قادة الفكر
الاستخدام العادل والمنافسة في الأسواق التي تتأثر بالذكاء الاصطناعي

النقاط الرئيسيةيمنح قانون TRAIN سلطة الاستدعاء القضائي، لكن إثبات الضرر في السوق يظل العقبة القانونية…
عرض المزيد
- يمنح قانون TRAIN سلطة الاستدعاء القضائي، لكن إثبات الضرر في السوق يظل العقبة القانونية الحاسمة.
- ترفض المحاكم حجة سوق الترخيص وتتطلب أدلة ملموسة على استبدال مخرجات الذكاء الاصطناعي للأعمال الأصلية.
- يمكن لمطوري الذكاء الاصطناعي تقليل المخاطر القانونية من خلال الحصول على البيانات بشكل قانوني وتصميم منتجات تحويلية.
من شأن مشروع قانون يحظى بدعم الحزبين، هو قانون الشفافية والمسؤولية لشبكات الذكاء الاصطناعي (TRAIN)، الذي طُرح في يناير 2026، أن يمنح صناع المحتوى سلطة إصدار أوامر استدعاء لإجبار شركات الذكاء الاصطناعي على كشف المعلومات. إذا تم تمريره، ستتاح آلية قانونية لعدد أكبر من مالكي حقوق النشر لاكتشاف ما إذا كانت أعمالهم قد استخدمت لتدريب الذكاء الاصطناعي.
عند النظر الأول، قد يبدو هذا وكأنه سلطة ستسمح لمالكي حقوق النشر بالمطالبة بمدفوعات من مطوري الذكاء الاصطناعي. في الواقع، ومع ذلك، معرفة أن عملك قد استخدم بدون إذن مسبق بعيد كل البعد عن كونه كافيا.
عندما تقرر قضايا الاستخدام العادل، تزن المحاكم أربعة عوامل رئيسية: غرض الاستخدام، وطبيعة العمل الأصلي، ومقدار ما أُخذ من العمل، وتأثير هذا الاستخدام على قيمة السوق للمادة. الأحكام الحديثة في المحاكم الأمريكية أكدت أن الاستخدام العادل لا يزال ركناً من أركان الابتكار ولا يمكن رفضه بسهولة. الضوء الساطع خاصة على عامل الضرر السوقي وبرهانه.
الضرر السوقي كأرض المعركة الرئيسية
قرارات حقوق النشر للذكاء الاصطناعي من المحكمة الجزئية في شمال كاليفورنيا تظهر المحاكم تتخذ مناهج مختلفة لتحليل الاستخدام العادل. في Kadrey v. Meta، قال القاضي Chhabria إن الضرر السوقي “هو العنصر الأكثر أهمية في الاستخدام العادل”. القاضي Alsup في Bartz v. Anthropic، من ناحية أخرى، وزن جميع العوامل الأربعة بشكل أكثر توازنا. ومع ذلك، وافق كلا القاضيين على هذا: لا يمكن للمدعين أن يزعموا الضرر – يجب عليهم إثبات حدوثه أو احتماله.
مطلب الأدلة يهم لمطوري الذكاء الاصطناعي، خاصة الشركات الناشئة التي تعاني من نقص في التمويل. إذا كان الضرر يجب إثباته وليس افتراضه، يمكن للمطورين اتخاذ قرارات التصميم لتجنب ذلك. القرارات تشير إلى أن المطورين يمكن أن يقللوا من مخاطرهم من خلال الحصول على البيانات من مصادر قانونية، وتصميم المنتجات التي تخدم أغراضاً مختلفة عن العمل المحمي بحقوق النشر، وتنفيذ حواجز لمنع إعادة إنتاج مقاطع طويلة من النص.
كلا المحكمتين Bartz وKadrey وجدت أن تدريب الذكاء الاصطناعي يعتبر “استخدامًا تحويلياً” بموجب قانون حقوق النشر. مع ذلك، ينتقل التركيز بشكل متزايد إلى عامل الاستخدام العادل الرابع: الضرر السوقي. المعارك الحديثة لحقوق النشر للذكاء الاصطناعي تظهر ذلك. الإدعاءات تتركز بشكل متزايد على فكرة أن إعادة إنتاج أعمال محمية بحقوق النشر بشكل حرفي تضر بقيمة السوق للناشرين.
لا تزال هذه القضايا بانتظار الفصل فيها. ما يهم هو أن الناشرين يفهمون بشكل متزايد أنه إذا أرادوا الفوز، يجب عليهم أن يطالبوا باثنين من الأشياء: أن مخرجات الذكاء الاصطناعي تحل فعليًا محل الحاجة إلى الوصول إلى الأعمال الأصلية، وأن مالكي حقوق النشر يتكبدون نتيجة لذلك ضررًا اقتصاديًا ملموسًا.
متطلبات الأدلة
كلتا القضيتين Bartz وKadrey يؤكدان أن الضرر السوقي يجب إثباته، وليس افتراضه. في Kadrey، أظهر الاختبار الشامل أن نظام Llama من Meta أعاد إنتاج لا أكثر من 50 رمزًا من أعمال المدعين، وذلك في 60٪ فقط من الحالات عند استخدام مطالبات إقناعية مصممة لجعل النموذج يكرر العمل الأصلي.
ركز القاضي Alsup في Bartz على ما إذا كان نظام Claude من Anthropic قد سلم نصًا مخالفًا للمستخدمين – لم يطالب المدعون بحدوث ذلك. بدون إعادة الإنتاج، يصبح من الصعب الادعاء بأن المخرجات تحل محل العمل الأصلي.
يبين هذا النهج الإثباتي أن مالكي حقوق النشر لا يملكون بالضرورة أساسًا قويًا لدعوى انتهاك حتى عندما يثبتون استخدام أعمالهم في التدريب. إذا لم يكن نظام الذكاء الاصطناعي ينتج إخراجًا يسبب ضررًا سوقيًا، فإن مجرد استخدام العمل لا تكون له أهمية كبيرة بموجب القانون.
عندما يتم الاعتراف بالضرر السوقي
في Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc. (TRI ) ، رفضت محكمة المقاطعة في ديلاوير دفاع روس إنتليجنس عن الاستخدام العادل بعد أن استخدمت روس إنتليجنس ملخصات الأحكام القضائية في ويستلاو التابعة لتومسون رويترز لتدريب أداة بحث قانوني بالذكاء الاصطناعي تنافس ويستلاو مباشرة. كلا العاملين 1 (الغرض والطابع) و 4 (التأثير السوقي) من تحليل الاستخدام العادل كانا حاسمين في القرار.
وجد قاضي محكمة الاستئناف Stephanos Bibas أن استخدام روس إنتليجنس لم يكن تحويلياً لأنه أنشأ بديلاً سوقياً مباشراً. سعت روس إنتليجنس في البداية إلى الحصول على ترخيص لاستخدام محتوى ويستلاو، لكن تومسون رويترز رفضت ذلك لأن روس إنتليجنس كانت منافسًا لها. التطابق بين غرض المواد الأصلية وغرض المنتج بالذكاء الاصطناعي يدعم أيضًا ادعاء الضرر المحتمل.
بالمقابل، عندما تستهدف منتجات الذكاء الاصطناعي أسواقًا مختلفة عن تلك المستخدمة لتدريبها، يصبح من الصعب إثبات الاستبدال السوقي. في Bartz وKadrey، خدمت نماذج اللغة ذات الأغراض العامة أغراضًا أساسية مختلفة عن الكتب الفردية المستخدمة لتدريبها. قد تثبت هذه الفروق أنها حاسمة – كلما كان غرض نظام الذكاء الاصطناعي أكثر بعدًا عن مصادر بياناته، كلما كان من الصعب إثبات الاستبدال السوقي.
رفض حجة “سوق الترخيص”
رفضت المحكمتان بشكل صريح الحجج التي تفيد بأن مطوري الذكاء الاصطناعي يلحقون ضررًا لأسواق الترخيص المحتملة لبيانات التدريب. أشار القاضي Chhabria إلى أن معاملة الرسوم المفقودة كضرر سوف تجعل تحليل الاستخدام العادل دائريًا، مما يفضل تلقائيًا مالكي حقوق النشر. وجد القاضي Alsup، من ناحية أخرى، أن سوقًا للترخيص لكتب لتدريب الذكاء الاصطناعي “ليست سوقًا يسمح قانون حقوق النشر للمؤلفين بالاستفادة منها”.
رفضت المحاكم معاملة الترتيبات الطوعية للترخيص كتأسيس لحقوق قانونية في الرسوم، على الأقل عندما يكون الاستخدام تحويليًا بدرجة كافية. تظهر هذه الأحكام أن سوق الترخيص الناشئ لا يمنح تلقائيًا لمالكي حقوق النشر الحق في منع استخدام أعمالهم بشكل عادل.
الآثار الاستراتيجية
لمالكي حقوق النشر، ستكون القضايا الأقوى تلك التي يمكن فيها تحديد الاستبدال السوقي بوضوح. قد يركزون استراتيجيًا على أنظمة الذكاء الاصطناعي التي تنتج إخراجًا يتقارب بشكل وثيق مع أعمالهم الأصلية بدلاً من الطعن القانوني الواسع في التدريب ذاته.
إذا أصبح قانون TRAIN قانونًا، سيكتسب مالكو حقوق النشر أدوات إجرائية لجمع الأدلة للتحقيق في كيفية استخدام أعمالهم. ومع ذلك، فإن الحصول على المعلومات سيكون فقط الخطوة الأولى. إثبات الضرر السوقي سيظل حاسمًا لنجاح أي ادعاء بالانتهاك.
لمطوري الذكاء الاصطناعي، توفر القرارات الحديثة إطارًا لتقليل التعرض للمخاطر. أولاً، يجب التأكد من مصادر البيانات القانونية. أشار كلتا القضيتين Bartz وKadrey إلى الفرق بين استخدام الأعمال لتدريب الذكاء الاصطناعي (الذي قد يكون استخدامًا عادلًا) واكتسابها من خلال القرصنة. وجد القاضي Alsup أن تنزيل Anthropic من المواقع القرصانية كان “مخالفًا بشكل لا يمكن إصلاحه”، حتى لو كان التدريب اللاحق استخدامًا عادلًا.
ثانيًا، يجب تصميم المنتجات لغرض مختلف عن مصادر بيانات التدريب. نظام الذكاء الاصطناعي الذي يساعد المستخدمين في صياغة الوثائق يخدم أغراضًا مختلفة عن الروايات أو المقالات في بيانات التدريب. أما النظام الذي يكتفي باسترجاع هذه الأعمال أو إعادة إنتاجها فلا يخدم غرضًا مختلفًا.
ثالثًا، يجب تنفيذ حواجز لمنع إعادة إنتاج مقاطع كبيرة من النص حرفيًا. لاحظت محكمة Kadrey أن نظام Meta أعاد إنتاج كمية صغيرة من المحتوى حتى تحت اختبارات معادية، مما يدعم الاستخدام العادل. المطورون الذين يسمحون لأنظمتهم بإعادة إنتاج مقاطع كبيرة من الأعمال المحمية بحقوق النشر قد يواجهون مخاطر قانونية أكبر بشكل كبير.
الخلاصة
قد يمنح قانون TRAIN قريباً لمالكي حقوق النشر أدوات اكتشاف لمعرفة ما إذا كانت أعمالهم قد استخدمت لتدريب الذكاء الاصطناعي. ومع ذلك، فإن القرارات الحديثة تظهر بوضوح أن هذا الاكتشاف سيكون فقط البداية. الإطار الناشئ في الولايات المتحدة يركز على الضرر السوقي، مما يتطلب إثبات الضرر الاقتصادي المحدد بدلاً من مجرد الاستخدام في التدريب.
يجب على مطوري الذكاء الاصطناعي التركيز على ثلاثة أشياء: الحصول على بياناتهم بشكل قانوني، وتصميم منتجات تخدم أغراضًا تتجاوز مواد التدريب، ومنع أنظمتهم من إعادة إنتاج مقاطع طويلة من النص بشكل حرفي. من ناحية أخرى، سيكون لمالكي حقوق النشر أقوى الحالات عندما يمكنهم إثبات أن منتج الذكاء الاصطناعي يحل فعليًا محل عملهم في السوق.












