Meta прагне відхилити позов про авторські права на порнографію через звинувачення у навчанні ШІ

Meta звернулася до федерального суду США з проханням відхилити позов, який звинувачує її в незаконному скачуванні та розповсюдженні тисяч порнографічних відео для навчання своїх систем штучного інтелекту. Компанія подала клопотання про відхилення в понеділок до Окружного суду США для Північного округу Каліфорнії, стверджуючи, що немає жодних доказів того, що її моделі ШІ містять або були навчены на авторському дорослому матеріалі. Meta охарактеризувала звинувачення як “безглузді та безпідставні”, наполягаючи на тому, що ці твердження є абсолютно безпідставними.

Оригінальні звинувачення Strike 3 Holdings

Скарга була подана в липні компанією Strike 3 Holdings, яка базується в Майамі і представляє дорослі фільми під брендами такими як Vixen, Blacked та Tushy. Компанія звинуватила Meta у використанні як корпоративних, так і прихованих IP-адрес для торенту майже 2,400 її фільмів з 2018 року. Strike 3 стверджувала, що ці завантаження були частиною більш широких зусиль щодо створення мультимодальних систем штучного інтелекту, здатних обробляти візуальні та текстові дані.

Питання щодо масштабу та шаблону завантажень

Заява Meta спростовує логіку теорії Strike 3, вказуючи на невідповідності в масштабі та патерні нібито завантажених файлів. Згідно з судовими документами, лише 157 фільмів Strike 3 були нібито завантажені з використанням корпоративних IP-адрес Meta протягом семи років — в середньому близько 22 фільмів на рік по 47 адресах. Адвокат Meta Анджела Л. Даннінг охарактеризувала цю діяльність як “незначну, неузгоджену” і, ймовірно, роботу “різних осіб”, які завантажують контент для особистого використання, а не будь-які координовані корпоративні зусилля для збору навчальних даних для систем ШІ.

Спірні IP-адреси та відсутність доказів

Подання також оскаржує твердження Strike 3 про те, що Meta використовувала більше 2,500 прихованих або сторонніх IP-адрес. Meta стверджує, що позивачі не змогли підтвердити право власності на ці адреси і натомість покладалися на слабкі кореляції. Одна з IP-діапазонів, нібито пов'язана з Meta, насправді була зареєстрована на гавайську неприбуткову організацію, яка не мала зв'язку з компанією, тоді як інші взагалі не мали впізнаваного власника. Meta також стверджує, що не мала знань про будь-які ймовірні завантаження або можливості їх запобігання, підкреслюючи, що вона не отримала від них жодної вигоди і що постійний моніторинг мережі був би як технічно складним, так і юридично непотрібним.

Правові та стратегічні наслідки

Юридичні експерти стверджують, що стратегія захисту Meta, хоча й неконвенційна, може мати значну вагу. Дермот МакГрат, співзасновник венчурної капітальної компанії Ryze Labs, сказав Decrypt, що вибір Meta заперечити використання матеріалу взагалі дозволяє уникнути складнощів у доведенні добросовісного використання або розкритті внутрішніх процесів навчання. За словами МакГрата, визнання того, що такі дані були використані, змусило б Meta виправдати їх включення і відкрити свої системи штучного інтелекту для зовнішнього контролю.

Потенційна прогалина для майбутніх справ

МакГрат застеріг, що якщо суд прийме лінію захисту Meta, це може створити прецедент з далекосяжними наслідками. Рішення на користь Meta може створити лазівку, яка послабить захист авторських прав у майбутніх справах, пов'язаних з ШІ, ускладнюючи доведення корпоративного наміру або напрямку в використанні даних. Компанії можуть, в результаті, стати ще більш вправними в приховуванні своїх методів збору даних.

Законні використання явних матеріалів в ШІ

Незважаючи на суперечки, експерти визнають, що існують законні причини, чому компанії з штучного інтелекту можуть обробляти явний матеріал. Багато фірм розробляють інструменти безпеки та модерації, призначені для виявлення та блокування шкідливого або порнографічного контенту. МакГрат пояснив, що “червоні команди” штучного інтелекту часто тренують ці фільтри безпеки, використовуючи явні приклади, що дозволяє системам розпізнавати та запобігати генерації такого матеріалу. “Щоб створити ефективні фільтри безпеки,” зазначив він, “необхідно навчити ці фільтри на прикладах того, що ви намагаєтеся заблокувати.”