Wikimedia Foundation tenta se salvar do esquecimento através da intermediação de acordo de direitos autorais de IA

A organização sem fins lucrativos por trás da Wikipedia tem um plano para salvar a Internet aberta, onde os chatbots de IA e a arte humana possam coexistir pacificamente.

A Fundação Wikimedia, que administra a Wikipédia, bem como uma dúzia de outros sites de “conhecimento livre” – todos mantidos e editados de forma colaborativa por uma comunidade de código aberto de colaboradores humanos – apresentou um amicus brief na quinta-feira ao tribunal que supervisiona o jornal New York Times. ação judicial contra OpenAI e Microsoft. Ajuizado em dezembro de 2023, esse processo alega que as empresas de tecnologia usaram ilegalmente milhões de artigos protegidos por direitos autorais do Times para treinar seus chatbots de IA, que agora competem com a publicação como fonte de informação online. OpenAI e Microsoft argumentaram que copiar o conteúdo do Times e de inúmeros outros materiais retirados da web para treinar ChatGPT e Copilot constitui uso justo sob a lei de direitos autorais dos EUA.

No seu relatório de amicus (“amigo do tribunal”) de cerca de 5.800 palavras, a Fundação Wikimedia defende que as posições de ambas as partes no processo são “amplas demais” e, em última análise, impraticáveis ​​numa época em que o uso da IA ​​está apenas a tornar-se mais comum. TEm vez disso, a organização sem fins lucrativos sugeriu um caminho intermediário: os desenvolvedores de IA deveriam ser capazes de trem seus modelos em conteúdo disponível gratuitamente on-line, mas não deveria ser permitido simplesmente reproduzir esse conteúdo como quiserem, de modo que autores e artistas humanos percam todo o incentivo para continuar contribuindo com seu trabalho para a Internet.

“O uso justo não deve ser interpretado de uma maneira que proteja todos os usos de obras copiadas sob termos proprietários, em detrimento da inovação eficiente”, escreveu a equipe jurídica da Wikimedia no amicus brief. “A doutrina do uso justo também não deveria servir como luz verde para desprezar os termos de licenciamento e fragmentar o fluxo de conhecimento entre autores humanos e públicos.”

Em vez de uma definição legal estritamente binária de uso justo, a visão da Wikipédia é mais matizada. Essencialmente, todo o conteúdo online seria um jogo justo, desde que fosse usado apenas para pré-treinamento, a fase inicial do ciclo de vida da IA, onde os modelos aprendem a formar novos resultados a partir de enormes quantidades de dados de treinamento. Em vez disso, são os resultados, gerados através de mecanismos como a geração aumentada de recuperação, ou RAG, que o tribunal deve se preocupar: a “cópia e reprodução de fontes expressivas em respostas às consultas dos usuários” de um chatbot de IA não deve ser considerada uso justo, afirma o documento.

A Wikipedia é um dos sites mais visitados do mundo, um fato que sua organização sem fins lucrativos controladora tem procurado aproveitar enquanto tenta se firmar em meio à ascensão de chatbots de IA extremamente populares, como ChatGPT, Claude e Gemini. No início deste ano, marcando o 25º aniversário da Wikipédia, a Wikimedia Foundation anunciou parcerias com Amazon, Meta, Mistral e Perplexity – ah, e também com a Microsoft – através das quais as empresas pagariam para usar conteúdo da Wikipédia para o treinamento de novos modelos. “A Wikipedia continua sendo um dos conjuntos de dados da mais alta qualidade para o treinamento de grandes modelos de linguagem”, escreveu a organização sem fins lucrativos em um comunicado. postagem no blog no momento.

O novo amicus brief da organização sem fins lucrativos reconhece que os LLMs realmente apoiam a sua missão, por exemplo, monitorando os sites da organização sem fins lucrativos em busca de publicação ilegal de informações pessoais e auxiliando colaboradores humanos nas edições. “Seria contrário aos propósitos da lei de direitos autorais bloquear essas capacidades rotulando o desenvolvimento de LLM como uso categoricamente não justo”, diz o documento.

Embora o New York Times e uma série de outros editores tenham processado desenvolvedores de IA com base em supostas violações de direitos autorais, outros optaram por uma rota mais colaborativa: o The Atlantic, por exemplo, tem uma parceria com a OpenAI desde maio de 2024, por meio da qual (entre outras vantagens) o ChatGPT deve vincular de volta ao site da publicação ao citar seus artigos. O acordo também dá ao The Atlantic’s equipe “acesso privilegiado à tecnologia OpenAI” e a capacidade de “dar feedback e compartilhar casos de uso para moldar e melhorar futuras experiências de notícias no ChatGPT e outros produtos OpenAI”, de acordo com um anúncio.

Provavelmente demorará um pouco para que o tribunal chegue a um veredicto final no processo do New York Times contra a OpenAI e a Microsoft, sem mencionar todos os outros casos contra empresas de IA que foram movidos por editores nos últimos anos. Os modelos de IA são notoriamente opacos, o que torna muito difícil de determinar o que exatamente acontece entre o fornecimento de dados de treinamento a eles e a criação de novos resultados. Ainda hoje, o sistema jurídico ainda tenta desembaraçar todos os nós jurídicos apresentados pelas redes sociais, uma tecnologia que tem sido amplamente utilizada há décadas. A batalha legal sobre IA e direitos autorais pode demorar ainda mais.

Mas os riscos são elevados para a Fundação Wikimedia: uma decisão geral a favor das empresas de IA, dando-lhes o direito de extrair conteúdo online e utilizá-lo como quiserem, poderia muito bem significar o fim do modelo de publicação colaborativa e baseada em licenças em que a Wikipédia opera. Isso ajuda a explicar por que razão a organização sem fins lucrativos está a enquadrar os seus serviços, e especialmente a Wikipédia, como componentes essenciais para a Internet do futuro.

“Uma decisão que não aplique cuidadosamente os princípios de uso justo poderia ameaçar a sustentabilidade do conhecimento livre e sufocar o desenvolvimento de tecnologias de código aberto, impactando, em última análise, o acesso à informação para todos…” Stephen LaPorte, conselheiro geral da Fundação Wikimedia, em um comunicado. “O tribunal precisa entender que a Wikipédia é criada através de um processo colaborativo que requer uma base sólida de conhecimento humano aberto e acessível para prosperar.”