Wikimedia a NYT–OpenAI perben: tanítás igen, RAG licenccel

Mi történt?

A Wikimedia Foundation október 30-án amicus curiae beadványt nyújtott be a New York-i déli kerületi bíróságon az OpenAI elleni szerzői jogi ügyben, amelybe 12 per van összevonva, köztük a The New York Times keresete a Microsoft és az OpenAI ellen (Wikimedia Foundation). A bíróság azt dönti el, hogy fair use-nak számít-e, ha AI cégek szerzői jogvédett tartalmat használnak nagy nyelvi modellek fejlesztéséhez. A szervezet egyik félnek sem áll az oldalára.

Mit javasol a Wikimedia?

• Modelltanítás: ha az LLM valami újat és a forrásoktól eltérőt hoz létre, a jogvédett tartalom tanításra használata legyen fair use, licencfeltételek nélkül.
• RAG és hasonló „grounding” technikák: ha a rendszer a weboldalak tartalmát lemásolja és a chatbot válaszában visszaadja, az ne legyen fair use. Itt tartani kell a forrás licencét, a Wikipédia esetében a CC BY-SA 4.0 feltételeit, vagyis a forrásmegjelölést és az azonos licencet.

A The Verge összefoglalója szerint a Wikimedia attól tart, hogy egy fekete-fehér ítélet mindkét irányban árthat (The Verge). Ha a kiadók egyértelműen nyernek, a jogtulajdonosok a transzformatív felhasználást is ellenőrizhetik, ami a Wikipédia szerkesztőit segítő AI eszközöket is veszélyeztetné: vandalizmus szűrését, jogsértések és doxxing felderítését. Ha az AI cégek nyernek, az zöld utat adhat a licencfeltételek figyelmen kívül hagyásának.

Miért fontos?

A Wikipédia több mint 67 millió cikkével az LLM-tanítás egyik legfontosabb adatforrása, közben az AI válaszok elszívják a látogatókat a közösségtől, amely a tartalmat fenntartja. Mivel kevés bíróság döntött eddig ebben a kérdésben, ez az ítélet nagy hatással lehet a későbbi ügyekre. A tanítás és a RAG szétválasztása gyakorlati következménnyel is járna: a keresésre és forrásokra épülő AI termékeknek licencelniük kellene azt, amit a válaszaikban visszaadnak.