الزویر، متا را دادگاهی کرد

به گزارش مجله خبری نگار/فرهیختگان: «الزویر» یکی از بزرگ‌ترین ناشرین مقالات علمی که قریب به یک‌پنجم مستندات علمی جهان را منتشر می‌کند، به یک دعوای حقوقی جمعی علیه شرکت «متا» پیوسته است؛ شکایتی که متا را متهم می‌کند در فرایند توسعه مدل هوش مصنوعی «لاما»، آثار دارای حق نشر را بدون مجوز تکثیر و استفاده کرده است. تاکنون ده‌ها شخصیت حقیقی و حقوقی از شرکت‌های هوش مصنوعی به‌دلیل «استفاده از آثار دارای حق نشر برای آموزش مدل‌های هوش مصنوعی» شکایت کرده‌اند. شرکت «الزویر» ناشر ده‌ها مجله معتبر علمی از جمله «سل» و «لنست» بخشی از شکایت گروهی بود که در حدود یک هفته قبل در دادگاه ناحیه جنوبی نیویورک علیه شرکت فناوری «متا» و مدیرعامل آن «مارک زاکربرگ» ثبت شد. ناشران بزرگ کتاب مانند «اشت» و «مک‌میلان» و حقوقدان آمریکایی «اسکات تورو» نیز از شاکیان این پرونده‌اند. این ناشران ادعا می‌کنند متا برای توسعه مدل زبانی بزرگ «لاما»، آثار دارای حق نشر را به دست آورده و بازتولید کرده است. «انجمن ناشران آمریکایی» در بیانیه‌ای اعلام کرد: «این نخستین پرونده مرتبط با هوش مصنوعی است که از سوی ناشران بزرگ مطرح می‌شود؛ ناشرانی که روایت مستقلی از نقض آشکار حقوقشان توسط متا دارند.» مجله نیچر در گزارشی در مورد این شکایت نوشت: «این پرونده مشابه شکایت‌هایی است که نویسندگان و شرکت‌های رسانه‌ای از جمله روزنامه «نیویورک‌تایمز» علیه شرکت‌های هوش مصنوعی مطرح کرده‌اند. برخی از این پرونده‌ها با توافق خاتمه یافته‌اند، اما در مجموع هنوز سابقه قضایی روشنی درباره قانونی یا غیرقانونی بودن استفاده از آثار دارای حق نشر برای آموزش مدل‌های زبانی بزرگ ایجاد نشده است.

سخنگوی متا گفته است که این شرکت «با تمام توان از خود در برابر این شکایت دفاع خواهد کرد.»»

ناشران از چه چیزی شاکی‌اند؟

اگرچه شرکت‌های هوش مصنوعی درباره داده‌های آموزشی خود بسیار محتاط و غیرشفاف عمل می‌کنند، اما به‌طور گسترده تصور می‌شود که مقالات پژوهشی دارای دسترسی پولی، در کنار مقالات دسترسی آزاد، بخشی از میلیارد‌ها صفحه اینترنتی بوده‌اند که مدل‌ها با استفاده از آنها آموزش دیده‌اند. در این شکایت ادعا شده است که متا برای آموزش «لاما» از مجموعه‌داده «پیمایش وب همگانی» استفاده کرده است؛ پایگاهی شامل نمونه‌ای از میلیارد‌ها صفحه اینترنتی که از طریق گردآوری خودکار صفحات وب تهیه شده و به گفته شاکیان، احتمالاً نسخه‌های بدون مجوزی از آثار دارای حق نشر مانند چکیده‌های علمی و مقالات پژوهشی غیررایگان را نیز دربر داشته است. ناشران همچنین مدعی‌اند که متا آثاری را از وبگاه‌هایی مانند «لیب‌جن» و «سای-هاب» بارگیری و از طریق سامانه‌های اشتراک فایل دریافت کرده است. «لیب‌جن» پایگاهی شامل کتاب‌ها، مقالات علمی و کتاب‌های درسی است و «سای-هاب» نیز مخزنی است که بدون توجه به قوانین حق نشر، امکان دسترسی رایگان به میلیون‌ها مقاله و کتاب علمی را فراهم می‌کند. هر دو وبگاه پیش‌تر هدف دعاوی حقوقی قرار گرفته‌اند. بخش عمده‌ای از شواهد این پرونده بر پایه نامه‌های الکترونیکی میان کارکنان متا است که در جریان پرونده جداگانه‌ای مربوط به شکایت چند نویسنده از متا در سال گذشته فاش شد.

واکنش متا به اتهام ناشران

نیچر در گزارش خود پیش‌‎بینی کرده که احتمالاً متا استدلال خواهد کرد که استفاده از آثار دارای حق نشر برای آموزش مدل‌های هوش مصنوعی، مشمول اصل «استفاده منصفانه» در قوانین حق نشر آمریکا می‌شود. سخنگوی این شرکت گفته «هوش مصنوعی موتور محرک نوآوری‌های تحول‌آفرین، افزایش بهره‌وری و خلاقیت برای افراد و شرکت‌هاست و دادگاه‌ها نیز به‌درستی تشخیص داده‌اند که آموزش هوش مصنوعی با استفاده از محتوای دارای حق نشر می‌تواند مصداق استفاده منصفانه باشد.» تا اینجا، دادگاه‌های آمریکا عمدتاً از استدلال شرکت‌های هوش مصنوعی حمایت کرده‌اند که نحوه استفاده مدل‌های زبانی بزرگ از محتوای دارای حق نشر «دگرگون‌ساز» است؛ یکی از معیار‌های مهم برای تشخیص استفاده منصفانه. بااین‌حال، قضات در دو رأی مهم در سال ۲۰۲۵ اعلام کردند که به‌دست‌آوردن و ذخیره‌سازی محتوای به سرقت رفته می‌تواند نقض حق نشر محسوب شود و اگر صاحبان آثار ثابت کنند خروجی مدل‌های هوش مصنوعی به بازار تجاری محصولاتشان آسیب جدی وارد می‌کند، می‌توان علیه ادعای استفاده منصفانه استدلال حقوقی ارائه کرد.

قرارداد‌های نشر و هوش مصنوعی

به گفته «اشتفان باک»، پژوهشگر مستقل مستقر در برلین و حامی داده‌های باز، متون دانشگاهی برای شرکت‌های هوش مصنوعی منبعی بسیار ارزشمند برای آموزش مدل‌های زبانی بزرگ هستند؛ زیرا این متون معمولاً باکیفیت، نوشته انسان و سرشار از اطلاعات تخصصی‌اند. این متون همچنین می‌توانند دقت مدل‌های هوش مصنوعی را در موضوعات علمی افزایش دهند. پایگاه‌هایی شامل مقالات و چکیده‌های علمی با دسترسی آزاد ــ مانند «پاب‌مد» ــ اغلب برای ساخت مجموعه‌داده‌های اختصاصی به‌کار می‌روند تا دانش مدل‌ها در حوزه‌های تخصصی علمی بهبود یابد.

برخی دانشگاهیان ممکن است از استفاده مقالاتشان برای آموزش مدل‌های زبانی استقبال کنند؛ چرا که این کار باعث دقیق‌تر شدن سامانه‌های هوش مصنوعی شود. باک می‌گوید پژوهشگران معمولاً بیشتر نگران نحوه استفاده از محصولات هوش مصنوعی مولد هستند تا شیوه آموزش آنها؛ برای مثال زمانی که این سامانه‌ها سبک نوشتاری نویسندگان را تقلید می‌کنند یا بدون ارجاع درست از آثارشان استفاده می‌شود. بااین‌حال، ناشران به‌تدریج در حال امضای قرارداد‌هایی با شرکت‌های فناوری برای فروش یا اعطای مجوز استفاده از داده‌های خود هستند. به گفته باک، این روند می‌تواند موقعیت شرکت‌های بزرگ هوش مصنوعی را تقویت کند، اما درعین‌حال دسترسی پژوهشگرانی را که می‌خواهند مدل‌های متن‌باز بسازند، به این محتوا دشوارتر سازد.

او می‌گوید در حالت ایدئال باید راه‌هایی وجود داشته باشد که خواسته‌های پدیدآورندگان درباره نحوه استفاده سامانه‌های هوش مصنوعی از آثارشان رعایت شود، «بی‌آنکه همه چیز صرفاً به قرارداد‌های انحصاری میان ناشران و شرکت‌های هوش مصنوعی محدود شود.»