Microsoft żąda od sądu uznania treningu AI na książkach za dozwolony użytek

Microsoft złożył w federalnym sądzie w Nowym Jorku wniosek o wyrok doraźny w procesie o prawa autorskie do materiałów użytych przy trenowaniu sztucznej inteligencji. Firma domaga się, by sąd raz na zawsze uznał, że wykorzystanie chronionych książek do trenowania modeli językowych mieści się w granicach dozwolonego użytku.

Sprawa toczy się w ramach skonsolidowanego postępowania wielostronnego (multidistrict litigation) łączącego pozwy pisarzy i wydawców przeciwko Microsoftowi oraz OpenAI. Powodowie zarzucają obu firmom, że budowały swoje modele językowe na nielegalnie pozyskanych kopiach chronionych utworów, ściąganych z serwisów udostępniających pirackie zbiory książek.

Argument transformacyjności

Centralnym argumentem prawnym Microsoftu jest twierdzenie, że trenowanie dużego modelu językowego na chronionych książkach stanowi dozwolony użytek jako kwestia prawa, a nie tylko faktów wymagających rozstrzygnięcia przez ławę przysięgłych. Firma podkreśla, że proces treningu ma charakter głęboko transformacyjny, bo służy zupełnie innemu celowi niż oryginalne dzieła.

Trening modelu językowego na chronionych książkach stanowi dozwolony użytek jako kwestia prawa - z wniosku Microsoft o wyrok doraźny do Sądu Okręgowego USA dla Południowego Dystryktu Nowego Jorku

Książki powstały po to, by je czytać, ale ich wykorzystanie posłużyło celowi technologicznemu, jakim jest zbudowanie modelu - z memorandum prawnego Microsoft w sprawie MDL

Liczby jako dowód w sprawie

Kluczowym elementem wniosku jest analiza forensyczna, którą Microsoft zlecił niezależnemu ekspertowi. Przeszukano 8,2 miliona rzeczywistych rozmów użytkowników z Copilotem pod kątem fragmentów przypominających sporne książki. Wynik, według firmy, jest jednoznaczny: zaledwie 24 odpowiedzi zawierały choćby 30 kolejnych słów zgodnych z tekstem chronionych utworów.

Microsoft podaje też, że powodowie sami przeprowadzili 5,3 miliona prób wymuszenia na Copilocie odtworzenia fragmentów książek metodami adwersarialnymi, celowo dobieranymi promptami. Mniej niż jeden procent tych prób zakończył się uzyskaniem choćby 30-słowowego dopasowania. Dla 202 ze 212 książek objętych pozwem nie znaleziono w logach żadnego śladu odtworzenia treści.

Precedensy Meta i Anthropic

Microsoft opiera swoją argumentację częściowo na wcześniejszych rozstrzygnięciach w podobnych sprawach przeciwko Meta i Anthropic, w których federalni sędziowie uznali, że trenowanie modeli AI na legalnie pozyskanych książkach ma charakter wysoce transformacyjny. Firma przekonuje, że te precedensy powinny mieć zastosowanie także w jej przypadku, mimo różnic w sposobie pozyskiwania materiałów treningowych.

Powodowie kwestionują jednak zarówno metodologię analizy Microsoftu, jak i samo porównanie z tamtymi sprawami, wskazując, że kluczowa różnica leży w źródle danych. Twierdzą, że Microsoft, w przeciwieństwie do Anthropic w wygranej przez tę firmę sprawie, sięgnął po nielegalnie skopiowane materiały, a nie po legalnie zakupione egzemplarze książek.

Znaczenie dla branży

Rozstrzygnięcie sędziego Steina może wyznaczyć precedens dla dziesiątek podobnych spraw toczących się w USA przeciwko innym twórcom dużych modeli językowych. Wyrok doraźny na korzyść Microsoftu oznaczałby, że firmy AI mogłyby unikać procesów przed ławą przysięgłych w podobnych sprawach, opierając się na argumencie transformacyjności jako kwestii prawa, a nie faktu spornego.

Dla polskich firm i twórców kwestia ma znaczenie pośrednie, bo europejskie ramy prawne różnią się od amerykańskiej doktryny fair use. Unijne prawo autorskie i przepisy o eksploracji tekstu i danych przewidują odrębne wyjątki, a legalność praktyk takich jak masowe skanowanie czy niszczenie fizycznych książek do celów treningowych pozostaje w Europie znacznie mniej ugruntowana niż w orzecznictwie amerykańskich sądów federalnych.

Kolejnym krokiem w sprawie będzie odpowiedź powodów na wniosek Microsoftu oraz decyzja sędziego Steina, czy sprawa nadaje się do rozstrzygnięcia bez procesu przed ławą przysięgłych. Podobne wnioski złożyło już OpenAI w równoległym wątku tej samej wielostronnej sprawy dotyczącej artykułów prasowych, co sugeruje skoordynowaną strategię obu firm wobec zbliżających się terminów procesowych.