OpenAI ਨੂੰ ਅਮਰੀਕੀ ਜਸਟਿਸ ਵਿਭਾਗ ਤੋਂ ਇੱਕ ਦੁਰਲੱਭ ਸਹਾਇਤਾ ਮਿਲੀ ਹੈ ਜਦੋਂ ਏਜੰਸੀ ਨੇ New York Times ਦੇ ਕਾਪੀਰਾਈਟ ਮੁਕੱਦਮੇ ਵਿੱਚ ਕੰਪਨੀ ਦੇ fair-use (ਉਚਿਤ ਵਰਤੋਂ) ਬਚਾਅ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹੋਏ 20 ਪੰਨਿਆਂ ਦਾ ਇੱਕ amicus brief ਦਾਇਰ ਕੀਤਾ। Southern District of New York ਵਿੱਚ ਦਾਇਰ ਕੀਤਾ ਗਿਆ ਇਹ ਦਸਤਾਵੇਜ਼ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ ਕਿ ਸੰਘੀ ਸਰਕਾਰ AI ਸਿਖਲਾਈ ਅਭਿਆਸਾਂ ਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਨਿੱਜੀ ਕਾਨੂੰਨੀ ਵਿਵਾਦ ਵਜੋਂ ਨਹੀਂ, ਸਗੋਂ ਰਾਸ਼ਟਰੀ ਹਿੱਤ ਦੇ ਮਾਮਲੇ ਵਜੋਂ ਦੇਖਦੀ ਹੈ।

ਸਰਕਾਰ ਇਸ ਵਿੱਚ ਕਿਉਂ ਸ਼ਾਮਲ ਹੋ ਰਹੀ ਹੈ

ਇਹ ਬਿਆਨ ਇਸ ਕੇਸ ਨੂੰ ਭੂ-ਰਾਜਨੀਤਿਕ ਸ਼ਬਦਾਂ ਵਿੱਚ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਦਲੀਲ ਦਿੱਤੀ ਗਈ ਹੈ ਕਿ ਸੰਯੁਕਤ ਰਾਜ ਦੀ ਆਪਣੀ AI ਉਦਯੋਗ ਨੂੰ ਮੁਕਾਬਲੇਬਾਜ਼ ਬਣਾਈ ਰੱਖਣ ਵਿੱਚ "ਵੱਡਾ ਹਿੱਤ" ਹੈ, ਜੋ AI ਲੀਡਰਸ਼ਿਪ ਨੂੰ ਆਰਥਿਕ ਖੁਸ਼ਹਾਲੀ ਅਤੇ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਦੋਵਾਂ ਨਾਲ ਜੋੜਦਾ ਹੈ। OpenAI ਦਾ ਸਮਰਥਨ ਕਰਕੇ, ਪ੍ਰਸ਼ਾਸਨ ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਕਾਪੀਰਾਈਟ ਕਾਨੂੰਨ ਦੀ ਤੰਗ ਵਿਆਖਿਆ ਖੋਜ ਅਤੇ ਵਿਕਾਸ ਚੱਕਰ ਨੂੰ ਹੌਲੀ ਕਰ ਸਕਦੀ ਹੈ ਜੋ ਅਮਰੀਕੀ ਫਰਮਾਂ ਨੂੰ ਵਿਦੇਸ਼ੀ ਪ੍ਰਤੀਯੋਗੀਆਂ ਤੋਂ ਅੱਗੇ ਰੱਖਦੀ ਹੈ। ਇਹ ਸਥਿਤੀ ਪਹਿਲਾਂ ਦੇ ਅਧਿਕਾਰਤ ਹੁਕਮਾਂ ਦੀ ਗੂੰਜ ਹੈ ਜੋ AI ਮਿਆਰਾਂ ਅਤੇ ਸ਼ਾਸਨ ਲਈ "U.S.-first" ਪਹੁੰਚ ਦੀ ਮੰਗ ਕਰਦੇ ਹਨ।

ਮੁੱਖ ਕਾਨੂੰਨੀ ਸਵਾਲ: ਰੂਪਾਂਤਰਿਤ ਵਰਤੋਂ (Transformative Use) ਜਾਂ ਉਲੰਘਣਾ?

ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਕੀ ਇੱਕ Large Language Model (LLM) ਵਿੱਚ ਵਿਸ਼ਾਲ, ਕਾਪੀਰਾਈਟ ਕੀਤੇ ਗਏ ਡੇਟਾ (corpora) ਨੂੰ ਪਾਉਣਾ "fair use" ਮੰਨਿਆ ਜਾਵੇਗਾ। Fair use ਉਹਨਾਂ ਵਰਤੋਂਆਂ ਦੀ ਰੱਖਿਆ ਕਰਦਾ ਹੈ ਜੋ "transformative" ਹਨ – ਯਾਨੀ ਉਹ ਵਰਤੋਂਆਂ ਜੋ ਸਿਰਫ਼ ਅਸਲ ਕਾਰਜ ਦੀ ਨਕਲ ਕਰਨ ਦੀ ਬਜਾਏ ਇੱਕ ਵੱਖਰੇ ਉਦੇਸ਼ ਨਾਲ ਕੁਝ ਨਵਾਂ ਜੋੜਦੀਆਂ ਹਨ। OpenAI ਦਾ ਬਚਾਅ, ਜਿਸ ਦੀ ਸਰਕਾਰੀ ਬਿਆਨ ਵਿੱਚ ਵੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ ਹੈ, ਇਹ ਕਹਿੰਦਾ ਹੈ ਕਿ LLMs ਪੈਟਰਨ ਸਿੱਖਦੇ ਹਨ ਅਤੇ ਨਵਾਂ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦੇ ਹਨ, ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਕਿਰਿਆ ਜੋ ਕਾਪੀ-ਅੰਡ-ਪੇਸਟ ਕਰਨ ਦੀ ਬਜਾਏ ਇੱਕ ਮਨੁੱਖੀ ਪਾਠਕ ਦੁਆਰਾ ਜਾਣਕਾਰੀ ਨੂੰ ਅਪਣਾਉਣ ਦੇ ਸਮਾਨ ਹੈ।

ਬਿਆਨ ਚੇਤਾਵਨੀ ਦਿੰਦਾ ਹੈ ਕਿ "fair-use ਸਿਧਾਂਤ ਦੀ ਗਲਤ ਸਮਝ ਦੇ ਅਧੀਨ LLM ਵਿਕਾਸ ਨੂੰ ਰੋਕਣਾ" ਅਮਰੀਕੀ ਆਰਥਿਕ ਗਤੀਸ਼ੀਲਤਾ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਏਗਾ। ਇਹ ਸ਼ਬਦਾਵਲੀ ਇੱਕ ਵੱਖਰੇ ਕੇਸ ਦੀ ਟਿੱਪਣੀ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਇੱਕ ਜੱਜ ਨੇ LLM ਸਿਖਲਾਈ ਦੀ ਤੁਲਨਾ ਇੱਕ ਪਾਠਕ ਨਾਲ ਕੀਤੀ ਸੀ ਜੋ ਨਵੇਂ ਵਿਚਾਰ ਪੈਦਾ ਕਰਨ ਲਈ ਕਿਤਾਬਾਂ ਤੋਂ ਸਿੱਖਦਾ ਹੈ, ਨਾ ਕਿ ਅਸਲ ਸਿਰਜਣਹਾਰ ਨੂੰ ਬਦਲਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਇੱਕ ਸਾਧਨ ਵਜੋਂ।

ਪਿਛਲੇ ਕੇਸ ਬਹਿਸ ਨੂੰ ਕਿਵੇਂ ਰੂਪ ਦਿੰਦੇ ਹਨ

ਇਹ ਬਿਆਨ ਅਦਾਲਤੀ ਫੈਸਲੇ ਦੀ ਤਰ੍ਹਾਂ ਲਾਗੂ ਨਹੀਂ ਹੁੰਦਾ, ਪਰ ਇਹ ਹਾਲੀਆ ਮੁਕੱਦਮਿਆਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ ਜੋ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਸਿਖਲਾਈ ਅਤੇ ਗੈਰ-ਕਾਨੂੰਨੀ ਡੇਟਾ ਪ੍ਰਾਪਤੀ ਦੇ ਵਿਚਕਾਰ ਲਕੀਰ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ। Anthropic ਨਾਲ ਜੁੜੇ ਇੱਕ ਕੇਸ ਵਿੱਚ, ਕੰਪਨੀ ਨੂੰ $1.5 ਬਿਲੀਅਨ ਦੇ ਸਮਝੌਤੇ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ, ਇਸ ਲਈ ਨਹੀਂ ਕਿ ਉਸਦਾ ਮਾਡਲ ਕਾਪੀਰਾਈਟ ਕੀਤੇ ਗਏ ਕਾਰਜਾਂ ਤੋਂ ਸਿੱਖਿਆ ਸੀ, ਸਗੋਂ ਇਸ ਲਈ ਕਿਉਂਕਿ ਉਸਨੇ ਉਹ ਸਮੱਗਰੀ "illegal shadow libraries" – ਯਾਨੀ ਪਾਇਰੇਟਡ ਡੇਟਾਬੇਸ – ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਸੀ। ਇਹ ਸਮਝੌਤਾ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ ਕਿ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਦਾ ਤਰੀਕਾ ਭਾਰੀ ਦੇਣਦਾਰੀ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ, ਭਾਵੇਂ ਸਿਖਲਾਈ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਰੂਪਾਂਤਰਿਤ (transformative) ਮੰਨਿਆ ਜਾਵੇ।

ਜੱਜ William Alsup ਦੀਆਂ ਪਹਿਲਾਂ ਦੀਆਂ ਟਿੱਪਣੀਆਂ ਵਾਧੂ ਸੰਦਰਭ ਪ੍ਰਦਾਨ ਕਰਦੀਆਂ ਹਨ। ਉਨ੍ਹਾਂ ਨੇ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਕਿ LLM ਨੂੰ ਸਿਖਲਾਈ ਦੇਣਾ ਸਿੱਧੀ ਨਕਲ ਦੀ ਬਜਾਏ ਮਨੁੱਖੀ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਾਂਗ ਹੈ, ਜੋ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਅਦਾਲਤਾਂ fair-use ਦੀ ਵਿਆਪਕ ਵਿਆਖਿਆ ਲਈ ਤਿਆਰ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਫਿਰ ਵੀ Anthropic ਦਾ ਨਤੀਜਾ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਅਦਾਲਤਾਂ ਗੈਰ-ਕਾਨੂੰਨੀ ਪ੍ਰਾਪਤੀ 'ਤੇ ਸਖ਼ਤ ਲਕੀਰ ਖਿੱਚਦੀਆਂ ਹਨ, ਭਾਵੇਂ ਉਸਦਾ ਅਗਲਾ ਉਪਯੋਗ ਕੁਝ ਵੀ ਹੋਵੇ।

ਕਿਸ ਨੂੰ ਫਾਇਦਾ ਹੋਵੇਗਾ ਅਤੇ ਕਿਸ ਨੂੰ ਜੋਖਮ ਹੈ

AI developers ਨੂੰ ਅਜਿਹੇ ਕਾਨੂੰਨੀ ਮਾਹੌਲ ਤੋਂ ਫਾਇਦਾ ਹੋ ਸਕਦਾ ਹੈ ਜੋ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਨੂੰ fair use ਵਜੋਂ ਮੰਨਦਾ ਹੈ। ਇੱਕ ਅਨੁਕੂਲ ਫੈਸਲਾ Claude, Gemini, ਜਾਂ ਭਵਿੱਖ ਦੇ GPT-5 ਵਰਗੇ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਬਣਾਉਣ ਦੀ ਲਾਗਤ ਨੂੰ ਘਟਾ ਸਕਦਾ ਹੈ, ਕਿਉਂਕਿ ਫਰਮਾਂ ਨੂੰ ਹੁਣ ਹਰ ਟੈਕਸਟ ਲਈ ਲਾਇਸੈਂਸਾਂ ਬਾਰੇ ਗੱਲਬਾਤ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੋਵੇਗੀ। ਇਹ ਨਵੀਨਤਾ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਅਮਰੀਕੀ ਫਰਮਾਂ ਨੂੰ ਵਿਸ਼ਵਵਿਆਪੀ AI ਦੌੜ ਵਿੱਚ ਮੋਹਰੀ ਰੱਖ ਸਕਦਾ ਹੈ।

Content creators and publishers ਸਭ ਤੋਂ ਪ੍ਰਮੁੱਖ ਵਿਰੋਧੀ ਬਣੇ ਹੋਏ ਹਨ। ਉਹ ਦਲੀਲ ਦਿੰਦੇ ਹਨ ਕਿ ਬਿਨਾਂ ਕਿਸੇ ਰੋਕ-ਟੋਕ ਦੇ ਸਕ੍ਰੈਪਿੰਗ (scraping) ਕਰਨ ਨਾਲ ਉਹਨਾਂ ਦੇ ਕੰਮ ਦੀ ਕੀਮਤ ਘਟਦੀ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਆਮਦਨੀ ਤੋਂ ਵਾਂਝਾ ਕਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। New York Times ਦਾ ਮੁਕੱਦਮਾ ਉਸੇ ਚਿੰਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ: ਅਖ਼ਬਾਰ ਦਾ ਦਾਅਵਾ ਹੈ ਕਿ OpenAI ਦੁਆਰਾ ਬਿਨਾਂ ਇਜਾਜ਼ਤ ਉਸਦੇ ਲੇਖਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਉਸਦੇ ਕਾਪੀਰਾਈਟ ਦੀ ਉਲੰਘਣਾ ਹੈ। ਜੇਕਰ ਅਦਾਲਤਾਂ ਅਖ਼ਬਾਰ ਦੇ ਪੱਖ ਵਿੱਚ ਫੈਸਲਾ ਸੁਣਾਉਂਦੀਆਂ ਹਨ, ਤਾਂ AI ਲੈਬਾਂ ਨੂੰ ਰੋਕ (injunctions), ਹਰਜਾਨਾ, ਜਾਂ ਅਰਬਾਂ ਸ਼ਬਦਾਂ ਲਈ ਪਿਛਲੀ ਮਿਤੀ ਤੋਂ ਲਾਇਸੈਂਸ ਲੈਣ ਦੀ ਲੋੜ ਪੈ ਸਕਦੀ ਹੈ—ਇੱਕ ਅਜਿਹਾ ਵਿੱਤੀ ਅਤੇ ਤਕਨੀਕੀ ਬੋਝ ਜੋ ਛੋਟੇ ਖਿਡਾਰੀਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦਾ ਹੈ।

ਸਰਕਾਰ ਦਾ ਇਹਨਾਂ ਸ਼ਕਤੀਆਂ ਵਿੱਚ ਸੰਤੁਲਨ ਬਣਾਉਣ ਵਿੱਚ ਹਿੱਤ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਬਿਆਨ AI ਵਿਕਾਸ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਇਹ ਅਸਿੱਖੇ ਤੌਰ 'ਤੇ ਇੱਕ ਸਪਸ਼ਟ ਕਾਨੂੰਨੀ ਢਾਂਚੇ ਦੀ ਲੋੜ ਨੂੰ ਵੀ ਮਾਨਤਾ ਦਿੰਦਾ ਹੈ। ਬਹੁਤ ਜ਼ਿਆਦਾ ਢਿੱਲੀ ਰਹਿਣ ਵਾਲੇ ਫੈਸਲੇ ਰਚਨਾਤਮਕ ਖੇਤਰ ਤੋਂ ਵਿਰੋਧ ਪੈਦਾ ਕਰ ਸਕਦੇ ਹਨ, ਜੋ ਸੰਭਵ ਤੌਰ 'ਤੇ ਨਵੇਂ ਕਾਨੂੰਨਾਂ ਨੂੰ ਜਨਮ ਦੇ ਸਕਦੇ ਹਨ ਜੋ ਮੌਜੂਦਾ ਵਿਵਾਦ ਨਾਲੋਂ ਵਧੇਰੇ ਸਖ਼ਤ ਹੋ ਸਕਦੇ ਹਨ।

ਵਿਰੋਧੀ ਦਲੀਲ: ਰਚਨਾਤਮਕ ਅਧਿਕਾਰਾਂ ਦੀ ਰੱਖਿਆ

ਸਰਕਾਰ ਦੇ ਪੱਖ ਦੇ ਆਲੋਚਕਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ 'ਫੇਅਰ-ਯੂਜ਼' (fair-use) ਸਿਧਾਂਤ ਦਾ ਉਦੇਸ਼ ਕਦੇ ਵੀ ਪੂਰੀ ਉਦਯੋਗ ਦੀਆਂ ਡਾਟਾ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਘੇਰਨਾ ਨਹੀਂ ਸੀ। ਉਹ ਚੇਤਾਵਨੀ ਦਿੰਦੇ ਹਨ ਕਿ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਟੈਕਸਟ ਇੰਜੈਸਸ਼ਨ (text ingestion) ਨੂੰ 'ਟਰਾਂਸਫਾਰਮੇਟਿਵ' (transformative) ਮੰਨਣਾ ਇੱਕ ਅਜਿਹੀ ਮਿਸਾਲ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਕਾਪੀਰਾਈਟ ਪ੍ਰਣਾਲੀ ਦੇ ਉਤਸ਼ਾਹ ਦੇ ਢਾਂਚੇ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰ ਦੇਵੇਗੀ। ਇਸ ਤੋਂ ਇਲਾਵਾ, Anthropic ਦਾ ਸਮਝੌਤਾ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਭਾਵੇਂ ਟ੍ਰੇਨਿੰਗ ਪ੍ਰਕਿਰਿਆ ਦੀ ਇਜਾਜ਼ਤ ਹੋਵੇ, ਪਰ ਡਾਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਅਜੇ ਵੀ ਗੈਰ-ਕਾਨੂੰਨੀ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਦੁਵਿਧਾ ਦਾ ਮਤਲਬ ਹੈ ਕਿ AI ਡਿਵੈਲਪਰ ਸਿਰਫ਼ 'ਫੇਅਰ-ਯੂਜ਼' ਬਚਾਅ 'ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਕਰ ਸਕਦੇ; ਉਨ੍ਹਾਂ ਨੂੰ ਇਹ ਵੀ ਯਕੀਨੀ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਡਾਟਾ ਪਾਈਪਲਾਈਨ ਸਾਫ਼ ਹਨ।

ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਹੈ

  • ਅਦਾਲਤੀ ਫੈਸਲੇ: Southern District of New York ਅੰਤ ਵਿੱਚ New York Times ਦੇ ਦਾਅਵੇ 'ਤੇ ਫੈਸਲਾ ਸੁਣਾਏਗਾ। ਉਹ ਫੈਸਲਾ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਭਵਿੱਖ ਦੇ AI ਨਾਲ ਸਬੰਧਤ ਕਾਪੀਰਾਈਟ ਮਾਮਲਿਆਂ ਲਈ ਇੱਕ ਹਵਾਲਾ ਬਣ ਜਾਵੇਗਾ।
  • ਵਿਧਾਨਿਕ ਕਦਮ: ਕਾਨੂੰਨ ਬਣਾਉਣ ਵਾਲੇ ਅਦਾਲਤ ਦੇ ਨਿਰਦੇਸ਼ਾਂ ਦਾ ਜਵਾਬ AI ਲਈ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਡਾਟਾ-ਵਰਤੋਂ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨ ਵਾਲੇ ਕਾਨੂੰਨਾਂ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਕੇ ਦੇ ਸਕਦੇ ਹਨ, ਜੋ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਮੌਜੂਦਾ ਅਸਪਸ਼ਟ ਖੇਤਰ (gray area) ਨੂੰ ਸਖ਼ਤ ਜਾਂ ਨਰਮ ਕਰ ਸਕਦਾ ਹੈ।
  • ਉਦਯੋਗ ਦੀ ਪ੍ਰਤੀਕਿਰਿਆ: AI ਫਰਮਾਂ ਆਪਣੀਆਂ ਡਾਟਾ-ਕਲੈਕਸ਼ਨ ਰਣਨੀਤੀਆਂ ਨੂੰ ਬਦਲ ਸਕਦੀਆਂ ਹਨ, ਜਾਂ ਤਾਂ ਵਿਆਪਕ ਲਾਇਸੈਂਸਿੰਗ ਸਮਝੌਤਿਆਂ ਦੀ ਮੰਗ ਕਰਕੇ ਜਾਂ ਅਜਿਹੇ ਅੰਦਰੂਨੀ ਡੇਟਾਸੈਟ ਬਣਾ ਕੇ ਜੋ ਕਾਪੀਰਾਈਟ ਸਮੱਗਰੀ ਤੋਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਚਦੇ ਹਨ।

ਨਿਚੋੜ

ਜਸਟਿਸ ਵਿਭਾਗ ਦਾ amicus brief Open AI ਕਾਪੀਰਾਈਟ ਲੜਾਈ ਨੂੰ ਅਮਰੀਕਾ ਦੇ AI ਭਵਿੱਖ ਬਾਰੇ ਇੱਕ ਪ੍ਰੌਕਸੀ ਲੜਾਈ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ। LLM ਟ੍ਰੇਨਿੰਗ ਨੂੰ ਰਾਸ਼ਟਰੀ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਲਈ ਜ਼ਰੂਰੀ 'ਫੇਅਰ-ਯੂਜ਼' ਗਤੀਵਿਧੀ ਵਜੋਂ ਪੇਸ਼ ਕਰਕੇ, ਸਰਕਾਰ ਇਹ ਸੰਕੇਤ ਦੇ ਰਹੀ ਹੈ ਕਿ ਕਾਪੀਰਾਈਟ ਦੀਆਂ ਪਾਬੰਦੀਸ਼ੁਦਾ ਵਿਆਖਿਆਵਾਂ ਇੱਕ ਰਣਨੀਤਕ ਰੁਕਾਵਟ ਬਣ ਸਕਦੀਆਂ ਹਨ। ਫਿਰ ਵੀ, ਸਿਰਜਣਹਾਰਾਂ ਦੇ ਅਧਿਕਾਰਾਂ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਦੀਆਂ ਲੋੜਾਂ ਵਿਚਕਾਰ ਚੱਲ ਰਿਹਾ ਤਣਾਅ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਅਦਾਲਤਾਂ, ਅਤੇ ਸ਼ਾਇਦ ਕਾਂਗਰਸ ਨੂੰ, ਇੱਕ ਅਜਿਹੀ ਸੀਮਾ ਤੈਅ ਕਰਨੀ ਪਵੇਗੀ ਜੋ ਨਵੀਨਤਾ ਅਤੇ ਰਚਨਾਤਮਕ ਕੰਮ ਦੀ ਸੁਰੱਖਿਆ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾ ਸਕੇ।