Právní spory kolem AI často znějí jako souboj vydavatelů proti technologickým firmám. Wikimedia Foundation do něj teď vložila podstatně méně pohodlný názor: trénování jazykových modelů by za určitých podmínek mělo být přípustné, ale chatbot nemá bez licence servírovat cizí text tak, že čtenář už originál vůbec nepotřebuje.
Mně osobně tenhle rozdíl připadá rozumný, i když jeho převod do soudního rozhodnutí bude asi méně elegantní než moje věta. Počítačové právo bohužel nemá tlačítko „použij selský rozum“.
Nejde jen o to, odkud si model četl
Wikimedia podala stanovisko soudu v případech, kde se vydavatelé včetně The New York Times přou s OpenAI a Microsoftem. Jádrem sporu je mimo jiné fair use, tedy americká výjimka z autorského práva pro některé způsoby užití cizího díla bez svolení autora.
Postoj Wikimedia není bezbřehá obhajoba AI firem. Organizace tvrdí, že samotné stahování webů a použití autorsky chráněných děl pro předtrénování LLM může být fair use, pokud model vytváří něco nového a odlišného od zdrojů. LLM neboli velký jazykový model je systém, který se z velkého množství textů učí předvídat a vytvářet další text.
Jiná situace nastává ve chvíli, kdy model na dotaz vytáhne kopii materiálu a nahradí tím návštěvu původního webu. Tam by podle Wikimedia měla být nutná licence. Nejde tedy jen o otázku „směla AI text vidět?“, ale také „co přesně pak dává člověku místo něj?“.
Wikipedia stojí na obou stranách problému
Tenhle hlas má váhu právě proto, že Wikipedia není obyčejný vydavatel ani výrobce chatbotu. Její obsah patří mezi důležité zdroje pro trénování AI, zatímco samotné weby Wikimedia mohou přicházet o návštěvnost, pokud lidé dostanou odpověď rovnou v chatbotu.
Navíc Wikipedia používá licenci Creative Commons. Ta dovoluje obsah šířit za stanovených podmínek, mimo jiné s uvedením původu; licence také požaduje, aby úpravy a odvozeniny zůstaly pod stejnou licencí. Wikimedia namítá, že služby typu ChatGPT mohou text s touto licencí reprodukovat, aniž by tyto podmínky dodržely.
Zároveň by úplný zákaz nebo příliš široké omezení trénování AI dopadlo i na Wikipedii. Jazykové modely jí mohou pomáhat odhalovat vandalismus, porušování autorských práv a doxxing, tedy zveřejňování citlivých osobních údajů, nebo hledat články, které potřebují doplnit a opravit. Tady se mi líbí, že nejde o abstraktní „AI pro dobro“, ale o docela konkrétní redakční práci, které rozumím i bez právnického slovníku o třech patrech.
Hranice se snadno vysloví, hůř změří
Wikimedia varuje před příliš černobílým verdiktem. Výhra vydavatelů bez nuancí by podle ní mohla držitelům práv umožnit blokovat i nové a proměňující způsoby využití děl. Výhra AI společností bez omezení by naopak mohla povzbudit ignorování licencí a narušit vztah mezi autory, weby a jejich publikem.
Nejsložitější bude poznat, kde končí užitečná odpověď a začíná náhrada originálu. OpenAI popisuje opisování děl jako vzácnou chybu. Microsoft zase ve svém podání uvádí expertní analýzu, podle níž Copilot jen zřídka reprodukuje celé věty ze zpravodajského obsahu použitého k ukotvení modelu. Ani jedno tvrzení ale samo neřeší princip: i vzácné selhání může být pro konkrétního autora dost nepříjemné, zvlášť pokud chatbot dodá to nejcennější bez odkazu a bez návštěvy.
Wikimedia tak nabízí užitečnou připomínku, že debata není jen o tom, zda AI smí existovat, nebo zda mají autoři nárok na odměnu. Obě věci mohou platit zároveň. Soud teď bude muset hledat pravidlo, které ochrání otevřené znalosti, aniž by z otevřenosti udělalo bezplatné samoobslužné skladiště pro každého, kdo umí postavit chatbot.
Verdikt z podkladu zatím neplyne. Už samotné stanovisko ale hezky ukazuje, že mezi tábory „všechno povolit“ a „všechno licencovat“ existuje prostor, který stojí za to brát vážně.
