توافق تاریخی آنتروپیک در پرونده حق تکثیر نویسندگان به ارزش ۱.۵ میلیارد دلار؛ ایجاد اولین مدل حق امتیاز برای هوش مصنوعی

آنتروپیک (Anthropic) توافق ۱.۵ میلیارد دلاری با ائتلاف بزرگی از نویسندگان، ناشران و سازمان‌های رسانه‌ای را نهایی کرد و به مهم‌ترین مناقشه حق تکثیر در عصر هوش مصنوعی مولد پایان داد. این توافق که روز پنجشنبه در دادگاه فدرال ثبت شد، یک چارچوب جامع جبران خسارت برای خالقانی ایجاد می‌کند که آثار دارای حق تکثیرشان در داده‌های آموزشی مدل‌های زبان بزرگ سری کلاد (Claude) جذب شده بود. این اقدام نشان‌دهنده یک جدایی قطعی از بقیه صنعت هوش مصنوعی است که سال‌ها برای دفاع از جمع‌آوری غیرمجاز داده‌ها از اینترنت به سختی مبارزه می‌کردند.[1][4]

تحلیلگران حقوقی و مدیران صنعت از هم‌اکنون این توافق را «لحظه ناپستر (Napster)» هوش مصنوعی توصیف می‌کنند. همانطور که صنعت موسیقی از اشتراک‌گذاری غیرمجاز فایل در اوایل دهه ۲۰۰۰ به مدل پخش مجوزدار اسپاتیفای و اپل موزیک تغییر یافت، بخش هوش مصنوعی نیز اکنون مجبور است رابطه خود را با خالقانی که داده‌هایشان محصولات آن را تغذیه می‌کند، رسمی کند. آنتروپیک با ورود داوطلبانه به این چارچوب، شرط می‌بندد که یک مدل قانونی و مجوزدار در نهایت بر ابهام قانونی که در حال حاضر این فضا را تعریف می‌کند، پیروز خواهد شد.[2][3]

این توافق به دو سازوکار مالی مجزا تقسیم می‌شود. اولین مورد، یک صندوق جبران خسارت گذشته‌نگر ۴۰۰ میلیون دلاری است که برای پرداخت به نویسندگان بابت استفاده تاریخی از کتاب‌ها، مقالات و نوشته‌هایشان در آموزش مدل‌های کلاد ۱ تا کلاد ۳.۵ طراحی شده است. ۱.۱ میلیارد دلار باقیمانده، ارزش پیش‌بینی شده یک قرارداد مجوزدهی آینده‌نگر را نشان می‌دهد که ۱.۲ درصد حق امتیاز از درآمد سازمانی آنتروپیک را طی پنج سال آینده برای ائتلاف تضمین می‌کند. این ساختار دوگانه تضمین می‌کند که خالقان هم بابت نقض‌های گذشته غرامت دریافت کنند و هم سهمی در مزایای آتی این فناوری داشته باشند.[1][6]

برای بخش گسترده‌تر فناوری، پیامدهای این توافق بسیار عظیم است. تا کنون، آزمایشگاه‌های پیشرو هوش مصنوعی عمدتاً بر دکترین حقوقی «استفاده منصفانه» تکیه کرده‌اند و استدلال می‌کردند که آموزش یک شبکه عصبی یک عمل تحول‌آفرین است که نیازی به مجوز یا اجازه ندارد. آنتروپیک با انتخاب توافق به جای پیگیری دفاع از استفاده منصفانه تا دیوان عالی، عملاً عقب‌نشینی کرده و قطعیت قانونی را بر یک نبرد حقوقی طولانی و حیاتی که می‌توانست منجر به دستور حذف کامل مدل‌هایش شود، اولویت داده است.[4][7]

مکانیسم‌های پرداخت نشان‌دهنده یک پیشرفت لجستیکی بزرگ است. این توافق ایجاد «مرکز تسویه متون مولد» (Generative Text Clearinghouse یا GTC) را الزامی می‌کند؛ یک نهاد مستقل که از سازمان‌های حقوق موسیقی مانند ASCAP و BMI الگوبرداری شده است. نویسندگان و ناشران آثار دیجیتال خود را در GTC ثبت خواهند کرد، و این مرکز از هش‌گذاری رمزنگاری شده برای تطبیق آن متون با مجموعه‌داده‌هایی که آنتروپیک به صورت محرمانه افشا کرده است، استفاده خواهد کرد. این زیرساخت به عنوان سیستم عصبی مرکزی برای اقتصاد جدید داده‌های هوش مصنوعی عمل خواهد کرد.[3]

غرامت به طور مساوی بین تمام متون جمع‌آوری شده توزیع نخواهد شد. GTC از یک الگوریتم وزن‌دهی شده استفاده خواهد کرد تا تعیین کند یک متن خاص چقدر بر وزن‌های نهایی مدل تأثیر گذاشته است. متون با کیفیت بالا و حاوی اطلاعات متراکم—مانند مقالات علمی داوری شده، آثار غیرداستانی با تحقیقات عمیق، و ادبیات تحسین شده—در مقایسه با محتوای عمومی وب، آثار مالکیت عمومی، یا پست‌های وبلاگی بهینه‌سازی شده برای سئو، سهم بیشتری در هر توکن دریافت خواهند کرد.[2]

این توزیع وزن‌دهی شده یکی از پایدارترین چالش‌های فنی در حق تکثیر هوش مصنوعی را حل می‌کند: اثبات آسیب و تعیین ارزش. از آنجایی که مدل‌های زبان بزرگ نسخه‌های دقیق کتاب‌ها را ذخیره نمی‌کنند، بلکه روابط آماری بین کلمات را یاد می‌گیرند، محاسبه خسارات سنتی حق تکثیر در گذشته دشوار بود. چارچوب GTC با در نظر گرفتن داده‌های آموزشی به عنوان یک ورودی مواد خام، این مانع را دور می‌زند و به تأمین‌کنندگان بر اساس حجم، کیفیت و کاربرد مواد ارائه شده به شبکه عصبی پرداخت می‌کند.[6]

انجمن نویسندگان (Authors Guild)، که پیشگام طرح دعوی‌های جمعی حق تکثیر بود، این توافق را به عنوان یک پیروزی بزرگ برای خلاقیت انسانی ستود. این سازمان در بیانیه‌ای که روز پنجشنبه منتشر شد، تأکید کرد که این توافق ثابت می‌کند پیشرفت فناوری نیازی به استثمار سیستماتیک نویسندگان ندارد. آنها اشاره کردند که ساختار حق امتیاز تضمین می‌کند نویسندگان در مزایای مالی سهیم خواهند بود، زیرا مدل‌های هوش مصنوعی عمیق‌تر در اقتصاد جهانی ادغام می‌شوند و هوش مصنوعی را از یک تهدید وجودی به یک جریان درآمد جدید تبدیل می‌کنند.[4]

تصمیم آنتروپیک برای توافق احتمالاً ناشی از آسیب‌پذیری‌ها و نقاط قوت منحصر به فرد مدل کسب‌وکارش بوده است. به عنوان شرکتی که صراحتاً خود را بر اساس ایمنی، همسویی و مسئولیت‌پذیری شرکتی بازاریابی می‌کند، درگیر شدن در یک جنگ حقوقی تمام‌عیار با محبوب‌ترین نویسندگان جهان، به یک مسئولیت شدید برای شهرت تبدیل شده بود. علاوه بر این، مشتریان سازمانی—که بخش عمده درآمد آنتروپیک را تشکیل می‌دهند—به طور فزاینده‌ای قبل از استقرار کلاد در سیستم‌های داخلی شرکت خود، خواستار تضمین‌های سختگیرانه در برابر ادعاهای حق تکثیر بوده‌اند.[1][6]

آنتروپیک با پاک کردن سابقه حقوقی خود، اکنون می‌تواند به مشتریان سازمانی خود تضمین قطعی دهد که مدل‌هایش از نظر قانونی سازگار هستند. انتظار می‌رود این وضعیت «پاک» به یک مزیت رقابتی بزرگ در بازار نرم‌افزار سازمانی تبدیل شود، جایی که شرکت‌های فورچون ۵۰۰ (Fortune 500) ریسک‌گریز، بانک‌ها و ارائه‌دهندگان خدمات درمانی به دلیل نگرانی‌های باقی‌مانده در مورد مالکیت فکری، از پذیرش کامل هوش مصنوعی مولد تردید داشته‌اند. آنتروپیک اساساً ۱.۵ میلیارد دلار می‌پردازد تا سودآورترین بخش اقتصاد فناوری را باز کند.[2][6]

این توافق فشار زیادی بر رقبای اصلی آنتروپیک، به ویژه اوپن‌ای‌آی (OpenAI) و گوگل (Google)، وارد می‌کند. هر دو شرکت در حال حاضر با دعوی‌های مشابه نقض حق تکثیر مبارزه می‌کنند و تاکنون از پذیرش ایده یک مدل حق امتیاز فراگیر خودداری کرده‌اند. کارشناسان حقوقی معتقدند که تمایل آنتروپیک به پرداخت، یک استاندارد جدید صنعتی ایجاد می‌کند و استدلال سایر آزمایشگاه‌ها در دادگاه مبنی بر اینکه مجوزدهی داده‌های آموزشی از نظر مالی یا فنی غیرممکن است را به طور قابل توجهی دشوارتر می‌سازد.[4][7]

اوپن‌ای‌آی، به ویژه، با یک معضل استراتژیک مخاطره‌آمیز روبرو است. این شرکت قبلاً در پرونده‌های حقوقی اظهار داشته بود که آموزش مدل‌های هوش مصنوعی پیشرفته بدون تکیه بر مواد دارای حق تکثیر غیرممکن است و استدلال می‌کرد که یک رژیم مجوزدهی سختگیرانه عملاً توسعه هوش مصنوعی در ایالات متحده را متوقف خواهد کرد. آنتروپیک اکنون به طور تجربی این ادعا را رد کرده و نشان داده است که یک آزمایشگاه پیشرو می‌تواند هم داده‌های خود را مجوز دهد و هم عملکرد پیشرفته خود را حفظ کند.[3][7]

با این حال، گذار به اقتصاد داده‌های مجوزدار، چالش‌های جدی برای جامعه هوش مصنوعی متن‌باز (Open-Source) ایجاد می‌کند. در حالی که یک شرکت با بودجه سنگین مانند آنتروپیک می‌تواند ۱.۵ میلیارد دلار توافق و هزینه‌های حق امتیاز جاری را تحمل کند، محققان مستقل، مؤسسات دانشگاهی و توسعه‌دهندگان مدل‌های با وزن آزاد نمی‌توانند. این نگرانی فزاینده وجود دارد که چارچوب GTC ناخواسته قدرت هوش مصنوعی را در میان ابرشرکت‌های معدودی که توانایی پرداخت این عوارض را دارند، متمرکز کند.[5][7]

برای رسیدگی به این اصطکاک، این توافق شامل یک بند استثنا برای تحقیقات غیرتجاری است. GTC مجوزهای داده رایگان و محدود را به مؤسسات دانشگاهی معتبر و سازمان‌های غیرانتفاعی ارائه خواهد داد، مشروط بر اینکه مدل‌های حاصله تجاری‌سازی نشوند یا برای استفاده سازمانی تجاری به کار گرفته نشوند. اگرچه این امر از تحقیقات علمی پایه محافظت می‌کند، اما برای محافظت از پروژه‌های متن‌باز تجاری در برابر دعوی‌های آتی کار چندانی انجام نمی‌دهد و بخش قابل توجهی از اکوسیستم توسعه‌دهندگان را در بلاتکلیفی قانونی رها می‌کند.[5]

اجرای فنی این توافق ماه‌ها طول خواهد کشید تا نهایی شود. آنتروپیک موافقت کرده است که تحت حسابرسی شخص ثالث قرار گیرد تا تأیید شود که آموزش‌های آتی آن به شدت به شرایط مجوزدهی GTC پایبند هستند. این امر مستلزم توسعه ابزارهای جدید منشأ داده (data-provenance) است که قادر به ردیابی منشأ هر توکنی باشند که به مدل وارد می‌شود؛ قابلیتی که صنعت در گذشته فاقد آن بوده اما اکنون برای ساخت آن شتاب گرفته است.[1][6]

در نهایت، توافق آنتروپیک نشان‌دهنده پایان دوران «غرب وحشی» صنعت هوش مصنوعی مولد است. این فرض که اینترنت یک مخزن رایگان و نامحدود از داده‌های آموزشی است، از نظر قانونی و مالی از بین رفته است. در حالی که گرد و غبار فرو می‌نشیند، اکنون تمرکز بر این است که بقیه صنعت با چه سرعتی این استاندارد جدید حق امتیاز را خواهند پذیرفت و آیا وعده یک اکوسیستم هوش مصنوعی پایدار و مجوزدار می‌تواند واقعاً تعادل را بین خالقان انسانی و هوش ماشینی برقرار کند.[2][4]