA podem não ser protegíveis por direitos autorais se não tiverem autoria humana, mas a questão dos dados de treinamento permanece sem solução.
Resultados Potenciais e Cronograma
Especialistas jurídicos esperam que o caso leve vários anos para ser resolvido, dada a complexidade das questões e o potencial para apelações. Uma moção para julgamento sumário poderia ser apresentada em 2025, com um julgamento possivelmente ocorrendo em 2026 ou depois. A Suprema Corte pode, em última instância, precisar se manifestar sobre a questão do uso justo, como fez no caso Google v. Oracle (2021), que envolveu a cópia de código.
Se os autores prevalecerem, eles poderiam receber danos substanciais, mas, mais importante, a decisão poderia forçar a OpenAI a mudar suas práticas de treinamento. A empresa já começou a licenciar conteúdo de alguns editores, como um acordo com a Axel Springer em dezembro de 2023, mas uma ordem judicial seria mais vinculativa.
Se a OpenAI vencer, isso validaria a abordagem atual ao treinamento de IA e provavelmente encorajaria uma coleta de dados mais agressiva. Isso poderia levar a uma reação negativa dos criadores e possivelmente provocar nova legislação. Alguns comentaristas sugeriram que uma solução legislativa, como um esquema de licenciamento compulsório, poderia ser preferível ao litígio, pois forneceria certeza para ambos os lados.
Conclusão
Authors Guild v. OpenAI (2023) representa um momento crítico na relação entre IA generativa e lei de propriedade intelectual. O caso testa se estruturas de direitos autorais existentes podem acomodar a prática inovadora de treinar modelos em vastas quantidades de texto. Seu resultado afetará não apenas as partes envolvidas, mas também o desenvolvimento futuro de tecnologias de IA e os direitos dos criadores em todo o mundo. À medida que o litígio avança, ele provavelmente moldará normas da indústria e padrões legais por anos vindouros.