それが最初に思ったことだよ。法的な前例ではないけど、他の人たちにとっては道を開く感じだね。

そうかもしれないけど、この訴訟は海賊行為の問題に関しては違うんだよね。Anthropicは本を海賊版で入手したから和解金を払ってるのであって、著作権のある本でのトレーニングがフェアユースじゃないからじゃない。他のケースとは必ずしも同じじゃないよ。

Anthropicは確実に競合他社にも何らかの影響があることを期待しているみたいだね。>Anthropicの創業者ベン・マンが、2019年にOpenAIで働いていた時にLibrary Genesisのデータセットをダウンロードしたと証言し、これが「フェアユース」だと思っていたと述べた。NYTの記事によると、Anthropicは物理的な本を大量に購入してスキャンし、トレーニングデータにしていると主張していて、公共モデルには海賊版の素材は一切使っていないと言ってる。OpenAIも同じことが言えるのかな。

これが誤報されたり、意図的に誤解されたりするだろうな。AIの議論が今かなり荒れてるからね。でも、訴訟は海賊行為に関するもので、LLMの著作権遵守についてではないし、いずれにせよ、和解したからには、何も間違ってないってことを認めたことになる。便利なことに、どちらにしても法的な前例は作られないね。投資家がこの問題を裁判外で解決することを条件に最後の資金調達を行ったとしても驚かないよ。

確かに、スケーラブルなモデルのトレーニングに関係してるけど、本を切り刻んでページを自動スキャナーに入れるのはスケーラブルじゃないよね。それに、1) 本を探す 2) 購入する 3) 処理する 4) リサイクルするっていうコストも忘れちゃダメだよ。

「Rainbows End」が先見の明があったってどういうこと？

彼らは不正にソースを取得して利益を得たから、全てのモデルを削除しなきゃいけないんじゃない？そうしないと、他の人たちが続けて、後で罰金を払うだけになっちゃうよ。

Rainbows Endは多くの点で先見の明があった。そうだね。読む価値のある素晴らしい本だよ: https://www.goodreads.com/book/show/102439.Rainbows_End 著者のヴァーナー・ヴィンジは、「シンギュラリティ」という言葉を広めた人でもある。

Googleはかなり前にたくさんの本をスキャンしたけど、LibGenよりもずっと多いかも。これをトレーニングに使うのは大丈夫なのかな？

Aaron Swartzが生きていたら、libgenの時代をどう思ったんだろう。

約30ドルの本を海賊版で手に入れるために3000ドル払うのは、ちょっと釣り合わない気がする。

フェアユースの評価において、トレーニング自体がフェアユースであることを理解するのが重要だと思う。これを見落とす人が多い気がする。シェイクスピアの作品を全部取って、トークンやベクトルに変換したら、それはシェイクスピアなのか、それともシェイクスピアについての事実情報なのか？後者だよね。MLBのような組織が事実を著作権で保護したいと思っても、それはできない。さらに一歩進めて考えてみよう。もしその作品を買ってベクトル化したら、それは問題ない。でも、ハリー・ポッターのベクトルを何度も与えて、半分の本を再現できるようになったら、そのコピーを出力するのは問題になるよね。LLMが出力する他のものはどうなるの？誰がそれを所有するの？今のところ、誰も所有していない。もし猿や象に絵を描かせたら、その作品を著作権で保護することはできない。彼らは人間じゃないし、LLMも同じだよ。もし仕事でLLMを使ってコードを生成したら、辞めるときにそのコードを持って行けるの？著作権がないならGPL3やElastic Searchライセンスは適用されるのかな？これから数年、裁判の話がたくさん出てくると思う。

中古の本を買うこと それは相変わらず狂ってるよ。みんなが図書館にあるものは自由に読めるべきだって思ってる。

冗談だと思うかもしれないけど、実際にはいい提案だね。彼らの頭上には重大な法的問題があったし、ビジネスを終わらせるような判決のリスクもあった。これでその問題が消えるから、会社はより安全で価値のある投資になるよ。絶対的な意味でも、和解しなかった同業他社と比べてもね。

記事からの引用: > 支払い額は膨大だけど、最近のAnthropicが調達した金額に比べたら小さい。今月、このスタートアップは、さらに130億ドルをAnthropicの資金に加える契約を結んだと発表した。2021年の設立以来、合計で270億ドル以上を調達している。

彼らは早く動いて、物事を壊したかったんだよね。誰も止めなかったし。

その比喩はあまりうまくいかないね。これは罰じゃなくて和解だし、支払いは罰金じゃない。法的には「店が開いてなかったから、ロットからアイテムを取って後で支払った」って感じ。普通の状況では人々がビジネスをする方法とは違うけど、新しい市場や新しい製品では？これに関してはあまり問題がないように思う。著者は受け入れられる価格で支払われているし、AnthropicはLLMのトレーニングを始める前に何年も待つ必要はなかった（再度言うけど、出版社はAI企業が必要としているものを実際には売っていなかった！）。

彼らは一冊あたり3000ドル払ってるんだよ。実際に本を買った方がずっと安かったはず（実際にそうしたんだし）。

これは、モデルのトレーニングが何らかの権利であることを示唆しているね。

モデルをトレーニングするために欲しい本を全部買うのに、いくらかかるんだろう。

フェアユースは、素材にアクセスする方法ではなく、合法的にアクセスした後に何ができるかに関するものだよ。合法的にアクセスしていなければ、フェアユースの問題は無意味だね。

忘れないで：法的前例はないから！つまり、訴える人は最初からやり直さなきゃいけない。こういう状況では、負けると思ったら和解するんだよね。編集：これで叩かれるだろうけど、これはGoogleがEpicとの訴訟でやったことと全く同じ。彼らは公衆や裁判所がApple（おお、悪のApple）に注目している間に遅延させた。Appleは負けて、Googleは後で覆せない法的判断を受ける前に不利な条件で和解したんだ。

ありがとう！ここでケースのPDFリンクを見つけるのが早いと思ってたけど、要約してくれて助かる！確かに、支払いだけじゃなくてデータセットの破壊もあるよね。記事にはこう書いてあるしね：>「Anthropicは、これらの海賊版作品を使用していないと言っている」と彼は言った。「もし他の生成AI企業が海賊版のデータを使ってトレーニングして商業化したら、その潜在的な責任は膨大だ。業界を揺るがすことになるだろう — 私には疑いの余地がない。」もし本当なら、近い将来どれだけのケースが出てくるのか気になるな。

じゃあ…すべての本を買った方がずっと安上がりってこと？

これ、実際には望んでないんじゃない？企業がウェブスクレイピングを違法にできるべきだって言ってるよね。そのタスクを自動化するために使ってるcurlスクリプトが侵害になっちゃうかも。

試してみることはできると思うけど、著作権にはいろんな変なルールや例外があって、複雑なんだよね。法律の専門家じゃないけど、例えば「公私問わず自由に使っていいけど、学術には使わないでね、あの象牙の塔には関わりたくないから…」ってライセンスを入れたら、それは表現できる気持ちだけど、大学は法的にその希望を尊重する義務はないんだよね。「人々がライセンスに入れる変なこと」についての授業で、あなたの作品を使うことを拒否することはできない。さらに、裁判所がLLMのトレーニングが変革的だと認定したから、「他のことには使えるけど、LLMのトレーニングには使わないで」っていうライセンスは、音楽家が「私の作品を全体として聴くのはいいけど、あのひどい『ラップ音楽』にサンプリングしたら大変なことになるからね…」って言うのと同じくらい、強制力がないんだよね。著作権保護の目的は「科学と有用な技術」を促進することで、学術がすべての作品を調査することを許可する公共の利益は、著者が自分の作品を学術コミュニティに無関係だと宣言することの利益を上回るんだ。 それでも教科書は著作権があり、その著作権は尊重されている。学術のフェアユースの例外が、学者が教科書をコピーするのを許可しない理由がよくわからないな。

いや、法的にも技術的にも不可能だよ。

何かキャプチャのようなシステムを考案して、DMCAの下でセキュリティ対策と見なされ、回避できないようにすることができるかもしれないね。同じコンテンツをライセンス料でAPIを通じて提供するのもいいかも。

相対的に見て、ほんの少しのデータだよ。ほとんどのデータソースよりもトークンあたりのコストがずっと高い。