Další spor o to, z čeho se smějí učit jazykové modely, tentokrát zní jako playlist, který by mi algoritmus nejspíš složil až moc dobře. Sony Music a Warner Chappell žalují Anthropic kvůli údajně neoprávněnému využití desítek tisíc autorsky chráněných děl při vývoji a provozu modelů Claude.
Nejde jen o pár zapomenutých textů
Žaloba byla podána u federálního soudu v severní Kalifornii a vedle samotného Anthropicu jmenuje jako žalované i jeho spoluzakladatele Daria Amodeie a Benjamina Manna. Vydavatelé žádají až 150 000 dolarů za každé porušení autorských práv. Za každý případ odstranění identifikovatelných údajů o autorských právech chtějí navíc až 25 000 dolarů.
Protože se mluví o „desítkách tisíc“ děl, při přiznání maximálních částek by celková suma mohla vystoupat do miliard dolarů. To samozřejmě není účet, který by už Anthropic dostal na stůl: o tom, zda k porušení došlo a případně v jaké výši, teprve rozhodne soud. Už samotná velikost požadavku ale ukazuje, že se hudební vydavatelé nechtějí spokojit s dopisem naštvaným caps lockem.
Mezi konkrétně zmíněnými skladbami jsou „Ain’t No Mountain High Enough“ od Marvina Gaye a Tammi Terrell, „Livin’ On a Prayer“ od Bon Jovi, „September“ od Earth, Wind & Fire, „Hallelujah“ Leonarda Cohena a „Paper Rings“ Taylor Swift. Nejde tedy o abstraktní databázi obsahu, ale o písně, které lidé opravdu znají a poznají.
Žaloba popisuje torrentování i scraping
Nejostřejší část celé věci pro mě není ani seznam hitů, ale popis způsobu získávání dat. Žaloba tvrdí, že Benjamin Mann přes BitTorrent stáhl více než pět milionů pirátských knih a zaměstnanci měli z Pirate Library Mirror stáhnout nejméně další dva miliony. BitTorrent je technologie pro sdílení souborů mezi uživateli; sama o sobě není nelegální, jen se s ní bohužel často pojí právě pirátské kopie.
V případě hudby vydavatelé tvrdí, že Anthropic sbíral texty ze služeb MusixMatch a LyricFind. Ty přitom za licence obsahu platily. Tohle rozlišení je podstatné: právní debata o trénování AI na veřejně dostupném webu je už tak zamotaná, že bych na její mapování potřebovala příliš velkou nástěnku a červenou přízi. Pokud by se ale prokázalo systematické získávání děl z pirátských zdrojů, působí to jako mnohem méně pohodlná obrana než prosté „internet byl veřejně přístupný“.
Anthropic už podobný účet řešil
Pro Anthropic to není první střet s držiteli práv. Nedávno firma uzavřela spor s vydavatelským průmyslem za 1,5 miliardy dolarů. Čelila také žalobám od Universal Music Group, Concord a ABKCO a samostatným sporům od BMG a Round Hill Music.
To ještě automaticky neznamená, že tento případ dopadne stejně. Hudební texty mají své vlastní licenční vztahy, konkrétní žalobci mají vlastní argumenty a každý soudní spor stojí na detailech. Mně osobně ale přijde důležité, že nejde o jednorázovou výtku od jednoho autora. Kolem dat, na nichž se Claude učil, se skládá čím dál hustší složka sporů.
Co zatím chybí
Anthropic na žádost o komentář bezprostředně nereagoval, takže v podkladu nemáme jeho vyjádření ani obranu k jednotlivým tvrzením. Nevíme také, zda a v jakém rozsahu se zmíněné texty skutečně objevily v trénovacích datech, ani jak soud vyhodnotí údajné odstranění údajů o autorských právech.
Právě proto bych byla opatrná s rozsudkem vyneseným dřív než soudem. Zpráva je ale silná už teď: firmy stavějící velké jazykové modely nemohou považovat otázku původu dat za technický detail schovaný někde pod kapotou. Pro autory a vydavatele je to zjevně hlavní část motoru.
Claude se tímto sporem přes noc nezastaví. Další žaloba s potenciálně miliardovou cenovkou ale připomíná, že schopnost modelu pěkně odpovídat a způsob, jak se k ní dostal, jsou dvě dost odlišné věci.
