O operador da Wikipedia diz que uma decisão ruim sobre direitos autorais de IA pode ameaçar a web aberta

A Wikimedia Foundation está estabelecendo um meio-termo em um grupo de casos históricos de direitos autorais de IA, pressionando os tribunais a protegerem legalmente o treinamento de grandes modelos de linguagem (LLMs) em trabalhos protegidos por direitos autorais – mas não os chatbots regurgitando esse trabalho para os usuários. Uma decisão excessivamente preto e branco, afirma, poderia privar os wikipedistas de ferramentas úteis baseadas em IA ou pôr em perigo a web aberta.

Em um amicus brief apresentado na sexta-feira, a organização sem fins lucrativos por trás da Wikipédia opinou sobre uma série de ações judiciais que opõem editores, incluindo O jornal New York Times contra OpenAI e Microsoft, não tomando nenhum dos lados. “A Wikimedia está preocupada com o facto de as posições das partes neste caso pressionarem por aplicações demasiado amplas e simplificadas da doutrina do uso justo” em torno da IA, afirma a organização no seu documento legal. Teme-se que uma vitória sem nuances para os editores possa permitir que os detentores de direitos de autor “guardem” até mesmo utilizações inovadoras e transformadoras do seu trabalho. Por outro lado, uma vitória para as empresas de IA poderia constituir “uma luz verde para desprezar os termos de licenciamento e fragmentar o fluxo de conhecimento entre autores humanos e públicos”.

A decisão pode ser existencial para a Wikipedia. Os sites da Wikimedia “tornaram-se uma das fontes de dados mais críticas para todo o treinamento em inteligência artificial e aprendizado de máquina”, afirma a empresa no documento. Mas estes mesmos sistemas desviam os visitantes, minando as comunidades que mantêm estes locais. A Wikimedia argumenta que também está violando direitos autorais: serviços como o ChatGPT reproduzem texto licenciado gratuitamente sob Creative Commons, diz, mas não aderem aos termos dessa licença.

Ao mesmo tempo, afirma, os grandes modelos de linguagem que alimentam estes sistemas são úteis para a Wikipédia: podem ajudar os editores a combater o vandalismo, detectar violações de direitos de autor e doxxing, e procurar artigos que precisam de ser melhorados, entre outros usos.

“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 em ambos os casos”, disse o conselho geral da Fundação Wikimedia, Stephen LaPorte, 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.”

Os tempos defende uma definição mais ampla de uso justo no que se aplica aos LLMs. Alega, por exemplo, que a OpenAI violou seus direitos autorais ao copiar seu site para construir conjuntos de dados de treinamento. A OpenAI e a Microsoft afirmam que o uso de LLMs constitui uso justo. A OpenAI disse que regurgitar trabalho “é um bug raro”. A Microsoft, em um documento de setembro, afirma que a análise de especialistas descobriu que o Copilot raramente reproduz frases completas do conteúdo de notícias usado para fundamentar o modelo, o que, segundo ela, “dificilmente prejudica o propósito transformador do treinamento LLM”.

A Wikimedia propõe um compromisso. A raspagem de sites não deve ser considerada violação de direitos autorais, argumenta, e o uso de obras protegidas por direitos autorais para pré-treinar LLMs sem licença deve constituir uso justo quando fornecem “algo novo e diferente das fontes originais”, de acordo com uma postagem no blog. Mas se estes modelos extraírem cópias do material em resposta às perguntas dos utilizadores e depois entregá-lo aos utilizadores “ao mesmo tempo que suplantam o envolvimento dos leitores com essas obras originais”, isso deverá exigir uma licença. A principal diferença é que, neste último caso, o resultado da IA ​​simplesmente substitui o trabalho original e não o transforma o suficiente para ser qualificado como uso justo.

Nesses casos, a Wikimedia afirma que as empresas de IA devem respeitar os requisitos de licenciamento para utilizar tais informações. Para a Wikipédia, isso significaria creditar a fonte original de informação sob sua licença Creative Commons, que também exige que “qualquer remix ou adaptação” permaneça sob a mesma licença.

“Estamos assumindo uma posição neste caso para defender o conhecimento humano livre e aberto do qual a Wikipédia depende”, disse a CEO da Wikimedia, Bernadette Meehan, em um comunicado. “Expandir o acesso ao conhecimento através da IA ​​é um objectivo poderoso, mas deve respeitar as pessoas, os colaboradores e as comunidades que tornam possível o conhecimento fiável. Encontrar este equilíbrio é tanto um benefício mútuo como uma responsabilidade partilhada para todo o ecossistema de informação.”