Mark Zuckerberg aprovou o uso de livros piratas para treinar Meta AI, mesmo depois de sua equipe alertar que o material foi obtido ilegalmente, afirma um grupo de autores em um processo judicial recente.
A reclamação decorre de uma ação por violação de direitos autorais movida no tribunal federal da Califórnia em julho de 2023 por um grupo de autores que inclui os comediantes Sarah Silverman, Christopher Golden e Richard Kadri. O grupo afirma que Mehta usou indevidamente seus livros para treinar Llama LLMs, e eles estão buscando indenização e uma liminar para impedir Mehta de usar o trabalho. O juiz do caso rejeitou a maioria das reivindicações dos autores em Novembro, mas estas reivindicações recentes poderiam dar nova vida ao debate jurídico.
“Apesar das preocupações da equipe executiva de IA da Meta (e de outros membros da Meta) de que LibGen é um ‘conjunto de dados pirata conhecido’, o CEO da Meta, Mark Zuckerberg, disse que a Meta autorizou o uso do conjunto de dados LibGen”, disseram os advogados dos demandantes em um arquivamento quarta-feira. Apesar dessas bandeiras vermelhas, Zuckerberg deu à equipe de IA da Meta luz verde para prosseguir com seu uso “após a escalada”, alega o processo. Conjunto de dados controverso.
Um representante da Meta não respondeu imediatamente. descriptografiaEste é um pedido de comentário de .
LibGen (abreviação de Library Genesis) é uma plataforma online que fornece acesso gratuito a livros, artigos acadêmicos, teses e outras publicações sem o devido cumprimento das leis de direitos autorais. Ela funciona como uma “biblioteca paralela” e disponibiliza esses materiais sem permissão do editor ou detentor dos direitos autorais. Atualmente hospeda mais de 33 milhões de livros e 85 milhões de artigos.
A ação alega que Meta tentou manter o assunto em segredo até o último momento. Apenas duas horas antes do prazo de divulgação de 13 de dezembro de 2024, a empresa destruiu o que os demandantes descreveram como “alguns dos documentos internos mais incriminatórios já produzidos”.
Os metaengenheiros pareciam desconfortáveis com o plano, de acordo com documentos judiciais. O grupo de autores disse que havia mensagens internas indicando que os engenheiros da Meta estavam hesitantes em baixar material pirata, incluindo uma que dizia que era “apropriado fazer torrent de um laptop corporativo (de propriedade da Meta)”. No entanto, eles não apenas baixaram os livros, mas também removeram sistematicamente informações de direitos autorais em preparação para o treinamento em IA, alega o processo.
Os últimos processos judiciais mostram que as empresas estão bem conscientes dos riscos. Um memorando interno alertou que “relatórios da mídia sugerindo que usamos conjuntos de dados sabidamente piratas, como o LibGen, poderiam minar nossa posição de negociação com os reguladores”. ” Mesmo assim, a Meta continuou, baixando e distribuindo (ou “semeando”) conteúdo pirata por meio de sua rede de torrent até janeiro de 2024, de acordo com o processo.
Quando questionado sobre essas atividades em um depoimento, Zuckerberg pareceu se distanciar da decisão, dizendo que tal violação de direitos autorais levanta “muitas bandeiras vermelhas” e que “é uma coisa ruim, posso ver”, testemunhou.
Documentos judiciais também sugerem que a abordagem da Meta para lidar com informações protegidas por direitos autorais prestou mais atenção ao treinamento de modelos do que às regras de direitos autorais. De acordo com o processo, um engenheiro “filtrou linhas de direitos autorais e outros dados da LibGen (…) e preparou uma versão em tira CMI para treinar Llama”. Esta remoção sistemática de informações de direitos autorais poderia fortalecer as alegações dos autores de que a Meta tentou intencionalmente ocultar o uso de material pirata.
A revelação chega num momento crucial para as ambições de IA da Meta. A empresa está trabalhando duro para competir com OpenAI e Google no espaço de IA, com Llama 3.2 sendo o LLM de código aberto mais popular e Meta AI sendo um forte concorrente gratuito do ChatGPT com recursos semelhantes.
A maioria dessas empresas de IA enfrenta batalhas legais devido a práticas questionáveis quando se trata de treinar modelos linguísticos em grande escala. Meta já foi processado por violação de direitos autorais por outro grupo de autores, OpenAI está atualmente enfrentando outro processo sobre treinamento LLM usando material protegido por direitos autorais, e Anthropic também está sendo processado por violação de direitos autorais. Ele enfrenta outras acusações de autores e compositores.
Mas os empreendedores e criadores de tecnologia em geral estão em pé de guerra desde que a IA generativa explodiu em popularidade. Atualmente, existem dezenas de ações judiciais diferentes contra empresas de IA que usam ativamente material protegido por direitos autorais para treinar seus modelos. Mas, como a maioria das coisas de ponta, teremos que esperar e ver o que os tribunais dizem sobre tudo isso.
geralmente inteligente Boletim informativo
Uma jornada semanal de IA contada por Gen, um modelo generativo de IA.
