キーポイント
主要なAI開発者は、一般に利用可能なAIのトレーニングデータのソースを使い果たしている。
ニューヨーク・タイムズ紙は、グーグルとOpenAIがYouTubeの動画を書き写し、学習データを作成していると報じている。
一方、MetaはOpenAIに追いつくため、著作権保護された素材を使用するポリシーを変更したと報じられている。
現代のAI開発者にとって、高品質のトレーニングデータはますます希少なリソースになりつつある。現在、この分野の大手企業の中には、基礎モデルの訓練に使用できる人間が作成したテキストを新たに調達するために、ますます怪しげな手段に走っているところもある。
ニューヨーク・タイムズ』紙が引用した企業関係者によると、OpenAIとグーグルの両社は、新たな学習データを生成するためにYouTube動画の書き写しを始めたという。この疑惑が事実であれば、著作権所有者とAI開発者の間の戦争に新たなフロンティアが開かれることになる。
次のAI著作権争い？
AI著作権法の分野はまだ初期段階にあるが、現在進行中のいくつかの訴訟では、著作権所有者（ニューヨーク・タイムズ紙を含む）と、AIモデルのデータに対する飽くなき欲求を満たすために知的財産を利用した企業との間で争いが起きている。
一方では、著作者、出版社、芸術家、音楽家などの著作権所有者が、支払いや同意なしに知的財産を使用することは著作権侵害にあたると主張している。
一方、AI開発者たちは、トレーニングはフェアユースであり、著作権法は一般に利用可能なリソースを使用することを妨げないと主張している。
現在、YouTubeの動画がAIのトレーニングデータとして利用されているというニュースは、さらに別のメディアを巻き込み、何がフェアユースとみなされるかという新たな問題を提起している。
著作権の不確実性にもかかわらず前進する企業
YouTubeを新たな学習データ源とする以前から、AI開発者たちは弁護士から、著作権で保護された素材を使用すると訴訟を起こされる可能性があると忠告されていた。
グーグル、OpenAI、Metaの間では、知的財産の窃盗を告発する訴訟がすでに何十件も起こされている。
それにもかかわらず、開発者たちは裁判所がこの問題に関して明確な判例を出すのを待たず、たとえ訴訟に直面することになったとしても、インターネット全体から著作権で保護されたデータを集めることに邁進することを選んだ。
Timesによると、Metaは当初、著作権で保護された素材をトレーニングデータとして使用することに抵抗していたが、OpenAIがそれを行っていることが明らかになったため、方針を変更したという。
グローバル・パートナーシップ＆コンテンツ担当バイス・プレジデントのニック・グルーディンは、ある会合で、「ChatGPTほど優秀になるのを妨げているのは、文字通りデータ量だけだ」と語ったという。そのため、Metaは「市場の前例」となっている同業他社に追随するべきだと彼は付け加えた。
開発者はトレントサイトを利用する
トレーニングデータのソースとして最も物議を醸しているのは、Library Genesisのような違法なファイル共有プラットフォームからダウンロードされた膨大な蔵書だろう。
一般のアメリカ人にとって、著作権で保護された書籍をトレントすることは違法だ。しかし、AI開発者たちは、torrentサイトで利用可能な膨大なテキスト・ライブラリーを受け入れている。
例えば、Nvidiaは現在、bibliotik BitTorrentトラッカーからダウンロードされた196,640冊の書籍からなるBooks3として知られるデータセットの使用をめぐって訴えられている。
Books3はまた、コメディアンのサラ・シルバーマンやマイケル・チャボンを含む作家グループがメタ社を相手取って起こした同様の訴訟の渦中にもある。
タイムズ』紙によると、メタ社は当初、著作権で保護された素材を学習データとして使用することに抵抗していたが、オープンAIがそれを行っていることが明らかになったため、方針を転換したという。
「ChatGPTほど優秀になるのを妨げているのは、文字通りデータ量だけだ」と、グローバル・パートナーシップ＆コンテンツ担当副社長のニック・グルーディンはある会議で語った。
OpenAIは著作権で保護された素材を利用しているようで、Metaはこの「市場の前例」に従う可能性がある、と彼は付け加えた。
