ممارسات الذكاء الاصطناعي الحالية قد تكون تمكن جيلًا جديدًا من المخادعين لحقوق النشر

تشير أبحاث جديدة مشتركة بين شركة هواوي والجامعات إلى أن الكثير من الأبحاث الحالية في مجال الذكاء الاصطناعي والتعلم الآلي قد تكون معرضة للتحقيق القانوني بمجرد أن تصبح بارزة تجارياً، لأن مجموعات البيانات التي تجعل الإنجازات ممكنة يتم توزيعها مع تراخيص غير صالحة لا تحترم الشروط الأصلية للنطاقات العامة التي تم الحصول على البيانات منها.

في الواقع، هذا له两个 نتائج محتملين تقريبا لا مفر منهما: أن الخوارزميات التجارية الناجحة التي تعرف أنها استخدمت مجموعات البيانات هذه ستصبح أهدافًا لمخادعين حقوق النشر في المستقبل الذين لم يحترموا حقوقهم عند جمع بياناتهم؛ وأن المنظمات والأفراد سوف يستطيعون استخدام هذه الثغرات القانونية للاعتراض على نشر تكنولوجيا التعلم الآلي التي يجدونها غير مقبولة.

الورقة المعنية بعنوان هل يمكنني استخدام هذه المجموعة العامة المتاحة لإنشاء برنامج ذكاء اصطناعي تجاري؟ من المحتمل لا، وهي تعاون بين هواوي كندا وهواوي الصين، مع جامعة يورك في المملكة المتحدة وجامعة فيكتوريا في كندا.

خمسة من ستة مجموعات بيانات مفتوحة شائعة غير قابلة للاستخدام قانونيا

لأجل البحث، طلب المؤلفون من الإدارات في هواوي اختيار مجموعات البيانات المفتوحة الأكثر رغبة في استغلالها في المشاريع التجارية، واختاروا ست مجموعات بيانات الأكثر طلبا من الاستجابات: CIFAR-10 (مجموعة فرعية من مجموعة 80 مليون صورة صغيرة، منذ سحب بسبب “المصطلحات المسيئة” و “الصور المسيئة”، على الرغم من أن المشتقات لا تزال منتشرة); ImageNet؛ Cityscapes (التي تحتوي حصريا على مواد أصلية); FFHQ؛ VGGFace2، و MSCOCO.

لتحليل ما إذا كانت مجموعات البيانات المختارة مناسبة للاستخدام القانوني في المشاريع التجارية، طور المؤلفون خط أنابيب جديد لتتبع سلسلة التراخيص إلى أبعد حد ممكن لكل مجموعة، على الرغم من أنهم غالبا ما اضطروا إلى اللجوء إلى التقاطات أرشيف الويب للعثور على تراخيص من المجالات المنتهية الصلاحية، وفي بعض الحالات اضطروا إلى “التنبؤ” بمركز الترخيص من المعلومات المتاحة الأقرب.

هندسة نظام تتبع الأصول الذي طوّره المؤلفون. مصدر: https://arxiv.org/pdf/2111.02374.pdf

وجد المؤلفون أن تراخيص خمس من ست مجموعات بيانات “تحتوي على مخاطر مرتبطة على الأقل بسياق استخدام تجاري واحد”:

‘نلاحظ أن، باستثناء MS COCO، لا يسمح أي من التراخيص المدروسة للعاملين بالحق في تطبيق نموذج ذكاء اصطناعي مدرب على البيانات أو حتى الإخراج من نموذج ذكاء اصطناعي مدرب. مثل هذا النتيجة يمنع أيضا العاملين من استخدام نماذج مدربة مسبقا على هذه المجموعات. مجموعات البيانات المتاحة للجمهور ونماذج الذكاء الاصطناعي المسبقة التدريب عليها يتم استخدامها على نطاق واسع تجاريا.’ *

يشير المؤلفون أيضا إلى أن ثلاثة من ست مجموعات بيانات المدروسة يمكن أن تؤدي إلى انتهاك الترخيص في المنتجات التجارية إذا تم تعديل المجموعة، حيث يسمح فقط MS-COCO بذلك. ومع ذلك، فإن تعزيز البيانات وفرق و مجموعات المجموعات المؤثرة هي ممارسة شائعة.

في حالة CIFAR-10، لم يخلق المجمّعون الأصليون أي شكل تقليدي من الترخيص، بل فقط يتطلب من المشاريع التي تستخدم المجموعة أن تشمل إشارة إلى الورقة الأصلية التي رافقت إصدار المجموعة، مما يقدم عائقا إضافيا لتحديد الوضع القانوني للبيانات.

علاوة على ذلك، تحتوي فقط مجموعة CityScapes على مواد تم إنشاؤها حصريا من قبل المنشئين للمجموعة، بدلا من أن تكون “مجمعة” (ممسوحة) من مصادر الشبكة، مع استخدام CIFAR-10 و ImageNet مصادر متعددة، والتي ستحتاج إلى التحقيق والتعقب إلى أبعد حد ممكن لتحديد أي آلية لحقوق النشر (أو حتى إعفاء ذي معنى).

لا مخرج

هناك ثلاثة عوامل يعتمد عليها شركات الذكاء الاصطناعي التجارية لتحمي نفسها من الملاحقات القضائية حول المنتجات التي استخدمت محتوى محمي بحقوق النشر من مجموعات البيانات بدون إذن، لتدريب خوارزميات الذكاء الاصطناعي. لا يوفر أي من هذه الحماية الموثوقة على المدى الطويل:

1: القوانين الوطنية اللايسية
على الرغم من أن الحكومات في جميع أنحاء العالم مجبرة على تخفيف القوانين حول جمع البيانات في محاولة لعدم التخلف في سباق الذكاء الاصطناعي (الذي يعتمد على كميات كبيرة من البيانات في العالم الحقيقي التي من غير واقعي أن تكون متوافقة مع حقوق النشر العادية والترخيص)، فإن الولايات المتحدة فقط توفر حصانة كاملة في هذا الصدد، بموجب مبدأ الاستخدام العادل – سياسة تم التصديق عليها في عام 2015 مع إنهاء قضية Authors Guild v. Google, Inc.، والتي أكدت أن عملاق البحث يمكنه استيعاب المواد المحمية بحقوق النشر بدون اتهام بالانتهاك.

إذا تغيرت سياسة مبدأ الاستخدام العادل (على سبيل المثال، استجابة لحالة بارزة أخرى تتضمن منظمات أو شركات قوية)، فمن المحتمل أن يتم النظر إليها كحالة أpriori فيما يتعلق باستغلال قواعد البيانات التي تنتهك حقوق النشر؛ لكنها لن تحمي الاستخدام المستمر والتنمية لأنظمة تمكنت من خلال مواد محمية بحقوق النشر بدون موافقة.

هذا يضع الحماية الحالية لمبدأ الاستخدام العادل على أساس مؤقت جدا، ويمكن أن يتطلب، في ذلك السيناريو، من الخوارزميات التجارية المثبتة أن تتوقف عن العمل في الحالات التي تمكن من خلال مواد محمية بحقوق النشر – حتى في الحالات التي تتعامل أوزان النموذج الآن حصريا مع محتوى مسموح به، ولكن تم تدريبه على مواد مسروقة بشكل غير قانوني.

خارج الولايات المتحدة، كما يشير المؤلفون في الورقة الجديدة، تكون السياسات عموما أقل تساهلا. المملكة المتحدة وكندا فقط تعفي استخدام البيانات المحمية بحقوق النشر لغايات غير تجارية، في حين أن قانون الاتحاد الأوروبي للتعدين النصي والبيانات (الذي لم يتم إلغاؤه تماما بواسطة الاقتراحات الحديثة لتنظيم الذكاء الاصطناعي بشكل أكثر رسمية) يستثني أيضا الاستغلال التجاري لمنظومات الذكاء الاصطناعي التي لا تتوافق مع متطلبات حقوق النشر للبيانات الأصلية.

ت意味 هذه الترتيبات أن المنظمة يمكن أن تحقق أمورا عظيمة مع بيانات الآخرين، حتى – ولكن ليس بما في ذلك – النقطة التي يُجني منها المال. في تلك المرحلة، سوف يصبح المنتج معرضا قانونيا، أو سوف يتعين إعداد ترتيبات مع ملايين من مالكي حقوق النشر، الذين لا يزالون غير قابليين للتعقب بسبب طبيعة الإنترنت المتغيرة – وهو منظور غير ممكن وغير قابل للتكلفة.

2: تحذير المشتري
في الحالات التي يأمل فيها المنظمات المخالفة لتأجيل اللوم، يشير الورقة الجديدة أيضا إلى أن العديد من تراخيص مجموعات البيانات المفتوحة الشائعة تعفي نفسها تلقائيا من أي مطالبات بانتهاك حقوق النشر:

‘على سبيل المثال، يتطلب ترخيص ImageNet من العاملين أن يعفي فريق ImageNet من أي مطالبات ناشئة عن استخدام المجموعة. يتطلب مجموعتا FFHQ و VGGFace2 و MS COCO، إذا تم توزيعها أو تعديلها، أن يتم تقديمها تحت نفس الترخيص.’

بصورة فعالة، هذا يضطر أولئك الذين يستخدمون مجموعات البيانات مفتوحة المصدر إلى امتصاص المسؤولية عن استخدام المواد المحمية بحقوق النشر، في مواجهة الملاحقات القضائية المحتملة (على الرغم من أنه لا يحمي بالضرورة المجمعيين الأصليين في حالة تمزق المناخ الحالي “الميناء الآمن”).

3: التعافي من خلال الغموض
تجعل الطبيعة التعاونية لمجتمع التعلم الآلي من الصعب استخدام التعتيم الشركي لإخفاء وجود الخوارزميات التي استفادت من مجموعات البيانات التي تنتهك حقوق النشر. غالبا ما تبدأ المشاريع التجارية طويلة الأمد في بيئات مفتوحة المصدر حيث استخدام المجموعات سجل، في GitHub ومنتديات عامة أخرى، أو حيث تم نشر أصول المشروع في ورقات مسبقة أو مراجعة الأقران.

حتى في casos حيث لا يكون هذا هو الحال، فإن عكس النموذج يصبح متزايدا قادرة على كشف السمات النموذجية لمجموعات البيانات (أو حتى الإخراج الصريح بعض المواد المصدرية)، إما لتوفير الدليل في حد ذاته، أو شكوك كافية من انتهاك حقوق النشر لتمكين الوصول المأمر به إلى تاريخ تطوير الخوارزمية، وتفاصيل مجموعات البيانات المستخدمة في ذلك التطوير.

الختام

تصور الورقة استخداما عشوائيا ومختلقا للمواد المحمية بحقوق النشر التي تم الحصول عليها بدون إذن، و سلسلة من سلاسل التراخيص التي، إذا اتبعت منطقيا إلى أبعد حد ممكن، ستتطلب مفاوضات مع آلاف من مالكي حقوق النشر الذين قدموا عملهم تحت راية مواقع ذات شروط ترخيص متنوعة، العديد منها يحظر الأعمال المشتقة التجارية.

يخلص المؤلفون إلى:

‘يتم استخدام مجموعات البيانات المتاحة للجمهور على نطاق واسع لإنشاء برامج ذكاء اصطناعي تجارية. يمكن القيام بذلك إذا كانت الرخصة المرتبطة بالمجموعة المتاحة للجمهور توفر الحق في القيام بذلك. ومع ذلك، لا يسهل التحقق من الحقوق والالتزامات المحددة في الرخصة المرتبطة بالمجموعات المتاحة للجمهور. لأن الرخصة في بعض الأحيان غير واضحة أو قد تكون غير صالحة.’

كما يؤكد عمل جديد آخر، بعنوان بناء مجموعات بيانات قانونية، الصادر في 2 نوفمبر من مركز القانون الحاسوبي في جامعة إدارة سنغافورة، على ضرورة认识 علماء البيانات بأن時代 “الغرب المتوحش” لجمع البيانات العشوائي يوشك على الانتهاء، ويعكس توصيات ورقة هواوي لاعتماد عادات وأساليب أكثر صرامة لضمان أن استخدام مجموعة البيانات لا يعرّض المشروع للآثار القانونية مع تغير الثقافة مع مرور الوقت، ومع سعى النشاط الأكاديمي العالمي الحالي في قطاع التعلم الآلي إلى العائد التجاري على سنوات الاستثمار. يشير المؤلف إلى*:

‘[المرجع] سيتوسع إلى قانون مجموعات بيانات التعلم الآلي، وسط مخاوف من أن القوانين الحالية توفر حماية غير كافية. مشروع قانون الذكاء الاصطناعي [القانون الأوروبي للذكاء الاصطناعي]، إذا تم اعتماده، سوف يغير مناظر الذكاء الاصطناعي وحوكمة البيانات؛ قد تتبع ولايات قضائية أخرى ذلك بمشاريعها الخاصة.’

* تحويلي للاستشهادات الداخلية إلى روابط