Anthropic యొక్క $1.5 బిలియన్ల పైరసీ సెటిల్‌మెంట్: ఒక రికార్డు స్థాయి నష్టం మరియు వ్యూహాత్మక విజయం

తన మోడల్స్‌ను శిక్షణ ఇవ్వడానికి పైరేటెడ్ డేటాబేస్‌లను ఉపయోగించారనే ఆరోపణల నేపథ్యంలో, Anthropic పుస్తక రచయితల బృందంతో చారిత్రాత్మకమైన $1.5 బిలియన్ల సెటిల్‌మెంట్‌కు చేరుకుంది. ఈ భారీ చెల్లింపు ఆర్థికంగా పెద్ద దెబ్బ అయినప్పటికీ, ఈ కేసులోని చట్టపరమైన అంశాలు 'ఫెయిర్ యూజ్' (fair use) పరంగా విస్తృతమైన AI పరిశ్రమకు ఒక ముఖ్యమైన విజయాన్ని అందించవచ్చు.

రికార్డు స్థాయి సెటిల్‌మెంట్‌కు సంబంధించిన వివరాలు

2021 మరియు 2022 మధ్య కాలంలో Anthropic, LibGen మరియు PiLiMi వంటి ప్రసిద్ధ పైరసీ డేటాబేస్‌ల నుండి పుస్తకాలను డౌన్‌లోడ్ చేసిందనే ఆధారాలు బయటపడిన తర్వాత, శాన్ ఫ్రాన్సిస్కోలోని ఫెడరల్ కోర్టు ఈ చారిత్రాత్మక సెటిల్‌మెంట్‌ను ఆమోదించింది. ఈ సెటిల్‌మెంట్ పరిధి సుమారు 482,460 జాబితా చేయబడిన రచనలను కవర్ చేస్తోంది, ఇది క్లాస్ యాక్షన్ చరిత్రలో ఎన్నడూ లేని విధంగా ఉంది.

మొత్తం రచనలలో, 91.3 శాతం రచయితల ద్వారా విజయవంతంగా క్లెయిమ్ చేయబడ్డాయి. ప్రతి క్లెయిమెంట్‌కు సుమారు $3,000 లభిస్తుంది, ఇది చట్టబద్ధమైన కనిష్ట మొత్తం కంటే నాలుగు రెట్లు ఎక్కువ. ఈ చట్టపరమైన పరిష్కారం లో భాగంగా, ఆ కాలంలో ఉపయోగించిన పైరేటెడ్ ఫైళ్లను నాశనం చేయాలని Anthropic ఆదేశించబడింది. ముఖ్యంగా, ఈ సెటిల్‌మెంట్ కంపెనీకి పూర్తి మినహాయింపు ఇవ్వదు; ఒకవేళ AI అవుట్‌పుట్‌లు అసలు రచనలను తిరిగి ఉత్పత్తి చేసినా లేదా Anthropic యొక్క భవిష్యత్తు డేటా సేకరణ పద్ధతులు కాపీరైట్ చట్టాలను ఉల్లంఘించినా, క్లెయిమ్ చేసే హక్కు రచయితలకు ఉంటుంది.

AI అభివృద్ధికి అనుకూలమైన ఒక సాంకేతిక అంశం

$1.5 బిలియన్ల భారీ మొత్తాన్ని చెల్లించాల్సి వచ్చినప్పటికీ, ఈ కేసు ద్వారా ఏర్పడిన చట్టపరమైన ఉదాహరణ AI ల్యాబ్‌లకు ఆశ్చర్యకరంగా అనుకూలంగా ఉంది. ఈ సెటిల్‌మెంట్ కేవలం పైరేటెడ్ వనరులను ఉపయోగించడాన్ని మాత్రమే పరిగణనలోకి తీసుకుంది, కానీ AI శిక్షణ యొక్క చట్టబద్ధతపై నిర్ణయం చెప్పలేదు.

జడ్జి ఆల్సప్ గతంలోనే ఒక కీలకమైన తేడాను స్పష్టం చేశారు: చట్టబద్ధంగా పొందిన పుస్తకాలపై AIకి శిక్షణ ఇవ్వడం అనేది "పరివర్తనాత్మకమైనది (transformative)—అత్యంత అద్భుతమైనది"—మరియు ఇది 'ఫెయిర్ యూజ్' సిద్ధాంతం కిందకు వస్తుంది. OpenAI, Google మరియు Meta వంటి కంపెనీలకు ఈ తేడా చాలా కీలకం. డేటా యొక్క మూలం (పైరసీ vs చట్టబద్ధమైన సేకరణ) బాధ్యతగా ఉన్నప్పటికీ, భాష మరియు నమూనాలను అర్థం చేసుకోవడానికి మోడల్‌కు శిక్షణ ఇచ్చే ప్రక్రియ చట్టపరంగా సమర్థించదగినదని ఇది సూచిస్తుంది.

మాస్ స్క్రాపింగ్ (Mass Scraping) యొక్క పరిష్కారం కాని సవాళ్లు

భారీ డేటాసెట్‌లపై శిక్షణ పొందిన ల్యాబ్‌లకు ఈ తీర్పు ఊరటనిచ్చినప్పటికీ, "చట్టబద్ధమైన సేకరణ" (legal acquisition) పై చట్టపరమైన పోరాటం ఇంకా ముగియలేదు. వెబ్‌సైట్ యజమానుల స్పష్టమైన అనుమతి లేకుండా ఇంటర్నెట్ కంటెంట్‌ను మాస్ స్క్రాపింగ్ చేయడం అనేది చట్టబద్ధమైన సేకరణనా లేక కాపీరైట్ ఉల్లంఘనా? అనేదే ప్రధాన ప్రశ్నగా మిగిలిపోయింది.

ఈ సెటిల్‌మెంట్ AI పరిశ్రమ ఎదుర్కొంటున్న రెండు వైపుల చట్టపరమైన వాస్తవికతను తెలియజేస్తుంది. తమ డేటా పైప్‌లైన్‌ల నుండి పైరేటెడ్ రిపోజిటరీలను తొలగించడం ద్వారా కంపెనీలు భారీ జరిమానాలను నివారించవచ్చు, కానీ వెబ్ ప్రచురణకర్తలు మరియు కంటెంట్ సృష్టికర్తల హక్కుల విషయంలో అవి ఇంకా అనిశ్చిత స్థితిలోనే ఉన్నాయి. AI ల్యాబ్‌లు విస్తరిస్తున్న కొద్దీ, సాంకేతిక పురోగతి మరియు మేధో సంపత్తి హక్కుల మధ్య నెలకొన్న ఉద్రిక్తత ఈ పరిశ్రమ ఎదుర్కొనే అతిపెద్ద చట్టపరమైన అడ్డంకిగా కొనసాగుతుంది.

ముఖ్య అంశాలు

• రికార్డు స్థాయి చెల్లింపు: LibGen వంటి పైరేటెడ్ డేటాబేస్‌లను ఉపయోగించినందుకు Anthropic రచయితలకు $1.5 బిలియన్లు చెల్లిస్తుంది, ఇది క్లాస్ యాక్షన్ చరిత్రలో అతిపెద్ద కాపీరైట్ సెటిల్‌మెంట్.
• ఫెయిర్ యూజ్ ఉదాహరణ: చట్టబద్ధంగా పొందిన డేటాపై AIకి శిక్షణ ఇవ్వడం "అత్యంత పరివర్తనాత్మకమైనది" అని కోర్టు ధృవీకరించింది, ఇది చట్టబద్ధమైన AI శిక్షణకు ఒక పెద్ద చట్టపరమైన రక్షణ కవచాన్ని అందిస్తుంది.
• డేటా సమగ్రత కీలకం: AI శిక్షణ యొక్క చట్టబద్ధత అనేది శిక్షణ ప్రక్రియ కంటే, శిక్షణ కోసం ఉపయోగించే డేటా యొక్క మూలం (provenance) పైనే ఆధారపడి ఉంటుందని ఈ తీర్పు నొక్కి చెబుతోంది.