קרן ויקימדיה בתיק NYT נגד OpenAI: אימון מודלים צריך להיחשב שימוש הוגן, אבל שליפת תוכן בתשובות לא

מה הוגש

לפי הודעה של קרן ויקימדיה מ-30 באוקטובר, הקרן הגישה חוות דעת של ידיד בית המשפט לבית המשפט המחוזי הפדרלי של דרום ניו יורק, בתיק ⁦In re⁩: ⁦OpenAI⁩, ⁦Inc⁩. ⁦Copyright Infringement Litigation⁩. התיק מאחד 12 תביעות נגד ⁦OpenAI⁩, שהמוכרת בהן היא של ה-⁠⁦New York Times⁩ נגד ⁦Microsoft⁩ ו-⁠⁦OpenAI⁩. בית המשפט צפוי להחליט אם שימוש בתוכן מוגן כדי לפתח מודלי שפה גדולים נחשב שימוש הוגן.

ה-⁠⁦Times⁩ הגיש את התביעה ב-2023 וטוען ש-⁠⁦OpenAI⁩ ו-⁠⁦Microsoft⁩ השתמשו בתוכן שלו בלי רשות, כולל לצורכי אימון. ⁦OpenAI⁩ ו-⁠⁦Microsoft⁩ טוענות שפיתוח מודלים על חומר פומבי הוא שימוש הוגן. הקרן כותבת שהיא אינה לוקחת צד, ושהיא מבקשת מבית המשפט להגן על ידע פתוח.

ההצעה: להפריד בין אימון לשליפה

הקרן טוענת שיש להבחין בין שני שימושים. באימון, לפי עמדתה, שימוש ביצירות מוגנות צריך להיחשב שימוש הוגן כשהמודל המתקבל הוא משהו חדש ושונה מהמקורות, ובלי דרישה לעמוד בתנאי רישיון. היא מזהירה שפסיקה שתראה באימון הפרה תהפוך את הפיתוח, בסבירות גבוהה, לאפשרי רק לחברות הגדולות או למי שיכול לקנות מודלים סגורים.

בשימוש השני, שנקרא ⁦RAG⁩ (שליפה מוגברת ליצירה), המערכת מוצאת תוכן ברשת ומעבירה אותו למשתמש בתשובת צ'אטבוט. כאן הקרן טוענת שהשימוש לא צריך להיחשב הוגן, ושהחברות צריכות לכבד את תנאי הרישיון של המקור. לגבי ויקיפדיה זה הרישיון ⁦CC BY‑SA 4.0⁩, שמחייב לתת קרדיט ליוצרים ולהשאיר עיבודים תחת אותו רישיון.

בפוסט ב-⁠⁦Diff⁩ הקרן מסבירה שבאימון המודל לומד דפוסים מאוספים גדולים של חומר, ואילו בשליפה המערכת מחפשת מידע ובונה ממנו תשובה. לדבריה, שיטות כאלה מחברות תשובה למקורות חיצוניים במקום להסתמך רק על מה שהמודל למד באימון. היא מוסיפה שמתן קרדיט שומר על הקשר בין המידע שאנשים מקבלים לבין התורמים שהפכו אותו לזמין, וכותבת בהודעה שבית המשפט צריך להבין שוויקיפדיה נוצרת בתהליך שיתופי שנשען על ידע פתוח ונגיש.

למה לקרן יש אינטרס

לפי הקרן, ב-⁠⁦Wikipedia⁩ יש יותר מ-67 מיליון ערכים ב-300 שפות, ובכל חודש תורמים בה כ-250 אלף מתנדבים. היא מוסיפה שוויקיפדיה היא אחד ממאגרי הנתונים האיכותיים ביותר לאימון מודלים, ושהיא נשענת על מקורות אמינים, ובהם כתבות עיתונאיות. לכן, היא כותבת, פסיקה בכל כיוון עלולה לפגוע בה.

בפסיקה מחמירה מדי, היא כותבת, יהיה קשה לגשת לתוכן ציבורי הדרוש לפיתוח כלי ⁦AI⁩ בקוד פתוח. בפסיקה מקילה מדי, היא כותבת, המו"לים ינעלו עוד מידע מאחורי חומות, ויישארו פחות מקורות למתנדבים, והחברות לא יהיו מחויבות לתנאי רישוי וקרדיט.

גם בדרישות על איסוף נתונים

הקרן מבקשת שאיסוף תוכן מהאתרים שלה ייעשה באופן שאינו מכביד על המערכות, בהתאם למגבלות הקצב של ה-⁠⁦API⁩ הציבורי או דרך שירותי ⁦Wikimedia Enterprise⁩. לפי ⁦The Verge⁩, הקרן גם טוענת שאיסוף מאתרים אינו מהווה בעצמו הפרת זכויות יוצרים. ההודעה של הקרן עצמה מציגה רק את הדרישה לאיסוף בר קיימא, ולכן הטענה הזו מגיעה מ-⁠⁦The Verge⁩ בלבד.

מה אומרים המדווחים והצדדים

⁦The Verge⁩ מדווח שהקרן מנסחת עמדת ביניים. לפי הדיווח, בכתב הטענות היא כותבת שהצדדים דוחפים ליישום מוגזם ומפושט של דוקטרינת השימוש ההוגן. ⁦The Verge⁩ מוסיף שלפי הקרן מודלי שפה עוזרים גם לעורכי ויקיפדיה, למשל בלחימה בוונדליזם ובזיהוי הפרות זכויות יוצרים.

בהקשר של הצדדים, ⁦The Verge⁩ כותב ש-⁠⁦OpenAI⁩ אמרה שהעתקת תוכן היא באג נדיר, וש-⁠⁦Microsoft⁩ כתבה בהגשה בספטמבר שניתוח של מומחים מצא ש-⁠⁦Copilot⁩ משחזר רק לעיתים נדירות משפטים שלמים. אלה טענות של החברות כפי שדווחו, ואנחנו לא יכולים לאמת אותן.

מה כותב The Verge על ההשלכות

⁦The Verge⁩ כותב שהפסיקה יכולה להיות קיומית עבור ויקיפדיה. זו אמירה של הכתב ולא של הקרן. לפי הדיווח, הקרן כותבת בכתב הטענות שאתרי ויקימדיה הם אחד ממקורות הנתונים החשובים ביותר לאימון מערכות ⁦AI⁩, ושאותן מערכות מושכות מבקרים ופוגעות בקהילות שמתחזקות את האתרים. הקרן גם טוענת, לפי ⁦The Verge⁩, ששירותים כמו ⁦ChatGPT⁩ משחזרים טקסט ברישיון חופשי בלי לעמוד בתנאי הרישיון.

בפוסט ב-⁠⁦Diff⁩ כותב היועץ המשפטי של הקרן, סטיבן לפורט, שעמדת הקרן פשוטה: על בית המשפט לשקול איך משתמשים בחומר, ולא להתייחס לכל שימוש ב-⁠⁦AI⁩ כאל אותו דבר. הוא כותב גם שהקרן אינה מתייצבת לצד ⁦OpenAI⁩ או לצד ה-⁠⁦Times⁩.

מקורות ומה לא ידוע

ההודעה של הקרן והפוסט של היועץ המשפטי שלה ב-⁠⁦Diff⁩ הם שני מסמכים של אותו גוף, ולכן אינם מקורות עצמאיים זה מזה. ⁦The Verge⁩ מתבסס על כתב הטענות ועל פוסט של הקרן, ולא על בדיקה עצמאית של ההשפעה. לא קראנו את כתב הטענות המלא, שהקרן מפרסמת ב-⁠⁦Commons⁩.

לא ידוע מתי בית המשפט יכריע, ואם יאמץ חלק מההבחנה שהקרן מציעה. ההודעה של הקרן אומרת שהפסיקה בתיק תהיה בעלת השפעה על בתי משפט אחרים, אבל זו הערכה של הקרן ולא עובדה.