Perché Anthropic è accusata di usare libri piratati per addestrare la sua IA?

Anthropic, una startup emergente nel campo dell’intelligenza artificiale, è stata recentemente denunciata da un gruppo di autori per l’uso non autorizzato di opere protette da copyright per addestrare i propri modelli di intelligenza artificiale. La causa, avviata presso un tribunale federale della California, accusa l’azienda di aver costruito un giro d’affari “multimiliardario” sfruttando contenuti piratati. Al centro della controversia c’è “The Pile”, un set di dati open source utilizzato per addestrare il chatbot Claude, che include una raccolta di ebook piratati nota come “Books3”.

Tra i firmatari della causa figurano nomi noti come Andrea Bartz, Charles Graeber e Kirk Wallace Johnson, che chiedono non solo un risarcimento danni ma anche il divieto per Anthropic di utilizzare in futuro materiali protetti da copyright. La questione solleva preoccupazioni significative nel panorama dell’intelligenza artificiale, poiché evidenzia la mancanza di tutela per gli autori e la riluttanza delle grandi aziende tecnologiche a trovare alternative legali per migliorare le prestazioni dei loro modelli.

La risposta di Anthropic e il contesto legale

Anthropic ha confermato di aver utilizzato “The Pile” per addestrare i propri modelli di intelligenza artificiale, ma ha sottolineato che le versioni recenti del dataset, mantenuto dall’organizzazione no-profit EleutherAI, hanno rimosso “Books3”. Tuttavia, la versione originale del dataset, che includeva il materiale piratato, è ancora disponibile online. Questo non è l’unico contenuto protetto da copyright presente in “The Pile”; il dataset include anche sottotitoli generati automaticamente dagli algoritmi speech-to-text di YouTube, estrapolati dai video.

La causa contro Anthropic non è un caso isolato. Lo scorso anno, un gruppo di autori ha avviato una battaglia legale simile contro OpenAI, accusata di aver utilizzato copie pirata di opere letterarie per addestrare i propri modelli di intelligenza artificiale. Anche altre aziende come Meta, Microsoft e EleutherAI sono state denunciate per violazione del copyright, evidenziando un problema diffuso nel settore della Gen AI.

Partnership e accordi nel settore dell’intelligenza artificiale

Mentre Anthropic e altre aziende affrontano accuse di violazione del copyright, alcune startup di intelligenza artificiale stanno cercando di stabilire accordi legali per l’uso dei contenuti. Un esempio significativo è l’accordo tra Condé Nast e OpenAI, che prevede l’integrazione dei contenuti delle riviste famose come Vogue e The New Yorker in ChatGPT e SearchGPT. Questo progetto sperimentale mira a monetizzare l’uso dei contenuti dell’intelligenza artificiale e a garantire una compensazione per gli editori.

Condé Nast non è l’unica azienda a cercare soluzioni legali. Anche altre società come News Corp, Vox, The Atlantic, Time e Axel Springer hanno concluso accordi simili con OpenAI. Questi accordi rappresentano un tentativo di proteggere le entrate degli editori e di continuare a investire nel giornalismo e nelle iniziative creative. Tuttavia, la questione dell’uso non autorizzato dei contenuti rimane un problema significativo, con molte aziende tecnologiche che continuano a sfruttare una zona grigia legale per ottenere un vantaggio competitivo.

La causa di David Millette contro Nvidia e OpenAI

Un altro caso rilevante riguarda David Millette, un creatore di contenuti su YouTube, che ha intentato una causa contro Nvidia e OpenAI per l’uso non autorizzato dei suoi video per addestrare modelli di intelligenza artificiale. Millette accusa Nvidia di “arricchimento ingiusto” e “concorrenza sleale”, sostenendo che la pratica di raccogliere dati da internet per addestrare l’IA sia “ingiusta, immorale, non etica, oppressiva, senza scrupoli e dannosa per i consumatori”.

Nvidia ha risposto affermando che “chiunque è libero di apprendere fatti e idee da fonti pubblicamente disponibili” e che creare opere nuove e trasformative è giusto ed equo. Tuttavia, la questione dell’arricchimento ingiusto potrebbe avere implicazioni legali significative. Secondo una sentenza del 2011, l’arricchimento ingiusto si verifica quando una parte trae vantaggio dagli sforzi di un’altra senza compensazione, in assenza di un obbligo contrattuale.

La raccolta di dati online per addestrare modelli di intelligenza artificiale è una questione controversa, poiché questi modelli potrebbero potenzialmente sostituire la creatività umana. Molti creatori di contenuti si oppongono all’uso non autorizzato delle loro opere per l’addestramento dell’IA, ma la legislazione sull’utilizzo dei dati online rimane poco chiara. Finché non sarà vietato dalla legge, le aziende continueranno a sfruttare questa zona grigia legale per ottenere un vantaggio competitivo nel settore dell’intelligenza artificiale.

Bullet Executive Summary

La recente denuncia contro Anthropic per l’uso di libri piratati per addestrare i propri modelli di intelligenza artificiale solleva questioni etiche e legali significative nel panorama dell’IA moderna. La causa, avviata da un gruppo di autori, evidenzia la mancanza di tutela per gli autori e la riluttanza delle grandi aziende tecnologiche a trovare alternative legali. Mentre alcune startup cercano di stabilire accordi legali per l’uso dei contenuti, la questione dell’uso non autorizzato rimane un problema diffuso. La causa di David Millette contro Nvidia e OpenAI per l’uso non autorizzato dei suoi video per addestrare modelli di IA aggiunge un ulteriore livello di complessità alla questione.

L’intelligenza artificiale, in particolare i modelli di linguaggio di grandi dimensioni (LLM), si basano su enormi quantità di dati per migliorare le loro prestazioni. Tuttavia, l’uso di contenuti protetti da copyright senza autorizzazione solleva questioni etiche e legali significative. È essenziale che le aziende tecnologiche trovino modi legali e etici per addestrare i loro modelli, garantendo al contempo una giusta compensazione per gli autori e i creatori di contenuti.

Inoltre, la questione dell’arricchimento ingiusto solleva ulteriori preoccupazioni. Le aziende che traggono vantaggio dagli sforzi di altri senza compensazione potrebbero affrontare implicazioni legali significative. È fondamentale che la legislazione sull’utilizzo dei dati online per addestrare l’IA sia chiara e che le aziende rispettino i diritti degli autori e dei creatori di contenuti.

In conclusione, la recente denuncia contro Anthropic e le altre cause legali simili evidenziano la necessità di un quadro normativo chiaro e di pratiche etiche nel settore dell’intelligenza artificiale. Solo così sarà possibile garantire un equilibrio tra l’innovazione tecnologica e la protezione dei diritti degli autori e dei creatori di contenuti.