ਅਮਰੀਕੀ ਡਿਪਾਰਟਮੈਂਟ ਆਫ਼ ਜਸਟਿਸ (DOJ) ਨੇ ਮੀਡੀਆ ਦਿੱਗਜਾਂ ਅਤੇ AI ਡਿਵੈਲਪਰਾਂ ਵਿਚਕਾਰ ਚੱਲ ਰਹੀ ਕਾਪੀਰਾਈਟ ਜੰਗ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਾਨੂੰਨੀ ਦਖਲਅੰਦਾਜ਼ੀ ਕੀਤੀ ਹੈ। ਇਹ ਦਲੀਲ ਦੇ ਕੇ ਕਿ ਕਾਪੀਰਾਈਟ ਕੀਤੇ ਗਏ ਡੇਟਾ 'ਤੇ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ (LLMs) ਨੂੰ ਟ੍ਰੇਨ ਕਰਨਾ "fair use" (ਉਚਿਤ ਵਰਤੋਂ) ਦੇ ਅਧੀਨ ਆਉਂਦਾ ਹੈ, DOJ ਨੇ OpenAI ਅਤੇ Microsoft ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਨੂੰ ਇੱਕ ਵੱਡਾ ਕਾਨੂੰਨੀ ਢਾਲ ਪ੍ਰਦਾਨ ਕੀਤੀ ਹੈ।

DOJ ਦੀ ਦਲੀਲ: ਟ੍ਰੇਨਿੰਗ ਬਨਾਮ ਆਉਟਪੁੱਟ

The New York Times ਨਾਲ ਜੁੜੇ ਇਕੱਠੇ ਕੀਤੇ ਗਏ ਮੁਕੱਦਮੇ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਇਸ ਗੱਲ ਦਾ ਮੂਲ ਅੰਤਰ ਹੈ ਕਿ ਇੱਕ AI ਕਿਵੇਂ ਸਿੱਖਦਾ ਹੈ ਅਤੇ ਇਹ ਕੀ ਪੈਦਾ ਕਰਦਾ ਹੈ। The New York Times ਦਾ ਦੋਸ਼ ਹੈ ਕਿ GPT-4 ਵਰਗੇ ਮਾਡਲਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਉਸਦੇ ਲੱਖਾਂ ਲੇਖਾਂ ਦੀ ਬਿਨਾਂ ਇਜਾਜ਼ਤ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਸੀ, ਜਿਸ ਨਾਲ ਅਰਬਾਂ ਡਾਲਰ ਦਾ ਨੁਕਸਾਨ ਹੋਇਆ ਹੈ ਅਤੇ ਅਜਿਹੇ ਉਤਪਾਦ ਬਣਾਏ ਗਏ ਹਨ ਜੋ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਅਖ਼ਬਾਰ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਦੇ ਹਨ।

ਹਾਲਾਂਕਿ, DOJ ਦੀ ਤਾਜ਼ਾ ਫਾਈਲਿੰਗ ਦਾ ਤਰਕ ਹੈ ਕਿ ਕਾਪੀਰਾਈਟ ਉਲੰਘਣਾ ਆਉਟਪੁੱਟ (output) ਦੇ ਪੜਾਅ 'ਤੇ ਹੁੰਦੀ ਹੈ, ਨਾ ਕਿ ਡੇਟਾ ਲੈਣ (ingestion) ਦੇ ਪੜਾਅ 'ਤੇ। ਵਿਭਾਗ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਭਾਵੇਂ ਟ੍ਰੇਨਿੰਗ ਪੜਾਅ ਦੌਰਾਨ ਪੂਰੀਆਂ ਰਚਨਾਵਾਂ ਦੀ ਕਾਪੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਪਰ ਇਹ ਕਾਪੀਆਂ ਕਦੇ ਵੀ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਨਹੀਂ ਕਰਵਾਈਆਂ ਜਾਂਦੀਆਂ। ਇਸ ਤੋਂ ਇਲਾਵਾ, DOJ ਦਾ ਦਾਅਵਾ ਹੈ ਕਿ GPT-4 ਵਰਗੇ ਮਾਡਲਾਂ ਦੇ ਆਉਟਪੁੱਟ "ਅਕਸਰ, ਜੇ ਹਮੇਸ਼ਾ ਨਹੀਂ ਤਾਂ, ਅਸਲ ਸਰੋਤ ਸਮੱਗਰੀ ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਸਮਾਨਤਾ ਦੀ ਘਾਟ ਰੱਖਦੇ ਹਨ।" ਟ੍ਰੇਨਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਜਨਰੇਟ ਕੀਤੇ ਗਏ ਕੰਟੈਂਟ ਤੋਂ ਵੱਖ ਕਰਕੇ, DOJ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਕਾਰਜ ਨੂੰ ਮਾਰਕੀਟ ਸਬਸਟੀਟਿਊਸ਼ਨ (market substitution) ਦੇ ਕਾਨੂੰਨੀ ਸੰਕਲਪ ਤੋਂ ਵੱਖ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ।

"Hemingway Analogy" ਅਤੇ ਮਨੁੱਖੀ ਰਚਨਾਤਮਕਤਾ

ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਸੰਕਲਪ ਨੂੰ ਸਮਝਣਯੋਗ ਬਣਾਉਣ ਲਈ, DOJ ਨੇ ਲੇਖਕ Joan Didion ਨਾਲ ਸਬੰਧਤ ਇੱਕ ਸਾਹਿਤਕ ਉਦਾਹਰਣ (analogy) ਦਿੱਤੀ। ਫਾਈਲਿੰਗ ਵਿੱਚ ਨੋਟ ਕੀਤਾ ਗਿਆ ਕਿ ਕਿਸ਼ੋਰ ਅਵਸਥਾ ਵਿੱਚ, Didion ਨੇ Ernest Hemingway ਦੀਆਂ ਕਹਾਣੀਆਂ ਦੀ ਉਸਦੀ ਵਾਕ ਬਣਤਰ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਉਸਦੀ ਕਲਾ ਸਿੱਖਣ ਲਈ ਕਾਪੀ ਕੀਤੀ ਹੁੰਦੀ ਸੀ। DOJ ਦਾ ਤਰਕ ਹੈ ਕਿ ਜੇਕਰ ਕਾਨੂੰਨ ਮਸ਼ੀਨ ਟ੍ਰੇਨਿੰਗ ਨੂੰ ਉਲੰਘਣਾ ਮੰਨਦਾ ਹੈ, ਤਾਂ Didion ਵਰਗਾ ਲੇਖਕ ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ ਹਰ ਵਾਰ ਨਵੀਂ ਰਚਨਾ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ 'ਤੇ ਜਵਾਬਦੇਹ ਹੋ ਸਕਦਾ ਹੈ, ਕਿਉਂਕਿ ਉਸਦੀ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਉਸਦੀ ਅਗਲੀ ਲਿਖਤ ਨਾਲ ਅਟੁੱਟ ਰੂਪ ਵਿੱਚ ਜੁੜੀ ਹੋਵੇਗੀ।

ਵਿਭਾਗ ਅੱਗੇ ਦਲੀਲ ਦਿੰਦਾ ਹੈ ਕਿ AI ਟ੍ਰੇਨਿੰਗ ਲਈ ਸਖ਼ਤ ਜ਼ਿੰਮੇਵਾਰੀ (strict liability) ਲਾਗੂ ਕਰਨਾ ਵਿਰੋਧਾਭਾਸ ਰੂਪ ਵਿੱਚ ਉਸੇ ਰਚਨਾਤਮਕਤਾ ਨੂੰ ਦਬਾ ਦੇਵੇਗਾ ਜਿਸਦੀ ਰੱਖਿਆ ਕਾਪੀਰਾਈਟ ਕਾਨੂੰਨ ਨੂੰ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਕਿਉਂਕਿ ਮਨੁੱਖੀ ਵਧੇਰੇ ਮੂਲ ਰਚਨਾਵਾਂ ਦਾ ਡਰਾਫਟ ਤਿਆਰ ਕਰਨ ਅਤੇ ਸੰਪਾਦਨ ਕਰਨ ਲਈ LLMs ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ, DOJ ਦਾ ਸੁਝਾਅ ਹੈ ਕਿ ਵੱਡੇ ਲਾਇਸੈਂਸਿੰਗ ਸਕੀਮਾਂ ਤੋਂ ਬਿਨਾਂ ਟ੍ਰੇਨਿੰਗ ਨੂੰ ਅਸੰਭਵ ਬਣਾਉਣਾ AI-ਅਧਾਰਿਤ ਨਵੀਨਤਾ ਨੂੰ ਬਰਬਾਦ ਕਰ ਦੇਵੇਗਾ।

DOJ ਦਾ ਪੱਖ US Copyright Office ਦੇ ਹਾਲੀਆ ਨਤੀਜਿਆਂ ਦੇ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਵਿਰੋਧ ਕਰਦਾ ਹੈ। ਸਾਬਕਾ ਰਜਿਸਟਰਾਰ Shira Perlmutter ਨੇ ਪਹਿਲਾਂ ਇੱਕ ਸਮੂਹਿਕ "fair use" ਬਚਾਅ ਦੇ ਵਿਰੁੱਧ ਦਲੀਲ ਦਿੱਤੀ ਸੀ, ਇਹ ਨੋਟ ਕਰਦੇ ਹੋਏ ਕਿ AI ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਤੋਂ ਕਿਤੇ ਵੱਧ ਪੱਧਰ ਅਤੇ ਰਫ਼ਤਾਰ 'ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਅਕਸਰ ਅਜਿਹੇ ਵਪਾਰਕ ਉਤਪਾਦ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਅਸਲ ਸਮੱਗਰੀ ਬਣਾਉਣ ਵਾਲਿਆਂ ਨਾਲ ਸਿੱਧਾ ਮੁਕਾਬਲਾ ਕਰਦੇ ਹਨ।

DOJ ਨੇ ਇਸ ਮੁਲਾਂਕਣ ਦੇ ਵਿਰੁੱਧ ਹਮਲਾਵਰ ਰੁਖ ਅਪਣਾਇਆ ਹੈ, ਇਹ ਕਹਿੰਦੇ ਹੋਏ ਕਿ Perlmutter ਦੀ ਰਿਪੋਰਟ ਵਿੱਚ ਕੋਈ ਬਾਈਂਡਿੰਗ ਕਾਨੂੰਨੀ ਅਧਿਕਾਰ ਨਹੀਂ ਹੈ ਅਤੇ ਇਹ ਕੇਸ-ਦਰ-ਕੇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਸਥਾਪਿਤ ਕਾਨੂੰਨੀ ਮਾਮਲਿਆਂ (case law) ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੀ ਹੈ। ਵਿਭਾਗ ਚੇਤਾਵਨੀ ਦਿੰਦਾ ਹੈ ਕਿ ਵਿਆਪਕ ਜ਼ਿੰਮੇਵਾਰੀ ਲਾਗੂ ਕਰਨ ਨਾਲ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤੌਰ 'ਤੇ ਇੱਕ ਲਾਇਸੈਂਸਿੰਗ ਪ੍ਰਣਾਲੀ ਲਾਗੂ ਹੋ ਜਾਵੇਗੀ ਜੋ ਉੱਨਤ AI ਮਾਡਲਾਂ ਦੇ ਵਿਕਾਸ ਨੂੰ ਕਾਨੂੰਨੀ ਅਤੇ ਵਿੱਤੀ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਬਣਾ ਦੇਵੇਗੀ।

ਮੁੱਖ ਨੁਕਤੇ

  • ਟ੍ਰੇਨਿੰਗ ਅਤੇ ਆਉਟਪੁੱਟ ਦਾ ਵੱਖ ਹੋਣਾ: DOJ ਦਾ ਤਰਕ ਹੈ ਕਿ ਟ੍ਰੇਨਿੰਗ ਲਈ ਟੈਕਸਟ ਦੀ ਕਾਪੀ ਕਰਨਾ ਉਲੰਘਣਾ ਨਹੀਂ ਹੈ ਜੇਕਰ ਨਤੀਜਾ ਦੇਣ ਵਾਲੇ ਮਾਡਲ ਆਉਟਪੁੱਟ ਅਸਲ ਰਚਨਾਵਾਂ ਨਾਲ "ਮਹੱਤਵਪੂਰਨ ਸਮਾਨਤਾ" ਨਹੀਂ ਦਿਖਾਉਂਦੇ।
  • ਨਵੀਨਤਾ ਦੀ ਸੁਰੱਖਿਆ: ਵਿਭਾਗ ਚੇਤਾਵਨੀ ਦਿੰਦਾ ਹੈ ਕਿ ਸਾਰੀਆਂ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਲਈ ਲਾਇਸੈਂਸ ਦੀ ਮੰਗ ਕਰਨ ਨਾਲ ਰਚਨਾਤਮਕਤਾ ਦਬ ਜਾਵੇਗੀ ਅਤੇ ਉਹਨਾਂ LLMs ਦੇ ਵਿਕਾਸ ਨੂੰ ਰੋਕਿਆ ਜਾਵੇਗਾ ਜੋ ਮਨੁੱਖੀ ਸਮੱਗਰੀ ਨਿਰਮਾਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ।
  • ਇੱਕ ਕਾਨੂੰਨੀ ਸੰਕੇਤਕ: ਇਹ ਦਖਲਅੰਦਾਜ਼ੀ DOJ ਅਤੇ US Copyright Office ਵਿਚਕਾਰ ਇੱਕ ਉੱਚ-ਦਾਅਵਿਆਂ ਵਾਲਾ ਟਕਰਾਅ ਪੈਦਾ ਕਰਦੀ ਹੈ, ਜੋ ਜਨਰੇਟਿਵ AI ਦੇ ਭਵਿੱਖ 'ਤੇ ਇੱਕ ਨਿਰਣਾਇਕ ਅਦਾਲਤੀ ਫੈਸਲੇ ਲਈ ਸਟੇਜ ਤਿਆਰ ਕਰਦਾ ਹੈ।

ਲੇਖ: ਅਮਰੀਕੀ ਡਿਪਾਰਟਮੈਂਟ ਆਫ਼ ਜਸਟਿਸ ਨੇ New York Times ਦੇ ਕਾਪੀਰਾਈਟ ਮੁਕੱਦਮੇ ਵਿੱਚ ਇੱਕ amicus brief ਦਾਇਰ ਕੀਤਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਦਲੀਲ ਦਿੱਤੀ ਗਈ ਹੈ ਕਿ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ (LLMs) ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਸੁਰੱਖਿਅਤ ਟੈਕਸਟ ਦੀ ਕਾਪੀ ਕਰਨਾ "fair use" ਦੇ ਅਧੀਨ ਆਉਂਦਾ ਹੈ। ਇਹ ਫਾਈਲਿੰਗ OpenAI ਅਤੇ Microsoft ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਨੂੰ ਇੱਕ ਕਾਨੂੰਨੀ ਢਾਲ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਜੋ ਉਹਨਾਂ ਨੂੰ ਨੁਕਸਾਨ ਦੇ ਉਸ ਪੂਲ ਤੋਂ ਬਚਾ ਸਕਦੀ ਹੈ ਜਿਸਦਾ ਅਖ਼ਬਾਰ ਅਰਬਾਂ ਡਾਲਰਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਂਦਾ ਹੈ।

ਇਹ ਕੇਸ ਹੁਣ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

ਇਹ ਮੁਕੱਦਮਾ ਕਈ ਦਾਅਵਿਆਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦਾ ਹੈ ਕਿ AI ਡਿਵੈਲਪਰਾਂ ਨੇ ਬਿਨਾਂ ਇਜਾਜ਼ਤ ਆਪਣੇ ਮਾਡਲਾਂ ਵਿੱਚ ਲੱਖਾਂ ਅਖ਼ਬਾਰਾਂ ਦੇ ਲੇਖ ਪਾਏ, ਅਤੇ ਫਿਰ ਅਜਿਹੇ ਉਤਪਾਦ ਰਿਲੀਜ਼ ਕੀਤੇ ਜੋ Times ਦੀ ਆਪਣੀ ਰਿਪੋਰਟਿੰਗ ਨਾਲ ਸਿੱਧਾ ਮੁਕਾਬਲਾ ਕਰਦੇ ਹਨ। ਜੇਕਰ ਅਦਾਲਤ DOJ ਦੇ fair-use ਦੇ ਤਰਕ ਨੂੰ ਰੱਦ ਕਰਦੀ ਹੈ, ਤਾਂ AI ਫਰਮਾਂ ਨੂੰ ਵੱਡੇ ਲਾਇਸੈਂਸਿੰਗ ਬਿੱਲਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ ਜਾਂ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੇ ਕਨਵਰਸੇਸ਼ਨਲ ਏਜੰਟਾਂ ਦੇ ਵਿਕਾਸ ਨੂੰ ਰੋਕਣ ਲਈ ਮਜਬੂਰ ਹੋ ਸਕਦਾ ਹੈ।

DOJ ਦਾ ਮੁੱਖ ਤਰਕ

ਇਹ ਬ੍ਰੀਫ਼ AI ਵਰਕਫਲੋ ਨੂੰ ਦੋ ਵੱਖ-ਵੱਖ ਪੜਾਵਾਂ ਵਿੱਚ ਵੰਡਦੀ ਹੈ। ਪਹਿਲਾਂ, ਮਾਡਲ ਟੈਕਸਟ ਦੇ ਵੱਡੇ ਸੰਗ੍ਰਹਿ ਨੂੰ ਗ੍ਰਹਿਣ ਕਰਦਾ ਹੈ; ਦੂਜਾ, ਇਹ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਪ੍ਰੋਂਪਟਾਂ ਦੇ ਜਵਾਬ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਵਿਭਾਗ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਉਲੰਘਣਾ ਉਦੋਂ ਹੀ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਕਿਸੇ ਕਾਪੀਰਾਈਟ ਕੀਤੇ ਕਾਰਜ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਦੁਬਾਰਾ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿ ਜਨਤਾ ਉਸ ਤੱਕ ਪਹੁੰਚ ਸਕਦੀ ਹੈ। ਕਿਉਂਕਿ ਟ੍ਰੇਨਿੰਗ ਕਾਪੀਆਂ ਕਦੇ ਵੀ ਡਿਵੈਲਪਰ ਦੇ ਸਰਵਰਾਂ ਤੋਂ ਬਾਹਰ ਨਹੀਂ ਜਾਂਦੀਆਂ, ਇਸ ਲਈ ਗ੍ਰਹਿਣ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਉਸ ਸੀਮਾ ਤੱਕ ਨਹੀਂ ਪਹੁੰਚਦੀ।

DOJ "ਮਹੱਤਵਪੂਰਨ ਸਮਾਨਤਾ" (substantial similarity) ਟੈਸਟ 'ਤੇ ਵੀ ਭਰੋਸਾ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਚੱਲ ਰਿਹਾ ਕਾਪੀਰਾਈਟ ਮਿਆਰ ਹੈ। ਇਸਦਾ ਤਰਕ ਹੈ ਕਿ GPT-4 ਵਰਗੇ ਮਾਡਲਾਂ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਟੈਕਸਟ ਆਊਟਪੁੱਟ "ਅਕਸਰ, ਜੇ ਹਮੇਸ਼ਾ ਨਹੀਂ ਵੀ" ਕਿਸੇ ਵੀ ਸਿੰਗਲ ਸਰੋਤ ਤੋਂ ਇੰਨਾ ਵੱਖਰਾ ਹੁੰਦਾ ਹੈ ਕਿ ਵਾਦੀ ਲੋੜੀਂਦੀ ਸਮਾਨਤਾ ਸਾਬਤ ਨਹੀਂ ਕਰ ਸਕਦਾ। ਸੰਖੇਪ ਵਿੱਚ, ਬ੍ਰੀਫ਼ ਦਾ ਤਰਕ ਹੈ ਕਿ ਕਾਨੂੰਨੀ ਫੋਕਸ ਅੰਤਿਮ ਆਊਟਪੁੱਟ 'ਤੇ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਅੰਦਰੂਨੀ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ 'ਤੇ।

ਇਸ ਨੁਕਤੇ ਨੂੰ ਸਮਝਾਉਣ ਲਈ ਇੱਕ ਸਾਹਿਤਕ ਉਦਾਹਰਨ

ਤਕਨੀਕੀ ਦਲੀਲ ਨੂੰ ਵਧੇਰੇ ਸਮਝਣਯੋਗ ਬਣਾਉਣ ਲਈ, ਫਾਈਲਿੰਗ ਵਿੱਚ ਇੱਕ ਕਿਸ਼ੋਰ ਲੇਖਕ ਦੀ ਕਹਾਣੀ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ ਗਿਆ ਹੈ ਜਿਸਨੇ ਅਰਨੈਸਟ ਹੈਮਿੰਗਵੇ ਦੀ ਸ਼ੈਲੀ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਉਨ੍ਹਾਂ ਦੀਆਂ ਕਹਾਣੀਆਂ ਦੀ ਨਕਲ ਕੀਤੀ ਸੀ। DOJ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਜੇਕਰ ਕਾਨੂੰਨ ਉਸ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਉਲੰਘਣਾ ਮੰਨਦਾ, ਤਾਂ ਲੇਖਕ 'ਤੇ ਹਰ ਵਾਰ ਮੁਕਦਮਾ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਸੀ ਜਦੋਂ ਉਹ ਕੋਈ ਨਵੀਂ ਰਚਨਾ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਦੀ, ਭਾਵੇਂ ਉਸਦਾ ਕੰਮ ਮੌਲਿਕ ਸੀ। ਵਿਭਾਗ ਚੇਤਾਵਨੀ ਦਿੰਦਾ ਹੈ ਕਿ ਇਸੇ ਤਰਕ ਨੂੰ AI 'ਤੇ ਲਾਗੂ ਕਰਨ ਨਾਲ "ਉਸ ਰਚਨਾਤਮਕਤਾ ਨੂੰ ਹੀ ਅਪੰਗ ਕਰ ਦਿੱਤਾ ਜਾਵੇਗਾ ਜਿਸਦੀ ਰੱਖਿਆ ਲਈ ਕਾਪੀਰਾਈਟ ਕਾਨੂੰਨ ਬਣਾਇਆ ਗਿਆ ਸੀ।"

AI ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਕੰਟੈਂਟ ਕ੍ਰਿਏਟਰਾਂ ਲਈ ਜੋਖਮ

  • ਨਵੀਨਤਾ ਦਾ ਜੋਖਮ: ਟ੍ਰੇਨਿੰਗ ਵਿੱਚ ਵਰਤੇ ਗਏ ਹਰ ਟੈਕਸਟ ਲਈ ਲਾਇਸੈਂਸ ਦੀ ਮੰਗ ਕਰਨ ਨਾਲ ਲਾਗਤ ਇੰਨੀ ਵੱਧ ਸਕਦੀ ਹੈ ਕਿ ਅਤਿ-ਆਧੁਨਿਕ (state-of-the-art) ਮਾਡਲ ਬਣਾਉਣਾ ਵਿੱਤੀ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਹੋ ਜਾਵੇਗਾ।
  • ਰਚਨਾਤਮਕ ਵਰਕਫਲੋ: ਮਨੁੱਖੀ ਲੇਖਕ ਡਰਾਫਟਿੰਗ, ਐਡੀਟਿੰਗ ਅਤੇ ਬ੍ਰੇਨਸਟਾਰਮਿੰਗ ਲਈ ਵੱਧ ਤੋਂ ਵੱਧ LLMs 'ਤੇ ਨਿਰਭਰ ਕਰ ਰਹੇ ਹਨ। ਜੇਕਰ ਟ੍ਰੇਨਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਗੈਰ-ਕਾਨੂੰਨੀ ਮੰਨਿਆ ਗਿਆ, ਤਾਂ ਉਹ ਸਾਧਨ ਖਤਮ ਹੋ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਵੱਖ-ਵੱਖ ਉਦਯੋਗਾਂ ਵਿੱਚ ਕੰਟੈਂਟ ਉਤਪਾਦਨ ਦਾ ਤਰੀਕਾ ਬਦਲ ਜਾਵੇਗਾ।
  • ਮਾਰਕੀਟ ਪ੍ਰਭਾਵ: ਅਖ਼ਬਾਰ ਉਦਯੋਗ ਦਾ ਤਰਕ ਹੈ ਕਿ ਉਹ AI ਮਾਡਲ ਜੋ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇ ਸਕਦੇ ਹਨ ਜਾਂ ਖ਼ਬਰਾਂ ਵਰਗਾ ਟੈਕਸਟ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ, ਮੌਲਿਕ ਰਿਪੋਰਟਿੰਗ ਦੀ ਕੀਮਤ ਨੂੰ ਘਟਾਉਂਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਵਿਗਿਆਪਨ ਮਾਲੀਆ ਅਤੇ ਸਬਸਕ੍ਰਿਪਸ਼ਨਾਂ ਦਾ ਨੁਕਸਾਨ ਹੋ ਸਕਦਾ ਹੈ।

ਕਾਪੀਰਾਈਟ ਦਫ਼ਤਰ ਦਾ ਉਲਟ ਤਰਕ

ਸਾਬਕਾ ਰਜਿਸਟਰ ਸ਼ੀਰਾ ਪਰਲਮਟਰ ਦੀ ਅਗਵਾਈ ਹੇਠ ਤਿਆਰ ਕੀਤੀ ਗਈ U.S. Copyright Office ਦੀ ਇੱਕ ਤਾਜ਼ਾ ਰਿਪੋਰਟ ਨੇ ਸਰਵ ਵਿਆਪਕ 'ਫੇਅਰ-ਯੂਜ਼' (fair-use) ਬਚਾਅ ਦਾ ਵਿਰੋਧ ਕੀਤਾ ਹੈ। ਦਫ਼ਤਰ ਨੇ ਤਿੰਨ ਅਜਿਹੇ ਕਾਰਕਾਂ 'ਤੇ ਰੌਸ਼ਨੀ ਪਾਈ ਹੈ ਜੋ AI ਨੂੰ ਮਨੁੱਖੀ ਸਿੱਖਣ ਤੋਂ ਵੱਖਰਾ ਕਰਦੇ ਹਨ: ਕਾਪੀ ਕੀਤੇ ਗਏ ਮਟੀਰੀਅਲ ਦੀ ਬਹੁਤ ਵੱਡੀ ਮਾਤਰਾ, ਜਿਸ ਰਫ਼ਤਾਰ ਨਾਲ ਇਸ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਇਹ ਤੱਥ ਕਿ ਨਤੀਜੇ ਵਜੋਂ ਬਣੇ ਮਾਡਲਾਂ ਨੂੰ ਵਪਾਰਕ ਉਤਪਾਦਾਂ ਵਜੋਂ ਪੈਕ ਕਰਕੇ ਵੇਚਿਆ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਮੂਲ ਰਚਨਾਕਾਰਾਂ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਦੇ ਹਨ।

DOJ ਇਹਨਾਂ ਨੁਕਤਿਆਂ ਦਾ ਖੰਡਨ ਕਰਦਾ ਹੈ, ਇਹ ਨੋਟ ਕਰਦੇ ਹੋਏ ਕਿ ਰਿਪੋਰਟ ਕੋਲ ਕੋਈ ਪਾਬੰਦ ਕਾਨੂੰਨੀ ਅਧਿਕਾਰ ਨਹੀਂ ਹੈ ਅਤੇ ਮੌਜੂਦਾ ਕੇਸ ਕਾਨੂੰਨ ਪਹਿਲਾਂ ਹੀ ਫੇਅਰ-ਯੂਜ਼ ਦੇ ਤੱਥ-ਦਰ-ਤੱਥ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਮੰਗ ਕਰਦਾ ਹੈ। ਇਹ ਚੇਤਾਵਨੀ ਦਿੰਦਾ ਹੈ ਕਿ "ਵਿਆਪਕ ਜ਼ਿੰਮੇਵਾਰੀ" ਲਾਗੂ ਕਰਨ ਨਾਲ ਉਦਯੋਗ ਅਸਲ ਵਿੱਚ ਇੱਕ ਅਜਿਹੀ ਲਾਇਸੈਂਸਿੰਗ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਮਜਬੂਰ ਹੋ ਜਾਵੇਗਾ ਜੋ "ਉੱਨਤ AI ਮਾਡਲਾਂ ਦੇ ਵਿਕਾਸ ਨੂੰ ਕਾਨੂੰਨੀ ਅਤੇ ਵਿੱਤੀ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਬਣਾ ਦੇਵੇਗੀ।"

ਅੱਗੇ ਕੀ ਹੋ ਸਕਦਾ ਹੈ

ਟਾਈਮਜ਼ ਕੇਸ ਦੀ ਸੁਣਵਾਈ ਕਰਨ ਵਾਲੀ ਜ਼ਿਲ੍ਹਾ ਅਦਾਲਤ ਨੂੰ Copyright Office ਦੇ ਨਤੀਜਿਆਂ ਦੇ ਵਿਰੁੱਧ DOJ ਦੇ ਫੇਅਰ-ਯੂਜ਼ ਪੱਖ ਨੂੰ ਤੋਲਣਾ ਪਵੇਗਾ। DOJ ਦੇ ਪੱਖ ਵਿੱਚ ਫੈਸਲਾ ਇੱਕ ਅਜਿਹੀ ਨਜ਼ੀਰ ਸਥਾਪਿਤ ਕਰੇਗਾ ਕਿ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਨੂੰ ਸਪੱਸ਼ਟ ਇਜਾਜ਼ਤ ਤੋਂ ਬਿਨਾਂ ਇਕੱਠਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਬਸ਼ਰਤੇ ਕਿ ਮਾਡਲ ਦਾ ਆਊਟਪੁੱਟ ਮਹੱਤਵਪੂਰਨ ਸਮਾਨਤਾ ਤੋਂ ਦੂਰ ਰਹੇ। ਅਖ਼ਬਾਰ ਦੇ ਪੱਖ ਵਿੱਚ ਫੈਸਲਾ ਲਾਇਸੈਂਸਿੰਗ ਗੱਲਬਾਤ ਦੀ ਇੱਕ ਲਹਿਰ ਸ਼ੁਰੂ ਕਰ ਸਕਦਾ ਹੈ, ਜੋ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ AI ਖੋਜ ਦੇ ਆਰਥਿਕ ਪੱਖ ਨੂੰ ਮੁੜ ਵਿਉਂਤ ਸਕਦਾ ਹੈ।

ਨਿਚੋੜ

DOJ ਦੀ ਫਾਈਲਿੰਗ ਇਸ ਸਵਾਲ ਨੂੰ ਕਿ ਕੀ AI ਟ੍ਰੇਨਿੰਗ 'ਫੇਅਰ-ਯੂਜ਼' ਹੈ, ਇੱਕ ਵੱਡੇ ਜੋਖਮ ਵਾਲੀ ਅਦਾਲਤੀ ਲੜਾਈ ਵਿੱਚ ਬਦਲ ਦਿੰਦੀ ਹੈ। ਨਤੀਜਾ ਇਹ ਨਿਰਧਾਰਤ ਕਰੇਗਾ ਕਿ ਕੀ ਡਿਵੈਲਪਰ ਮੌਜੂਦਾ ਟੈਕਸਟ 'ਤੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਭਾਸ਼ਾ ਮਾਡਲ ਬਣਾਉਣਾ ਜਾਰੀ ਰੱਖ ਸਕਦੇ ਹਨ ਜਾਂ ਉਹਨਾਂ ਨੂੰ ਹਰ ਮਟੀਰੀਅਲ ਲਈ ਮਹਿੰਗੇ ਲਾਇਸੈਂਸ ਲੈਣੇ ਪੈਣਗੇ। ਇਹ ਫੈਸਲਾ ਤਕਨਾਲੋਜੀ ਖੇਤਰ, ਮੀਡੀਆ ਉਦਯੋਗ ਅਤੇ ਵਿਆਪਕ ਰਚਨਾਤਮਕ ਅਰਥਚਾਰੇ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰੇਗਾ।