Проблема обучения больших языковых моделей и авторского права
Чат-боты и генераторы изображений, которые способны быстро создать контент, стали пользоваться большой популярностью с тех пор, как OpenAI запустила ChatGPT. Однако, некоторые эксперты высказывают опасения, что разработка более продвинутых моделей ИИ может существенно замедлиться из-за отсутствия новых высококачественных данных для дальнейшего обучения нейросетей.
Быстрый рост и возможности моделей ИИ вызвали вопросы об использовании ими существующих материалов для обучения без разрешения правообладателей.
Большая часть материала, который используется для разработки моделей генеративного ИИ, была получена из огромного количества веб-источников с использованием ботов и поисковых роботов, которые автоматически извлекают данные с сайтов. Автоматизированные запросы на контент, включая веб-скрейпинг1Веб-скрейпинг – это технология получения веб-данных путем извлечения их со страниц веб-ресурсов, запросы к API и массовые загрузки, выросли экспоненциально.
Этот рост стал проблемой для различных ресурсов, один из которых – Википедия. Онлайн-энциклопедия переживает значительный рост объема запросов, где большая часть трафика приходится на ботов-скрейперов. Они собирают данные в том числе для обучения больших языковых моделей.
С проблемами, связанными с обучением ИИ, столкнулись также работники творческой сферы – художники, аниматоры, писатели, музыканты.
В марте 2025 году большую популярность в мире обрела функция ChatGPT, которая позволяет пользователям создавать изображения в стиле аниме от Studio Ghibli, основанной японским режиссёром-аниматором Хаяо Миядзаки. По словам юристов по интеллектуальной собственности, с точки зрения законодательства такие продукты, как собственный генератор изображений GPT-4o, сегодня работают в «серой зоне». Генерируя изображения, похожие на фильмы студии Ghibli без их разрешения, OpenAI фактически не нарушает закон, так как стиль не защищён авторским правом. При этом юристы отмечают, что такого сходства OpenAI добились благодаря обучению своей модели на миллионах кадров из фильмов Studio Ghibli. Но несмотря на это, студии будет сложно выиграть дело о нарушении авторских прав. Хаяо Миядзаки называет распространение изображений, созданных ИИ, «оскорблением самой жизни».
В мае 2025 года известные британские деятели искусств, среди которых Пол Маккартни, Дуа Липа, Элтон Джон, Робби Уильямс (всего более 400 музыкантов, писателей и художников) подписали письмо в адрес премьер-министра Великобритании с призывом обеспечить защиту результата их творчества. Авторы требуют добиться пересмотра резонансного законопроекта, который позволяет разработчикам искусственного интеллекта получать доступ к защищенному авторскими правами контенту. Авторы просят премьер-министра поддержать поправку к законопроекту о данных (использовании и доступе), которая потребует от разработчиков прозрачности в отношении использования их материалов для обучения моделей ИИ. В противном случае, технологические компании продолжат использовать защищенные авторским правом работы без разрешения. Ранее депутаты парламента отклонили эту поправку.
Помимо этого, британские музыканты выпустили альбом под названием Is This What We Want? («Это то, что мы хотим?»). Альбом состоит из 12 записей из пустых студий и концертных залов, что символизирует влияние, которое окажет закон на заработок музыкантов. Из названий треков на обложке складывается фраза «Британское правительство не должно легализовать кражу музыки в целях получения выгоды компаниями, занимающимися искусственным интеллектом».
Если создатели контента стремятся к тому, чтобы поправка, которая потребует от разработчиков прозрачности по отношению к владельцам авторских прав относительно использования их материалов для обучения моделей ИИ была внесена, то корпорации, напротив, видят в ней угрозу. Так, OpenAI и Google выступили против законопроекта, когда Комитет по науке, инновациям и технологиям парламента запросил их позицию. Опасения корпораций состоят в том, что правообладатели смогут отказать им в праве использовать результаты авторского труда. Представители OpenAI считают, что создать эффективный ИИ, не нарушая при этом авторские права, невозможно. Эта позиция привела к тому, что OpenAI столкнулась с многочисленными судебными исками, в том числе со стороны таких СМИ, как The New York Times, обвинявших компанию в нарушении авторских прав. Представители Google в своем ответе подчеркнули, что обучение моделей ИИ в открытом Интернете должно быть бесплатным. По мнению корпорации, чрезмерные требования к прозрачности могут помешать развитию ИИ и повлиять на конкурентоспособность Великобритании в этой сфере. Стороны не смогли прийти к компромиссу, в июне 2025 года законопроект был возвращен на доработку.
Ранее Google и OpenAI призвали США противостоять попыткам иностранных правительств наложить обременительные обязательства по авторскому праву и прозрачности в план действий США в области ИИ. В планах США – сбалансировать потребности двух крупных отраслей: технологического и креативного секторов.
В свою очередь, крупные музыкальные компании Universal, Warner и Sony ведут переговоры о правах на музыку с ИИ-стартапами Udio и Suno, которые генерируют песни по запросу пользователя. Оба сервиса ранее подтверждали, что использовали для обучения моделей-ИИ контент, защищённый авторским правом.
BBC планирует подать в суд на Perplexity – компанию-разработчика в области искусственного интеллекта, чей чат-бот, по словам вещательной корпорации, дословно воспроизводит их контент без ее разрешения. BBC направила в Perplexity письмо с требованием немедленно прекратить использование их контента, удалить все имеющиеся материалы и предложить финансовую компенсацию за ранее использованные. Это первый случай, когда BBC, одна из крупнейших в мире новостных организаций, предприняла подобные действия против компании, занимающейся разработкой ИИ. В BBC также сослались на свое исследование, в котором установлено, что четыре популярных чат-бота на основе ИИ, включая Perplexity AI, неточно излагали новостные сюжеты.
В настоящее время суды рассматривают ряд исков об авторских правах в сфере ИИ. Уже упомянутая The New York Times и Daily News подали в суд на OpenAI за использование их работ для обучения своих моделей искусственного интеллекта без разрешения.
Американские писатели также утверждают, что Meta (запрещена в России) нарушила их права интеллектуальной собственности, используя их книги для обучения своих моделей Llama, причем компания удалила информацию об авторских правах из наборов данных, чтобы скрыть их предполагаемое нарушение. Адвокаты истцов утверждают, что Марк Цукерберг дал разрешение на использование датасетов на основании пиратских копий электронных книг и статей для обучения. Meta в ответ заявила, что это обучение квалифицируется как добросовестное использование, обусловленное правовой доктриной США, которая позволяет использовать защищенные авторским правом работы для создания чего-то принципиально нового. Суд установил, что в корпоративных чатах работники Meta обсуждали, что для обучения моделей уже недостаточно собственных наборов данных Meta, которые они получают из текстов из Facebook и Instagram (запрещены в России), а также при транскрибации имеющихся там материалов. В компании стремятся найти новые наборы данных. В Meta объявили, что готовится обучать ИИ на данных пользователей своих приложений в ЕС. Компания говорит, это касается публикаций совершеннолетних пользователей, их комментариев и истории чатов с Meta AI, но не включает личные сообщения. Компания заявляет, что уведомит пользователей и предоставит им возможность отказаться от использования их текстов.
В то же время ирландская служба по надзору за данными начала расследование в отношении социальной медиа-платформы Илона Маска X в связи с обработкой сообщений европейских пользователей с целью обучения ее модели искусственного интеллекта Grok. Закон ЕС об искусственном интеллекте, который включает различные правила и требования по регулированию технологий, вступил в силу в прошлом году.
Помимо этого, ходе судебных разбирательств выяснилось, что Google снабжает свой ИИ-бот Gemini более качественными данными, чем конкурентов, которые пользуются платной услугой «Grounding with Google Search». С мая 2024 года Google предлагает эту услугу в рамках своей платформы для разработчиков приложений Vertex AI. Функция позволяет получать более точные и актуальные ответы от моделей Gemini с помощью поисковой системы Google. С ее помощью модели ИИ могут проверять веб-результаты Google в рамках генерации ответа для повышения его точности. «Grounding with Google Search» подключает модель Gemini к веб-контенту в реальном времени , что позволяет предоставлять более точные ответы, ссылаться на проверяемые источники за пределами знаний модели и снизить количество галлюцинаций в ответах ИИ. Согласно судебным документам, в настоящее время этой услугой пользуются более десятка компаний. Отвечая на вопросы в суде, юрист Google признал наличие разницы между качеством данных, которые получают компании, и теми, которые использует Gemini.
В июне 2025 года суд встал на сторону Anthropic в деле об авторских правах. Суд постановил, что обучение моделей ИИ на законно приобретенных книгах без разрешения на то авторов является добросовестным использованием. Речь идет о законно приобретенных и оцифрованных Anthropic физических книгах. Решение суда не объясняет, нарушают ли результаты работы модели ИИ авторские права, что является предметом обсуждения в других связанных делах. Это первое в своем роде решение в пользу индустрии ИИ, оно может повлиять на то, как суды будут реагировать на дела об авторских правах на ИИ в будущем.
- 1Веб-скрейпинг – это технология получения веб-данных путем извлечения их со страниц веб-ресурсов
