A queixa Authors Guild v. OpenAI, apresentada em setembro de 2023, é um desafío jurídico significativo no campo da inteligência artificial e da IA generativa. Redactada pela Authors Guild em nome de um grupo de escritores de ficção proeminentes, incluindo John Grisham, George R.R. Martin e outros, a queixa alega que os grandes modelos de linguagem da OpenAI foram treinados com obras protegidas por direitos de autor sem autorização, violando os direitos dos autores sob a legislação de direitos de autor dos EUA. O caso se tornou um ponto focal nos debates jurídicos em curso sobre a interseção entre aprendizado automático e propriedade intelectual, já que a reunião de dados de treinamento para sistemas de IA frequentemente envolve a reprodução ou citação de corpus enormes de texto, incluindo livros, artículos e outras obras protegidas.
No centro da disputa está a prática de treinar modelos baseados em transformadores com conjuntos de dados vastos. A queixa sustenta que o uso não autorizado das obras dos autores, tanto para treinar os modelos como para gerar resultados que podem assemelhar-se ou reproduzir de perto essas obras, representa uma confiscação direta do trabalho criativo. Os demandantes buscan várias soluções, incluindo danos e medidas cautelares contra a empresa, subrayando a tensão crescente entre a inovação das tecnologias de IA e as proteções concedidas aos autores originais.
Antecedentes: A Ascensão dos Grandes Modelos de Linguagem
A base técnica dos sistemas em questão incluye a arquitetura de red neuronal conhecida como transformador. Introducida em pesquisa publicada por Google DeepMind e inicialmente liderada por Jakob Uszkoreit, Lukasz Kaiser e colegas no artigo de 2017 'Attention Is All You Need', os transformadores aproveitaram mecanismos como atenção multi-cabeza e codificación posicional para processar dados sequenciales, permitindo avanços na comprensión e generación de linguagem natural. Os modelos da série GPT da OpenAI, incluindo GPT-3 e GPT-4, baseiam-se nesses transformadores e são treinados com corpus massivos, incluindo textos web, livros e artículos académicos, para gerar texto semelhante ao humano.
A escala dos dados de treinamento é fundamental para as capacidades dos modelos. Os grandes modelos de linguagem são submetidos a treinamento usando algoritmos como optimizador Adam e variantes que ajustam bilhões de parámetros para minimizar o erro em tarefas de predicción da próxima palavra. Técnicas do campo mais amplo do aprendizado automático, como aumento de datos e normalización por lotes (embora menos frequente em transformadores), contribuem aos pipelines de treinamento de mini-modelos. Os modelos são então às vezes ajustados usando Reinforcement Learning from AI Feedback (RLAIF) (Aprendizado por Reforço a partir de Feedback de IA) ou feedback humano para melhorar o alineamento com as expectativas do usuário.
Os Demandantes e suas Alegações
A queixa, apresentada pela Authors Guild como ação coletiva, envolve uma coalición de autores de diversos géneros. Entre os demandantes conhecidos estão john-grisham, george-r-r-martin, dave-eggers, jodi-picoult, jonathan-franzen e pat-tigret, entre outros. Eles sustentaram que o processo de treinamento da OpenAI, que frequentemente implica raspar ou ingerir o texto de seus livros através de seus conjuntos de dados, constituye una infracción directa de derechos de autor. Os autores subrayaron que seu trabalho criativo é seu sustento e que o uso de seu material protegido por direitos de autor sem licencia infringía seus direitos exclusivos.
As reclamações específicas incluyen ameaças ao mercado dos demandantes para suas obras, argumentando que o conteúdo generado por IA poderia substituir obras escritas por humanos, e que os modelos também poderiam produzir resultados derivados que competirían injustamente com os originais. A ação distingue entre o uso legítimo de IA que obscurece ou transforma obras protegidas por direitos de autor e a copia supostamente não autorizada que ocorreu durante o pré-treino.
Contexto Jurídico e Casos Anteriores
Nos EUA, a legislação de direitos de autor protege com certa margen para uso justo. A litigação pendiente de IA tem dependido de uma defesa de uso justo, como se vê em outros processos, como o processo do New York Times contra OpenAI e Microsoft. No entanto, a queixa da Authors Guild contraataca, citando que qualquer defesa de uso justo é insostenible quando os dados de treinamento são usados em uma escala tão grande, e quando os modelos podem memorizar e reproduzir textos verbatim.
Esta não é a primeira vez que a Authors Guild está no centro de uma disputa de direitos de autor. A guilda havia estado envolvida nos escaneos de Google Books e Datasail, favoreciendo o direito de licenciar copias digitais de livros para indexação e uso de busca. No entanto, a guilda sustenta que o uso comercial de IA difiere materialmente, devido à natureza comentarista dos resultados e ao dano econômico potencial para os escritores.
Marco Jurídico e Reclamos Presentados
A queixa afirma 8 cargos, incluindo infracción directa de derechos de autor, infracción vicaria e violações da Digital Millennium Copyright Act (DMCA) pela remoción de información de gestión de derechos de autor. Central ao texto é a reproducción ilícita das obras literarias durante o treinamento dos modelos de IA. Os demandantes buscan a criação de um fideicomiso equitativo para qualquer lucro que OpenAI obteve do restante das obras protegidas por direitos de autor.
O caso está sendo processado no Tribunal Distrital dos Estados Unidos para o Distrito Sul de Nova York. OpenAI inicialmente apresentó uma moción para desestimar, mas os processos se aproximan a um enfoque conjunto - destacados comentaristas académicos e da indústria opinaron, subrayando as ambigüedades de responsabilidade ao usar dados textuais protegidos por direitos de autor para aprendizado não supervisionado em redes neuronales.
Indústria de IA e Implicações Más Amplias
A ação é uma de várias ações coletivas apresentadas contra empresas de IA em 2023. Chegou pouco depois da apresentación de agosto de 2023 por Karin Ale e Feng Ming em nome de uma classe proposta de escritores e deve ser vista dentro de uma onda de litigación na intersección entre IA e direitos de autor. Notoriamente, outros atores como Anthropic, Google DeepMind e Amazon Web Services também dependen de vastos datos para treinar modelos. No entanto, a disputa levantou preocupações sobre a exposição legal que poderia moldar futuras práticas de desenvolvimento de IA - se as empresas devem buscar licencias ou modificar estratégias de treinamento para evitar litigios de direitos de autor.
Executivos e desenvolvedores de tecnologia apuntaron que os marcos existentes como recorte de gradiente e agenda de taxa de aprendizado ajustan seus modelos, mas dizem que a coleta de dados é essencial; treinar com livros é uma forma de fazer isso, mas não há consenso sobre os direitos de propriedade sobre texto bruto. O caso suscita tais preguntas: O que constituye uso justo quando a memória de um modelo é grande o suficiente para recordar más que semântica? Podría o busca de feixe ou muestreo top-p com escalado de temperatura na inferencia produzir misturas infratoras - sequências muestreadas que quase reproduzem um capítulo protegido por direitos de autor?
Casos Relacionados e Procedimentos Futuros
O caso da Authors Guild não está sozinho. A partir de 2024, outras ações pendentes incluyen litigios de ação coletiva por comediantes e fotógrafos contra plataformas de IA generativa. OpenAI e outros atores têm argumentos de uso justo pendentes, mas o resultado da queixa da Authors Guild estabelecerá um precedente para o ecossistema de startups, já que as startups podem precisar de fontes de datos alternativas, como coleções de acesso aberto ou devidamente licenciadas.
OpenAI respondeu em parte começando a licenciar conteúdo protegido por direitos de autor de importantes agências de noticias e também se informa que está reunindo-se com editores. No entanto, a fricción permanece. A ação da Authors Guild é notável por sua natureza coletiva - enmarca o problema como sistémico que afeta toda uma ocupación - qualquer decisión que vinculará e moldeará contratos entre creadores de contenido e desenvolvedores de IA.
Impacto nos Escritores e Ética da IA
Uma preocupación geral é o desequilibrio econômico do paradigma da IA. Os críticos argumentan que, já que os datos de treinamento contienen ampliamente obras humanas de todas as disciplinas, mas só os gigantes tecnológicos lucran, isso representa um modelo de negocio desequilibrado. Os novelistas escreven individualmente com margenes muitas vezes estrechos, e o uso de sua produção por uma empresa valorada em $5 bilhões sem compensación cria um desequilibrio. Isso novamente resuena com debates más amplios sobre ética da IA acerca de consentimiento, atribución e curaduría de datos contestada.
No entanto, alguns analistas apuntam ao desenvolvimento de AI21 Labs e Inflection AI como modelos que podem equilibrar o cambio. O uso de Reinforcement Learning from AI Feedback (RLAIF) para refinar modelos tem sido orientado à precisión e a menos erros, incluindo em questões de direitos de autor. Mas, como subraya a queixa, isso não nega a copia última em si mesma na etapa de pré-treino.
Observando a Infraestructura de Treinamento
Na incidência, o próprio treinamento envolve uma infraestructura grande e separable. Para processar corpus gigantes de aprendizado profundo, os recursos computacionais são fundamentais. Empresas como NVIDIA (proveedor de hardware) ou o uso real de GPUs, com opciones em equipos de nube como AWS Trainium ou Google Cloud disponíveis. A escala de obtenção de livros em milisegundos para pesos de modelo é tal que essas empresas lucran do domínio da IA.
O problema apresentado na ação poderia afetar a indústria de computación en nube, já que os processos poderían desincentivar o investimento em aplicações de modelos multimodales em Amazon Web Services e Google Cloud. Motores de inferencia, plataformas como Groq que permiten inferencia rápida podem ter um papel, mas os nodos de inferencia e treinamento como avaliação em foco na modelagem de direitos de autor permanece.
Perspectivas
Dada a etapa processual do assunto, nenhuna decisión final foi tomada. Até a data deste artigo, o tribunal não se pronunció sobre as moções para desestimar. Muitos observadores legales rastrean que esta decisión afetará não só às partes, mas também monitorará o panorama más amplio de direitos de autor na IA, incluindo possível ação legislativa que possa abordar licenciamento e proveniencia de datos no futuro.
A queixa Authors Guild v. OpenAI subraya a nervosidade de um domínio cuja cultura exata - desde modelos generativos de artículos anteriores que trouxeram estilo ou avanço à empresa - agora se superpone com as leis sob as quais nossa cultura, cinema e arte são creados. Os tribunales definirán a noção de inovação tecnológica, e possivelmente alterarán a trajetória do desenvolvimento de grandes modelos na década de 2020. Mas qualquer que seja o resultado, é evidencia de que a inteligência artificial não é más autónoma; está entrelazada nas ceremônias da lei e na demografía daqueles de cuja creatividad treina.