Лицензии Википедии для ИИ-компаний
Дискуссия о лицензировании данных для ИИ-компаний все больше затрагивает некоммерческие организации, такие как Википедия. Джимми Уэйлс, сооснователь Википедии, стремится к заключению большего числа лицензионных соглашений с ИИ-компаниями, подобно существующему соглашению с Google. Это реакция на растущие расходы на серверы и хранение данных, связанные с массовым сбором данных (скрейпингом) с помощью ИИ-ботов. Ключевой вопрос заключается в том, как найти справедливый баланс между открытыми данными и ИИ, не ставя под угрозу принцип свободных источников знаний.
Источник: Собственное представление
Википедия и ИИ-лицензии
Википедия, управляемая некоммерческим фондом «Викимедиа», финансируется в основном за счет пожертвований. Контент распространяется под Creative-Commons-Lizenz CC BY-SA 3.0 и GNU Free Documentation License, , которые также разрешают коммерческое использование при соблюдении условий лицензии. Эта открытость делает Википедию привлекательной для ИИ-компаний, поскольку статьи проходят редакционную проверку, имеют версионность, снабжены источниками и структурированы – идеальная основа для графов знаний и обучающих данных.
По словам Уэйлса, ИИ-боты сканируют «весь сайт», , что приводит к непропорциональному увеличению кэша, оперативной памяти и пропускной способности. Спонсоры Википедии хотят поддержать свободное образование, а не субсидировать затраты на инфраструктуру многомиллиардных ИИ-корпораций.
Первое крупное лицензионное соглашение — это соглашение между фондом «Викимедиа» и Google по услуге „Wikimedia Enterprise“. Этот коммерческий API-сервис, запущенный в 2021 году, ориентирован на крупных пользователей, таких как поисковые системы и ИИ-компании. В то время как обычные пользователи по-прежнему могут использовать Википедию бесплатно, компании, которым требуются миллионы запросов, зеркалирование в реальном времени и специализированные потоки данных, получают стабильный, договорной доступ за плату. Google платит за эту услугу , в то время как Internet Archive как некоммерческая организация получает бесплатный полный доступ.
Этот подход перераспределяет создание стоимости: вместо бесплатного сбора данных теперь существует продукт, предназначенный для ресурсоемких приложений. Параллельно ИИ-компании ведут переговоры с медиа-компаниями о лицензионных пакетах. OpenAI заключила соглашения с издательствами, такими как Axel Springer и Financial Times. Reddit заявил при первичном публичном размещении акций, около 203 миллионов долларов США за счет лицензий на данные, , включая соглашение с Google на сумму около 60 миллионов долларов США в год. Таким образом, Википедия сталкивается с вопросом, почему она должна продолжать предоставлять бесплатную инфраструктуру для ИИ-моделей, если другие платформы продают свои данные.
Источник: wikimediafoundation.org
Фонд «Викимедиа» разрабатывает ИИ-стратегию, ориентированную на людей.
Правовые аспекты
Правовой статус обучения больших языковых моделей — это глобальная серая зона. . В ЕС Директива об авторском праве на едином цифровом рынке (Директива DSM) разрешает текстовый и добывающий данные анализ (TDM), если правообладатели явно не исключают свои произведения. Предстоящий EU AI Act ужесточает требования к «ИИ общего назначения»: поставщики должны публиковать подробное резюме своих обучающих данных и соблюдать авторские права и сигналы opt-out. Это служит прозрачности, чтобы правообладатели могли отслеживать использование своего контента и, при необходимости, вести переговоры или подавать в суд.
В США доминируют дебаты о „Fair Use“. . ИИ-компании утверждают, что обучение на произведениях, защищенных авторским правом, является трансформационным использованием, поскольку распространяются не копии 1:1, а изучаются статистические закономерности. Однако суды не всегда принимают этот аргумент. Мюнхенский суд постановил, что обучение ChatGPT на защищенных текстах песен нарушает немецкое авторское право, и присудил OpenAI возмещение ущерба в пользу GEMA. Лицензирование данных для обучения LLM зависит от исключений, механизмов opt-out, обязательств по прозрачности и судебных разбирательств, что побуждает платформы, такие как Википедия, к созданию предсказуемых лицензионных моделей.
Источник: digitalzentrum-berlin.de
Закон ЕС об искусственном интеллекте создает правовую основу для использования искусственного интеллекта и влияет на модели лицензирования.
Компактное введение в основные вопросы «Авторское право и обучение ИИ» предлагает эта англоязычная дискуссия экспертов.
Стоимость скрейпинга ИИ
Для некоммерческих платформ, таких как Википедия, скрейпинг ИИ влечет за собой в основном три статьи расходов: дополнительные инфраструктурные, технические контрмеры и затраты на управление. Потребность в серверах, пропускной способности и ресурсах кэширования растет, поскольку ИИ-боты автоматически сканируют большие части или полные дампы проекта. Некоммерческие организации должны решать, как им защищаться от чрезмерного скрейпинга. Помимо классических средств, таких как robots.txt, фонд «Викимедиа» обсуждает специализированные решения, такие как Cloudflare „AI Crawl Control“. . Кроме того, необходимы структуры управления, которые решают, с какими компаниями вести переговоры и когда бесплатный доступ подрывает цели сообщества.
Другие платформы реагируют по-разному: Reddit использует платные лицензии на данные, но находится под наблюдением US-Federal Trade Commission за продажу пользовательских данных. В то же время Reddit подает в суд на Anthropic за нарушение контракта в связи со скрейпингом, чтобы защитить свою лицензионную модель. Для таких проектов, как Википедия, возможности ограничены. Они могут предлагать платные корпоративные модели, но должны объяснить своему сообществу, почему определенные формы скрейпинга ИИ в определенном объеме больше не считаются законным использованием, а являются ловушкой для затрат.
Взгляд на напряжение между свободной культурой и устойчивостью предлагает Джимми Уэйлс в выступлениях.
Модели справедливого возмещения
Ключевой вопрос заключается в том, как выглядит справедливое возмещение между открытыми данными и ИИ, которое защищает инновации и общее благо. Многоуровневая модель доступа является очевидным подходом: люди и небольшие проекты используют контент бесплатно при соблюдении лицензии CC. Крупные коммерческие игроки, особенно операторы ИИ-систем, заключают лицензионные соглашения с четкими условиями по объему, обязательствам по проверке авторства, правам на удаление и ответственности, как это делают Wikimedia Enterprise или сделки крупных издателей с OpenAI.
Источник: user-added
Две светящиеся медузы, одна синяя, другая зеленая, на черном фоне с линиями сетки и скобками.
Вторым кирпичиком является техническая сигнализация: правообладатели должны иметь возможность машиночитаемо маркировать, разрешено ли использование их контента для обучения ИИ, а сканеры ИИ-компаний должны уважать эти сигналы. Третий элемент — это стандартизированные модели вознаграждения: вместо индивидуальных разовых сделок коллективные общества по управлению правами или отраслевые рамочные соглашения могли бы собирать и перераспределять лицензионные сборы за определенные категории использования, аналогично роялти за музыку.
YouTube позволяет создателям явно соглашаться на использование их видео для обучения ИИ-систем сторонних компаний; эта настройка отключена по умолчанию. Это указывает на будущее, в котором открытый контент больше не будет автоматически считаться бесплатным хранилищем сырья для ИИ-корпораций, а права использования, вознаграждение и возможность отказа будут прозрачно обсуждаться — в том числе для некоммерческих проектов, таких как Википедия.
Основы лицензий Creative Commons представлены в этом англоязычном видео с объяснениями. Краткое введение в европейский взгляд на регулирование ИИ и авторское право предлагает это выступление.
Заключение и перспективы
Википедия выступает за идею свободных знаний, но «свободно доступный» не означает «бесплатно для эксплуатации любой бизнес-моделью». Решение Джимми Уэйлса и фонда «Викимедиа» стремиться к заключению большего числа лицензионных сделок с ИИ-компаниями — это попытка сохранить принципы Википедии в мире, управляемом ИИ. Открытый контент должен оставаться открытым, но те, кто использует его в промышленных масштабах в коммерческих целях, должны внести справедливый вклад в финансирование инфраструктуры.
Успех этого подхода будет зависеть от того, как суды, регулирующие органы и общественность ответят на вопрос справедливого возмещения между открытыми данными и ИИ. Речь идет о том, чтобы больше не перекладывать истинные расходы на скрейпинг ИИ на волонтеров и доноров.