امریکی محکمہ انصاف (US Department of Justice) نے میڈیا کے بڑے اداروں اور AI ڈویلپرز کے درمیان جاری کاپی رائٹ کی جنگ میں ایک اہم قانونی مداخلت کی ہے۔ Large Language Models (LLMs) کو کاپی رائٹ شدہ ڈیٹا پر ٹرین کرنے کو "fair use" (منصفانہ استعمال) قرار دے کر، DOJ نے OpenAI اور Microsoft جیسی کمپنیوں کو ایک بڑی قانونی ڈھال فراہم کی ہے۔

DOJ کا استدلال: ٹریننگ بمقابلہ آؤٹ پٹ

The New York Times سے متعلق یکجا کیے گئے مقدمے کے مرکز میں اس بات کا بنیادی فرق ہے کہ ایک AI کیسے سیکھتا ہے اور وہ کیا تخلیق کرتا ہے۔ The New York Times کا الزام ہے کہ GPT-4 جیسے ماڈلز کو ٹرین کرنے کے لیے اس کے لاکھوں مضامین بغیر اجازت استعمال کیے گئے، جس سے اربوں ڈالر کا نقصان ہوا اور ایسے پروڈکٹس تیار ہوئے جو براہ راست اخبار کے ساتھ مقابلہ کرتے ہیں۔

تاہم، DOJ کی حالیہ فائلنگ میں یہ دلیل دی گئی ہے کہ کاپی رائٹ کی خلاف ورزی آؤٹ پٹ کے مقام پر ہوتی ہے، نہ کہ ڈیٹا کے حصول (ingestion) کے مقام پر۔ محکمہ کا موقف ہے کہ اگرچہ ٹریننگ کے مرحلے کے دوران مکمل کاموں کی نقل بنائی جاتی ہے، لیکن یہ نقول کبھی بھی عوامی طور پر دستیاب نہیں کی جاتیں۔ مزید برآں، DOJ کا دعویٰ ہے کہ GPT-4 جیسے ماڈلز کے آؤٹ پٹس میں "اکثر، اگر ہمیشہ نہیں تو، اصل مواد کے ساتھ نمایاں مماثلت کی کمی ہوتی ہے"۔ ٹریننگ کے عمل کو تیار شدہ مواد سے الگ کر کے، DOJ مشین لرننگ کے عمل کو مارکیٹ کے متبادل (market substitution) کے قانونی تصور سے الگ کرنے کی کوشش کر رہا ہے۔

"ہمنگ وے کی مثال" اور انسانی تخلیقی صلاحیت

مشین لرننگ کے تصور کو سمجھنے کے لیے، DOJ نے مصنفہ Joan Didion سے متعلق ایک ادبی مثال پیش کی۔ فائلنگ میں نوٹ کیا گیا کہ جوانی میں، Didion، Ernest Hemingway کی کہانیوں کی نقل کیا کرتی تھیں تاکہ ان کے جملوں کی ساخت کا تجزیہ کر سکیں اور ان کے فن کو سیکھ سکیں۔ DOJ کا استدلال ہے کہ اگر قانون مشین کی ٹریننگ کو خلاف ورزی قرار دے، تو نظریاتی طور پر Didion جیسے لکھاری کو ہر بار نیا کام شائع کرنے پر ذمہ دار ٹھہرایا جا سکتا ہے، کیونکہ ان کے سیکھنے کا عمل ان کی بعد میں کی جانے والی تحریر سے اٹوٹ طور پر جڑا ہوا ہوگا۔

محکمہ مزید یہ دلیل دیتا ہے کہ AI ٹریننگ کے لیے سخت ذمہ داری (strict liability) عائد کرنا تضاد کے طور پر اسی تخلیقی صلاحیت کو روک دے گا جس کی حفاظت کا مقصد کاپی رائٹ قانون ہے۔ چونکہ انسان اصل کاموں کے مسودے تیار کرنے اور ان کی تدوین کے لیے تیزی سے LLMs کا استعمال کر رہے ہیں، اس لیے DOJ کا کہنا ہے کہ بڑے پیمانے پر لائسنسنگ اسکیموں کے بغیر ٹریننگ کو ناقابلِ قبول قرار دینا AI پر مبنی جدت کو مفلوج کر دے گا۔

DOJ کا موقف براہ راست US Copyright Office کے حالیہ نتائج کے متصادم ہے۔ سابق رجسٹر Shira Perlmutter نے اس سے قبل بلا استثنیٰ "fair use" کے دفاع کے خلاف دلیل دی تھی، اور نوٹ کیا تھا کہ AI انسانی صلاحیت سے کہیں زیادہ پیمانے اور رفتار پر کام کرتا ہے اور اکثر ایسے تجارتی پروڈکٹس تخلیق کرتا ہے جو اصل مواد تخلیق کرنے والوں کے ساتھ براہ راست مقابلہ کرتے ہیں۔

DOJ نے اس تشخیص کے خلاف جارحانہ انداز اختیار کرتے ہوئے کہا ہے کہ Perlmutter کی رپورٹ کی کوئی پابند کرنے والی قانونی اتھارٹی نہیں ہے اور یہ کیس بہ کیس تجزیہ سے متعلق قائم شدہ قانونی مثالوں (case law) کو مدنظر رکھنے میں ناکام ہے۔ محکمہ خبردار کرتا ہے کہ وسیع پیمانے پر ذمہ داری عائد کرنے سے مؤثر طور پر ایک ایسی لائسنسنگ کا نظام لازمی ہو جائے گا جو جدید AI ماڈلز کی ترقی کو قانونی اور مالی طور پر ناممکن بنا دے گا۔

اہم نکات

  • ٹریننگ اور آؤٹ پٹ کی علیحدگی: DOJ کا استدلال ہے کہ ٹریننگ کے لیے متن کی نقل کرنا خلاف ورزی نہیں ہے اگر نتیجے کے طور پر ملنے والے ماڈل آؤٹ پٹس اصل کاموں کے ساتھ "نمایاں مماثلت" نہیں دکھاتے۔
  • جدت کی حفاظت: محکمہ خبردار کرتا ہے کہ تمام ٹریننگ ڈیٹا کے لیے لائسنسنگ کا مطالبہ کرنا تخلیقی صلاحیت کو روک دے گا اور ان LLMs کی ترقی میں رکاوٹ بنے گا جو انسانی مواد کی تخلیق میں مدد کرتے ہیں۔
  • ایک قانونی اشارہ: یہ مداخلت DOJ اور US Copyright Office کے درمیان ایک ہائی اسٹیکس تنازع پیدا کرتی ہے، جو جنریٹو AI کے مستقبل پر حتمی عدالتی فیصلے کے لیے بنیاد فراہم کرتی ہے۔

ARTICLE: امریکی محکمہ انصاف نے New York Times کے کاپی رائٹ مقدمے میں ایک amicus brief دائر کیا ہے، جس میں یہ دلیل دی گئی ہے کہ بڑے زبان کے ماڈلز (LLMs) کو ٹرین کرنے کے لیے محفوظ شدہ متن کی نقل کرنا "fair use" کے زمرے میں آتا ہے۔ یہ فائلنگ OpenAI اور Microsoft جیسی کمپنیوں کو ایک ایسی قانونی ڈھال فراہم کرتی ہے جو انہیں نقصانات کے اس مجموعے سے بچا سکتی ہے جس کا اخبار نے اربوں ڈالر کا تخمینہ لگایا ہے۔

یہ کیس اب کیوں اہم ہے

یہ مقدمہ کئی ایسے دعووں کو یکجا کرتا ہے کہ AI ڈویلپرز نے بغیر اجازت اپنے ماڈلز میں اخبار کے لاکھوں مضامین ڈالے، اور پھر ایسے پروڈکٹس جاری کیے جو براہ راست Times کی اپنی رپورٹنگ کے ساتھ مقابلہ کرتے ہیں۔ اگر عدالت DOJ کے fair-use کے استدلال کو مسترد کر دیتی ہے، تو AI فرموں کو بھاری لائسنسنگ بلوں کا سامنا کرنا پڑ سکتا ہے یا انہیں اگلی نسل کے conversational agents کی ترقی روکنے پر مجبور کیا جا سکتا ہے۔

DOJ کا بنیادی استدلال

یہ دستاویز AI ورک فلو کو دو الگ مراحل میں تقسیم کرتی ہے۔ پہلا، ماڈل متن کے بڑے مجموعوں (corpora) کو جذب کرتا ہے؛ دوسرا، یہ صارف کے سوالات کے جوابات تیار کرتا ہے۔ محکمہ کا کہنا ہے کہ خلاف ورزی صرف اس وقت ہوتی ہے جب کسی کاپی رائٹ شدہ کام کو اس طرح دوبارہ پیش کیا جائے کہ عوام تک اس کی رسائی ہو سکے۔ چونکہ ٹریننگ کی کاپیاں کبھی بھی ڈویلپر کے سرورز سے باہر نہیں نکلتیں، اس لیے ڈیٹا جذب کرنے کا عمل اس حد تک نہیں پہنچتا۔

DOJ "نمایاں مماثلت" (substantial similarity) کے ٹیسٹ پر بھی انحصار کرتا ہے، جو کہ کاپی رائٹ کا ایک دیرینہ معیار ہے۔ اس کا دعویٰ ہے کہ GPT-4 جیسے ماڈلز کے ذریعے تیار کردہ ٹیکسٹ آؤٹ پٹ "اکثر، اگر ہمیشہ نہیں بھی،" کسی بھی واحد ذریعے سے اتنا مختلف ہوتا ہے کہ مدعی مطلوبہ مماثلت ثابت نہیں کر سکتا۔ مختصراً یہ کہ، دستاویز کا استدلال ہے کہ قانونی توجہ حتمی آؤٹ پٹ پر ہونی چاہیے، نہ کہ اندرونی سیکھنے کے عمل پر۔

بات کو سمجھانے کے لیے ایک ادبی مثال

تکنیکی دلیل کو زیادہ قابلِ فہم بنانے کے لیے، اس فائلنگ میں ایک نوجوان لکھاری کی کہانی کا حوالہ دیا گیا ہے جس نے ارنسٹ ہیمنگوے کے انداز کا مطالعہ کرنے کے لیے ان کی کہانیاں کاپی کی تھیں۔ DOJ کا کہنا ہے کہ اگر قانون اس سیکھنے کے عمل کو خلاف ورزی قرار دے، تو اس لکھاری پر ہر بار مقدمہ چلایا جا سکتا ہے جب وہ کوئی نیا کام شائع کرے گی، چاہے اس کا کام اصل (original) ہی کیوں نہ ہو۔ محکمہ نے خبردار کیا ہے کہ اسی منطق کو AI پر لاگو کرنے سے "وہ تخلیقی صلاحیتیں مفلوج ہو جائیں گی جن کی حفاظت کے لیے کاپی رائٹ قانون بنایا گیا تھا۔"

AI ڈویلپرز اور مواد تخلیق کرنے والوں کے لیے خطرات

  • جدت کا خطرہ: ٹریننگ میں استعمال ہونے والے ہر متن کے لیے لائسنس کی ضرورت سے اخراجات اتنے بڑھ سکتے ہیں کہ جدید ترین (state-of-the-art) ماڈلز بنانا مالی طور پر ناقابل برداشت ہو جائے۔
  • تخلیقی ورک فلو: انسانی لکھاری ڈرافٹنگ، ایڈیٹنگ اور آئیڈیاز کے لیے تیزی سے LLMs پر انحصار کر رہے ہیں۔ اگر ٹریننگ کے عمل کو غیر قانونی قرار دے دیا گیا، تو یہ ٹولز غائب ہو سکتے ہیں، جس سے تمام صنعتوں میں مواد کی تیاری کا طریقہ بدل جائے گا۔
  • مارکیٹ پر اثرات: اخبارات کی صنعت کا استدلال ہے کہ وہ AI ماڈلز جو سوالات کے جواب دے سکتے ہیں یا خبروں جیسا متن تیار کر سکتے ہیں، اصل رپورٹنگ کی اہمیت کو کم کرتے ہیں، جس سے اشتہاری آمدنی اور سبسکرپشنز کا نقصان ہو سکتا ہے۔

کاپی رائٹ آفس کا جوابی نقطہ نظر

سابق رجسٹر شائرا پرلمٹر کی نگرانی میں تیار کردہ یو ایس کاپی رائٹ آفس کی ایک حالیہ رپورٹ نے 'fair-use' کے عمومی دفاع کو مسترد کر دیا ہے۔ آفس نے تین ایسے عوامل پر روشنی ڈالی ہے جو AI کو انسانی سیکھنے کے عمل سے ممتاز کرتے ہیں: کاپی کیے گئے مواد کی بے پناہ مقدار، اس پر کارروائی کی رفتار، اور یہ حقیقت کہ تیار شدہ ماڈلز کو تجارتی مصنوعات کے طور پر پیک کر کے بیچا جا سکتا ہے جو براہ راست اصل تخلیق کاروں کے ساتھ مقابلہ کرتے ہیں۔

DOJ ان نکات کو رد کرتے ہوئے کہتا ہے کہ اس رپورٹ کو کوئی لازمی قانونی اختیار حاصل نہیں ہے اور موجودہ کیس قوانین میں پہلے ہی 'fair use' کا حقیقت پر مبنی تجزیہ ضروری ہے۔ یہ خبردار کرتا ہے کہ "وسیع ذمہ داری" عائد کرنے سے صنعت عملی طور پر ایک ایسے لائسنسنگ نظام پر مجبور ہو جائے گی جو "جدید AI ماڈلز کی ترقی کو قانونی اور مالی طور پر ناممکن بنا دے گا۔"

آگے کیا ہو سکتا ہے

ٹائمز کیس کی سماعت کرنے والی ڈسٹرکٹ کورٹ کو DOJ کے 'fair-use' کے موقف اور کاپی رائٹ آفس کے نتائج کا موازنہ کرنا ہوگا۔ DOJ کے حق میں فیصلہ ایک ایسی مثال قائم کرے گا کہ ٹریننگ ڈیٹا کو واضح اجازت کے بغیر حاصل کیا جا سکتا ہے، بشرطیکہ ماڈل کے آؤٹ پٹ نمایاں مماثلت سے پاک ہوں۔ اخبارات کے حق میں فیصلہ لائسنسنگ کے مذاکرات کی ایک لہر پیدا کر سکتا ہے، جو ممکنہ طور پر AI تحقیق کی معیشت کو نئے سرے سے ترتیب دے دے گا۔

خلاصہ

DOJ کی فائلنگ اس سوال کو کہ آیا AI ٹریننگ 'fair use' ہے یا نہیں، ایک انتہائی اہم عدالتی جنگ میں بدل دیتی ہے۔ اس کا نتیجہ یہ طے کرے گا کہ کیا ڈویلپرز موجودہ متن پر طاقتور لینگویج ماڈلز بنانا جاری رکھ سکتے ہیں یا انہیں ہر اس مواد کے لیے مہنگے لائسنس لینے ہوں گے جسے وہ جذب کرتے ہیں۔ یہ فیصلہ ٹیک سیکٹر، میڈیا انڈسٹری اور وسیع تر تخلیقی معیشت پر گہرے اثرات مرتب کرے گا۔