آموزش مدل‌های هوش مصنوعی روی کتب سرقتی؛ چالش‌های حقوقی آنتروپیک با اساتید استنفورد — Anthropic trained Claude on illegally obtained Stanford professors' books
خلاصه
یک دادگاه فدرال حکم داد که شرکت آنتروپیک از نسخه‌های غیرقانونی کتاب‌های اساتید استنفورد برای آموزش مدل‌های Claude استفاده کرده است. این پرونده نشان می‌دهد که مرز میان استفاده منصفانه در هوش مصنوعی و سرقت ادبی کتابخانه‌های سایه چقدر شکننده و پرهزینه است.
زمینه و متن ماجرا
پرونده‌های حقوقی مربوط به نحوه جمع‌آوری داده برای آموزش مدل‌های زبانی بزرگ (LLM) وارد فاز تازه‌ای شده‌اند. در یک پرونده قضایی، مشخص شد که شرکت Anthropic برای آموزش مدل‌های Claude خود آثار بیش از ۱۰ تن از استادان دانشگاه Stanford را بدون مجوز دانلود و استفاده کرده است. این آثار شامل کتاب‌ها و نوشته‌های چهره‌های سرشناسی مانند Tobias Wolff و Abraham Verghese بوده که از کتابخانه‌های اصطلاحاً سایه مثل LibGen تهیه شده بودند.
جزئیات فنی و حقوقی حکم دادگاه
قاضی دادگاه فدرال تفکیک جالبی میان فرایند آموزش و نحوه تهیه داده‌ها قائل شد:
- آموزش به عنوان استفاده منصفانه (Fair Use): دادگاه تشخیص داد که استفاده از متن کتاب‌ها برای یادگیری الگوها، سبک و مفاهیم توسط مدل‌های هوش مصنوعی، مشابه یادگیری یک انسان علاقه‌مند به نویسندگی است و این بخش قانونی شناخته شد.
- خرید و ذخیره‌سازی غیرقانونی: مشکل اصلی آنتروپیک در نحوه به‌دست‌آوردن فایل‌ها بود. ایجاد یک کتابخانه مرکزی از نسخه‌های پایرت‌شده و دانلود انبوه کتاب‌ها از منابع غیرمجاز، تخلف شناخته شد.
این پرونده بخشی از یک توافق بزرگ‌تر به ارزش ۱.۵ میلیارد دلار (موسوم به Bartz v. Anthropic) بود که به ناشران و نویسندگان حدود ۵۰۰,000 اثر اختصاص یافت. با این حال، برخی اساتید مانند Tobias Wolff توافق یادشده را ناکافی دانسته و با رد آن، پرونده جداگانه‌ای (Cruz v. Anthropic) تشکیل داده‌اند تا خسارت کامل قانونی دریافت کنند و مانع آموزش مدل‌ها با آثار خود شوند.
چرا این موضوع برای مهندسان نرم‌افزار اهمیت دارد؟
برای توسعه‌دهندگان و مهندسان هوش مصنوعی، این چالش‌ها ابعاد مختلفی دارد:
- هزینه‌های تراکنش (Transaction Costs): به گفته کارشناسان حقوقی، لایسنس کردن تک‌تک میلیون‌ها اثر مکتوب موجود در اینترنت برای شرکت‌های AI عملاً غیرممکن و بسیار پرهزینه است.
- ریسک‌های حقوقی شرکت‌ها: دانلود عمده داده‌های متن باز یا پایرت‌شده (مانند تورنت کردن نیم میلیون کتاب) می‌تواند شرکت‌های بزرگ فناوری را با جریمه‌های سنگین میلیاردی مواجه کند، حتی اگر اصلِ یادگیری ماشین قانونی تلقی شود.
- واکنش جامعه توسعه‌دهندگان و هکرنیوز: در بحث‌های مطرح‌شده در Hacker News، کاربران به تناقض‌های این حوزه اشاره کردند؛ از جمله این که چگونه یک شخص عادی به خاطر دانلود غیرقانونی با احکام سنگین کیفری مواجه می‌شود، در حالی که شرکت‌های بزرگ فناوری با توافق‌های مالی چند میلیارد دلاری پرونده‌های تخلف را فیصله می‌دهند. برخی نیز منتقد انحصار دانش توسط دانشگاهیان بودند، اما مسئله‌ی حق امتیاز و لزوم شفافیت در داده‌های آموزشی همچنان موضوعی حیاتی است.
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل