¿Pueden coexistir la IA generativa y los derechos de autor?

Según un informe reciente de la industria, las industrias creativas "centrales" -en particular, las que producen libros, software de entretenimiento, publicaciones periódicas, películas, música grabada, televisión y videojuegos- aportaron 1,8 billones de dólares al PIB de EE.UU. en 2021. Eso supone casi el 8% de la economía estadounidense. Así que es un gran problema, como se ha informado ampliamente, que las empresas de IA generativa hayan estado utilizando materiales protegidos por derechos de autor sin licencia de esas industrias para entrenar sus modelos. Los líderes de la industria y la investigación académica ya afirman que las herramientas de IA generativa han sustituido a trabajadores en otras áreas importantes de la economía, y no es difícil imaginar que podría hacer lo mismo con los artistas creativos. Por eso, los titulares de derechos de estas industrias han presentado más de 40 demandas en tribunales federales contra empresas de IA generativa por entrenar sus modelos con materiales protegidos por derechos de autor sin licencia. Hace dos semanas, dos tribunales del Distrito Norte de California dictaron las dos primeras sentencias sobre estos casos, y ninguna de ellas fue especialmente positiva para los titulares de derechos. En el primer caso, Bartz contra Anthropic, que implicaba una demanda presentada contra Anthropic por tres autores, el juez William Alsup determinó que entrenar modelos de IA generativa con material protegido por derechos de autor es un uso justo y, por tanto, puede hacerse sin compensar a los titulares de los derechos. "Como cualquier lector que aspira a ser escritor", escribió el juez Alsup, "el LLM de Anthropic [se entrena] con obras no para adelantarse y replicarlas o suplantarlas, sino para dar un giro brusco y crear algo diferente". En el segundo caso, Kadrey contra Meta, que implicaba una demanda presentada contra Meta por 13 autores, el juez Vincent Chhabria adoptó una postura diferente, al considerar que el uso sin licencia de materiales protegidos por derechos de autor para la formación no es probable que sea un uso justo, porque el contenido generado por LLM es fundamentalmente diferente de la creación generada por humanos. "Utilizar libros para enseñar a los niños a escribir", razonó el juez Chhabria, "no es ni remotamente parecido a utilizar libros para crear un producto que un solo individuo podría emplear para generar innumerables obras competidoras con una fracción minúscula del tiempo y la creatividad que de otro modo llevaría". Somos expertos en el estudio de la transformación digital y hemos reflexionado mucho sobre esta cuestión. Recientemente formamos parte, por ejemplo, de una mesa redonda de 10 economistas convocada por la Oficina de Derechos de Autor de EE.UU. para estudiar las implicaciones de la IA generativa en la política de derechos de autor. Reconocemos que las dos decisiones están lejos de ser la última palabra sobre este tema; ambas serán sin duda apeladas ante el Noveno Circuito y posteriormente ante el Tribunal Supremo. Pero mientras tanto, creemos que ya hay muchas lecciones que aprender de estas decisiones sobre las implicaciones de la IA generativa para los negocios -lecciones que serán útiles para los líderes tanto de las industrias creativas como de las empresas de IA generativa. Lecciones para los titulares de derechos Como titular de derechos en el entorno actual, puede tomar varias medidas para proteger su negocio. Reconozca que es posible eliminar su material protegido por derechos de autor del corpus de formación. Es tentador pensar que la batalla ya está perdida: Una vez que un contenido protegido por derechos de autor entra en el corpus de formación de un LLM, no hay forma de sacarlo, ¿verdad? En realidad, es un error. Cuando los LLM lanzan nuevas versiones importantes (como, por ejemplo, el paso de ChatGPT 3 a ChatGPT 4), suelen volver a entrenar el nuevo modelo en el corpus de entrenamiento completo. En ese momento, existe la oportunidad de que el LLM elimine el material protegido por derechos de autor de un titular de derechos de su corpus de entrenamiento, o de que el titular de derechos obtenga una orden judicial que le ordene hacerlo. Haga valer sus derechos frente a las empresas de IA generativa que estén utilizando su material protegido por derechos de autor sin licencia. Si cree que su contenido se está utilizando para entrenar a gen AI sin la debida licencia, ahora también puede ser un buen momento para unirse a la lista de más de 40 demandantes que están recurriendo a los tribunales para proteger sus derechos legales. Esto es particularmente cierto dado que algunas de las recientes decisiones judiciales proporcionan lo que equivale a un esbozo de cómo los futuros demandantes podrían argumentar con éxito sus casos: Convencer al tribunal de que los modelos de IA generativa podrían utilizarse para destruir los medios de vida de los propios artistas a los que se pide que entrenen esos modelos gratuitamente. Es un listón muy alto, pero al menos es algo. Licencia cuando proceda. Más de 70 titulares de derechos -entre ellosHarperCollins, Universal Music, Reddit, Shutterstock y el Wall Street Journal- hanconcedido licencias de sus contenidos para que las empresas de IA generativa los entrenen. Si aún no ha concedido licencias de su contenido, ahora podría ser el momento de considerar la búsqueda de acuerdos de licencia, posiblemente mediante la creación de conjuntos de datos curados que se adaptan a la formación de modelos específicos y por lo tanto serían atractivos para los desarrolladores de IA. Su reto a la hora de firmar este tipo de licencias es que está negociando en desventaja dada la dirección que parecen estar tomando los tribunales con respecto al uso justo. Pero su ventaja es la puntualidad y la precisión: Las empresas de IA generativa pueden estar dispuestas a pagar por licenciar contenidos ahora en lugar de esperar a que estos casos se abran camino en los tribunales, y pueden estar dispuestas a pagar por un conjunto de datos limpio, fiable y comisariado en lugar de lo que pueden obtener raspando indiscriminadamente la web. Considere la posibilidad de retirar contenidos protegidos por derechos de autor de la web abierta. Muchas empresas de propiedad intelectual ponen algunos de sus contenidos a disposición del público de forma que impulsen sus modelos de negocio. Existen casos en todo el espectro de la PI en los que el contenido se pone a disposición "gratuitamente" para apoyar modelos de negocio basados en la publicidad, como ocurre con los numerosos clips de películas con publicidad que se pueden encontrar en YouTube. Algunas empresas también emplean un modelo "de freemium a premium", en el que se ofrece a los consumidores algunos contenidos gratuitos pero deben pagar por un canal más cómodo o un conjunto de contenidos más completo. Piense en los cinco o diez artículos gratuitos que algunos sitios web regalan cada mes antes de pedir a la gente que se suscriba. Puede que esas estrategias tuvieran sentido antes de la IA generativa, pero ahora las reglas han cambiado y tiene sentido replantearse cómo sopesar los beneficios de poner su contenido a disposición en la web abierta frente a los perjuicios de que su material protegido por derechos de autor se utilice para formar a LLM sin su consentimiento. Esto es especialmente cierto si se tiene en cuenta que algunos de los mayores acuerdos de licencia han sido para contenidos que estaban protegidos tras un muro de pago, lo que dificultaba el desguace por parte de las empresas de IA generativa. Proteja los contenidos protegidos por derechos de autor en la web abierta. Hablando del web scraping, los titulares de derechos deben tratar de proteger cualquier parte de su propiedad intelectual que permanezca en la web abierta. Hay varias vías que pueden seguirse en este sentido, aunque ninguna es perfecta. Los titulares de derechos pueden utilizar un archivo llamado robots.txt para indicar a los rastreadores de AI que no deben raspar el contenido del sitio. Esto sólo funcionará si los titulares de derechos deciden respetar el archivo robots.txt de un sitio, pero es un comienzo. También hay formas de que las empresas de alojamiento web bloqueen los raspadores LLM, o de que establezcan políticas de monetización para los agentes de IA que pretendan acceder a subconjuntos de su contenido. Por último, existen herramientas emergentes, como Glaze o Nightshade, que pueden proteger la PI basada en imágenes disponibles públicamente de su uso en el entrenamiento de IA generativa. Lecciones para las empresas de IA generativa Si usted es un líder en una empresa de IA generativa, podría pensar que simplemente debería seguir haciendo lo que está haciendo, dada la forma en que los tribunales han estado fallando. Pero eso podría ser un error. He aquí lo que debería pensar -y hacer- mientras los tribunales resuelven las cosas. Tenga en cuenta los riesgos financieros. Aunque el juez Alsup consideró que el uso de datos protegidos por derechos de autor para formar al LLM de Anthropic era un uso legítimo, lo hizo con una importante salvedad: los datos protegidos por derechos de autor no podían haberse obtenido mediante piratería. En concreto, Alsup escribió que "la piratería de copias disponibles de otro modo es inherente e irremediablemente infractora, incluso si las copias pirateadas se utilizan inmediatamente para el uso transformador". Esto significa que el uso de contenidos pirateados conlleva un riesgo financiero significativo. Según la legislación estadounidense(17 U.S.C. § 504), se puede conceder a los titulares de derechos de autor una indemnización por daños y perjuicios de hasta 30.000 dólares por obra infringida, y de hasta 150.000 dólares si el tribunal considera que la infracción fue intencionada. Alsup determinó que Anthropic utilizó 7 millones de libros pirateados en sus datos de formación y ordenó que la empresa fuera juzgada por "las copias pirateadas utilizadas para crear la biblioteca central de Anthropic y los daños resultantes, reales o legales (incluso por dolo)". Siete millones de libros multiplicados por 150.000 dólares de daños potenciales por libro es mucho riesgo financiero potencial: 1,05 billones de dólares para ser exactos. Y esto no es sólo una cuestión antrópica. El descubrimiento en Kadrey contra Meta descubrió que Meta utilizó al menos 82 TB de datos de libros pirateados para entrenar sus modelos. Otras demandas, entre ellas Tremblay contra OpenAI y O'Nan contra Databricks, alegan el uso de "bibliotecas sombra" pirateadas similares para el entrenamiento. Firme licencias. Dados estos riesgos financieros, ahora podría ser el momento adecuado para considerar la firma de licencias con los titulares de derechos, sobre todo porque los recientes casos judiciales pueden hacer que los titulares de derechos sean vendedores más dispuestos a corto plazo. Genere herramientas de exclusión, que permitan a los titulares de derechos filtrar o eliminar sus contenidos de los conjuntos de datos de formación. Ante las demandas de los titulares de derechos, empresas como YouTube y Facebook desarrollaron herramientas que les daban la posibilidad de retirar sus contenidos de sus plataformas. Ahora podría ser el momento perfecto para que las empresas de IA generativa desarrollen herramientas similares. Reconsidere el valor de obtener más datos sin licencia frente a los riesgos legales. Eleuther.ai, una organización dedicada a la investigación de la IA, publicó recientemente un conjunto de datos de 8 TB denominado Common Pile v0.1, que, según afirma, está compuesto en su totalidad por contenidos de código abierto o con licencia. La empresa también afirma que cuando utilizó este modelo para entrenar a sus LLM, dichos modelos funcionaron tan bien como los modelos que utilizaban datos protegidos por derechos de autor sin licencia. En una entrada de blog, los desarrolladores de la empresa escribieron que su investigación sugiere que "la idea común de que el texto sin licencia impulsa el rendimiento no está justificada". No podemos verificar de forma independiente esas afirmaciones, pero dados los riesgos legales potenciales generados por el uso de contenidos protegidos por derechos de autor sin licencia (y con frecuencia pirateados), quizá sea una buena idea que las empresas de IA generativa se cuestionen si los beneficios marginales que se obtienen al utilizar más material protegido por derechos de autor sin licencia justifican los riesgos legales y financieros adicionales. . . . La IA generativa tiene el potencial de beneficiar a la industria y a la sociedad de muchas maneras. Pero alcanzar ese potencial requerirá asociaciones más sólidas y transparentes entre las empresas tecnológicas y las industrias creativas. En nuestro camino actual corremos el riesgo de matar a la gallina -o en este caso a los autores, músicos, codificadores y cineastas- que puso los huevos de oro que son la clave del valor presente y futuro de la producción de la IA generativa.

¿Pueden coexistir la IA generativa y los derechos de autor?

Resumen.

Partner Center