రచయితల సంఘం, ఇతర పుస్తక రచయితల తరఫున వాదిస్తున్న పక్షాలు, కాపీరైట్ ఉన్న పుస్తకాలను OpenAI ఎలా సంపాదించిందో, తర్వాత వాటితో ఏమి చేసిందో వేర్వేరుగా పరిశీలించాలని ఫెడరల్ న్యాయమూర్తిని కోరుతున్నాయి. సెప్టెంబర్ 17న బహిరంగమైన వారి దాఖలాలు, మోడల్ శిక్షణలో ఉపయోగించిన పుస్తక సేకరణలకు మూలమైన Library Genesis గురించి అంతర్గత చర్చలను వివరిస్తూ, పుస్తకాలను డౌన్‌లోడ్ చేయడం, శిక్షణలో వాడడం, ప్రతులను బదిలీ చేయడం—ప్రతి చర్యకూ విడిగా కాపీరైట్ విశ్లేషణ అవసరమని వాదిస్తున్నాయి.

OpenAI ఈ విధానాన్ని వ్యతిరేకిస్తోంది. అదే రోజు సవరించి దాఖలు చేసిన తన పత్రంలో, పుస్తకాలను సేకరించడం, మోడళ్లకు శిక్షణ ఇవ్వడం న్యాయబద్ధ వినియోగం కింద రక్షణ పొందే ఒకే పరివర్తనాత్మక ప్రయోజనానికి సేవ చేశాయని వాదించింది. ఈ పరస్పర విరుద్ధ అభ్యర్థనలు న్యూయార్క్‌లో న్యాయమూర్తి Sidney H. Stein ఎదుట ఉన్నాయి. సెప్టెంబర్ 24 ఉత్తర్వు వాదనల సమర్పణ షెడ్యూల్‌ను పొడిగించింది; కాపీరైట్ వివాదంపై నిర్ణయం ఇవ్వలేదు. (రచయితల పక్షం వాదన పత్రం, OpenAI వాదన పత్రం, వాదనల షెడ్యూల్ ఉత్తర్వు)

ముఖ్యమైన మార్పు

  • ఏం మారింది: తాము సవాలు చేస్తున్న పుస్తకాల సేకరణ నిర్ణయాలపై మరింత పూర్తి బహిరంగ వివరణను ఇప్పుడు రచయితలు పాఠకులకు చూపగలరు. శిక్షణ పుస్తకాలు ఎక్కడి నుంచి వచ్చాయి, వాటిని కంపెనీలు ఎలా నిర్వహించాయి అనే వివాదంలోని మరిన్ని వివరాలను సెప్టెంబర్ దాఖలాలు బయటపెట్టాయి.
  • ఇది ఎందుకు ముఖ్యం: పరిహారం కోరుతున్న రచయితలకు, పుస్తకాల వినియోగాన్ని సమర్థిస్తున్న డెవలపర్లకు, శిక్షణపై న్యాయపరమైన దృక్పథంతో పాటు పుస్తకాల సేకరణను ఎలా పరిగణిస్తారన్నదీ ముఖ్యం. మోడల్ ప్రయోజనం ముందుగా చేసిన ప్రతులను సమర్థించగలదా అనే అంశంపై పక్షాలు విభేదిస్తున్నాయి.
  • ఏమి గమనించాలి: తదుపరి వాదన పత్రాలు ఈ న్యాయపరమైన వాదనతో పాటు రచయితలకు కలిగిన నష్టం గురించి ఉన్న ఆధారాలను కూడా సవాలు చేస్తాయి. ఏ ఆధారాన్ని న్యాయమూర్తి అనుమతిస్తారు, ఏ వినియోగాలను విడివిడిగా పరిశీలిస్తారు అన్నది విచారణ లేకుండానే పరిష్కరించగల వాదనలను నిర్దేశిస్తుంది.

బహిరంగ రికార్డులో Books1, Books2

సెప్టెంబర్ 17 పత్రాలు సంక్షిప్త తీర్పు కోసం సమర్పించిన అభ్యర్థనలు, వాస్తవాల ప్రకటనల మరింత పూర్తి బహిరంగ సంచికలు. ఏ పక్షమూ లేదా మూడో పక్షమూ కొనసాగుతున్న రహస్యత కోరని విషయాల్లో, ముఖ్యమైన భాగాలను తొలగించకుండా తమ వాదన పత్రాలు, వాస్తవాల ప్రకటనలను మళ్లీ దాఖలు చేయాలని కోర్టు సెప్టెంబర్ 3 రహస్యత ఉత్తర్వు ఆదేశించింది. కొన్ని భాగాలు ఇంకా నల్లగా కప్పి ఉంచబడ్డాయి.

రచయితల సంఘం సెప్టెంబర్ 21న విడుదల చేసిన వివరణ ఆ రెండు పత్రాలపై దృష్టి సారించింది: రచయితల పక్షం న్యాయ వాదన, డాకెట్ 1982; సరిచేసిన వాస్తవాల ప్రకటన, డాకెట్ 1987. ఈ విడుదల ఒక వాదిపక్షమైన సంఘం వివరణ.

డాకెట్ 1987లో, శిక్షణ డేటాసెట్‌లకు Books1, Books2 అని పేర్లు పెట్టడంపై రచయితలు సాక్ష్యాన్ని, అంతర్గత సందేశాలను ఉదహరించారు. 271వ పేరాలో OpenAI మాజీ ఉద్యోగి Ben Mann, రెండూ LibGen ఆధారంగా రూపొందాయని చెప్పినట్లు ఉటంకించారు. 275వ పేరాలో, ముసాయిదా కథనంలోని పదప్రయోగం గురించి ఆయన ఇచ్చిన వివరణను ఉటంకించారు: ఇది LibGen కాబట్టి ఉద్దేశపూర్వకంగా అస్పష్టంగా ఉంది.

అదే దాఖలాలోని 749వ పేరా, అప్పటి OpenAI విధాన విభాగం డైరెక్టర్ Jack Clark 2020 మేలో పంపిన సందేశాన్ని పునరుత్పత్తి చేస్తుంది. శైలి-కల్పిత రచయితలతో పోటీని ఆ సందేశం ముందుగానే ఊహించిందని వాదులు అంతర్గత ఆందోళనకు ఆధారంగా చూపుతున్నారు. అయితే ఆ సందేశం తర్వాత పుస్తకాల అమ్మకాలు ఎంత తగ్గాయో కొలవదు; మార్కెట్ నష్టంపై కోర్టు అభిప్రాయాన్ని కూడా స్థాపించదు.

ఆ పత్రం శీర్షికలో “వివాదాస్పదం కాని ముఖ్య వాస్తవాలు” అనే మాటలున్నాయి. అది సంక్షిప్త తీర్పు కోసం వాదుల సమర్పణ. స్థానిక సివిల్ రూల్ 56.1 ప్రకారం, ప్రత్యర్థి పక్షం సంఖ్యలతో ఇచ్చిన ప్రతి ప్రకటనకు ఆధారాలతో సహా అంగీకారం లేదా నిరాకరణగా సమాధానమిస్తుంది. శీర్షికలోని పదాలు న్యాయమూర్తి మొత్తం వివరణను అంగీకరించారని అర్థం కావు.

పుస్తకాల సేకరణ, శిక్షణపై వివాదం

పుస్తకాలను చెల్లింపు లేకుండా పొందడం, శిక్షణ కోసం వాటిని కాపీ చేయడం, ఇతర పక్షాలకు ప్రతులను పంపిణీ చేయడం—వీటిని వేర్వేరు వినియోగాలుగా పరిగణించాలని వాదుల పత్రం కోర్టును కోరుతోంది. OpenAIతో వాణిజ్య సంబంధం, ప్రవర్తనను పర్యవేక్షించే సామర్థ్యం కారణంగా, OpenAIపై ఆరోపించిన ఉల్లంఘనకు Microsoft కూడా బాధ్యత వహించాలని వాదిస్తోంది.

శిక్షణ అంశంలో, పోటీ రచనలను రూపొందించేందుకు మోడళ్లు పుస్తకాల సృజనాత్మక వ్యక్తీకరణను ఉపయోగిస్తాయని రచయితలు వాదిస్తున్నారు. దాంతో వారి మార్కెట్లకు ముప్పు ఏర్పడి, లైసెన్సింగ్ ఆదాయం దక్కకుండా పోతుందని వారు చెబుతున్నారు. (వాదుల వాదన పత్రం, పేజీలు 25–38)

సెప్టెంబర్ 17న సమర్పించిన OpenAI వాదన పత్రం, GPT-3, GPT-3.5కు శిక్షణ ఇవ్వడానికి Library Genesis సేకరణలను ఉపయోగించినట్లు అంగీకరిస్తుంది. మోడళ్లు సాధారణ భాషా నమూనాలను నేర్చుకునే ప్రక్రియలో డౌన్‌లోడ్ చేయడం భాగమని దాని న్యాయవాదన. ఆ మొత్తం ప్రక్రియ ప్రయోజనాన్ని కోర్టు పరిశీలించాలని అది కోరుతుంది; పుస్తకాలకు బదులుగా మోడళ్లు నిలుస్తాయన్న వాదనను, చట్టం గుర్తించే మార్కెట్ నష్టం ఉందన్న వాదనను రెండింటినీ వ్యతిరేకిస్తుంది. (OpenAI వాదన పత్రం, పేజీలు 3, 23–25, 28–37)

Microsoft సవరించిన పుస్తక-కేసు వాదన పత్రం కూడా శిక్షణ న్యాయబద్ధ వినియోగమని సమర్థిస్తుంది. OpenAI ఉపయోగించిన LibGen డేటాసెట్‌లను సేకరించడంలో Microsoftకు పాత్ర లేదని చెబుతుంది. అవుట్‌పుట్‌ల విషయానికొస్తే, 8.2 మిలియన్ Copilot సంభాషణలను విశ్లేషించగా, రచయితలు తమవని చెప్పిన రచనల నుంచి సరిపోలిన 30 పదాలున్న 24 సమాధానాలు కనిపించాయని పేర్కొంటుంది. అది నిర్దిష్ట సరిపోలిక ప్రమాణంతో చేసిన నిర్దిష్ట విశ్లేషణపై Microsoft ఇచ్చిన వివరణ మాత్రమే; రచయితలు పేర్కొనగల ప్రతి రకమైన నష్టాన్ని ఇది కొలవదు.

ఈ విభేదం ముఖ్యం, ఎందుకంటే అమెరికా కాపీరైట్ చట్టం వినియోగ ప్రయోజనం, రచన స్వభావం, తీసుకున్న భాగం పరిమాణం, మార్కెట్‌పై ప్రభావాన్ని పరిగణించాలని కోర్టులను కోరుతుంది. ప్రతిని సంపాదించడంపై వివాదం, రూపొందించిన పాఠ్యంతో పోటీ ఏర్పడటంపై వివాదం వేర్వేరు వాస్తవ ప్రశ్నలను లేవనెత్తుతాయి. ఆ ప్రశ్నలను చట్టపరంగా ఎలా కలిపి చూడాలన్నదానిపైనా పక్షాలు వాదిస్తున్నాయి.

ఆధారాలపై ఇంకా వివాదం కొనసాగుతోంది

సెప్టెంబర్ 23న OpenAI, Microsoft అనుబంధ నిపుణుల నివేదికను, AI రూపొందించిన పుస్తకాలు, మార్కెట్ పలుచబడటంపై అధ్యయనాన్ని ఆధారంగా చేసుకున్న రచయితల సమర్పణలలోని భాగాలను తొలగించాలని కోర్టును కోరాయి. వారి మోషన్‌కు మద్దతు తెలిపే వాదన పత్రం — అందులో, పరిశోధనకు వాదుల న్యాయవాదులే నిధులు సమకూర్చారని, అవసరమైన నిపుణుల ప్రక్రియ ప్రకారం దాన్ని వెల్లడించి సమర్పించలేదని ప్రతివాదులు ఆరోపించారు. ఇవి ఆధారాలను తొలగించాలని కోరుతూ వారు చేసిన వాదనలు మాత్రమే; తప్పు ప్రవర్తనపై కోర్టు నిర్ధారణలు కావు. ఈ మోషన్ నేరుగా డాకెట్ 1982, 1987లో ఉదహరించిన విషయాలను లక్ష్యంగా చేసుకుంది.

న్యాయమైన వాస్తవంపై నిజమైన వివాదం విచారణను అవసరం చేయనప్పుడు, చట్టప్రకారం తీర్పు కోరిన పక్షానికి హక్కు ఉన్నప్పుడు, సంక్షిప్త తీర్పుతో వాదన మొత్తాన్ని లేదా దానిలో కొంత భాగాన్ని విచారణ లేకుండానే కోర్టు పరిష్కరించవచ్చు. (ఫెడరల్ రూల్ 56)

సెప్టెంబర్ 25 వరకు పరిశీలించిన బహిరంగ కోర్టు డాకెట్‌లో వాదనలు, నిపుణుల ఆధారాలపై మోషన్‌లు కొనసాగుతున్నాయి. Stein సెప్టెంబర్ 24న ఇచ్చిన ఉత్తర్వు అన్ని పక్షాల ప్రతివాద వాదన పత్రాలకు అక్టోబర్ 23, అమికస్ వాదనలకు అక్టోబర్ 30, ప్రత్యుత్తరాలకు నవంబర్ 20 తేదీలను నిర్ణయించింది. రచయితలకు, AI డెవలపర్లకు తదుపరి దశ—కాపీ చేయడం, నష్టం గురించి ఉన్న ఈ విరుద్ధ వివరణలను కోర్టు అంచనా వేయడం. కొత్తగా బహిరంగమైన దాఖలాలు ఆ అంచనాకు వాదనలు, ఉదహరించిన ఆధారాలను అందిస్తున్నాయి; పరిహార ఉత్తర్వును గానీ, న్యాయబద్ధ వినియోగంపై తుది తీర్పును గానీ ఇవ్వడం లేదు.