न्यायसंगत उपयोग और प्रतिस्पर्धा में एआई-विकृत बाजार

एक द्विपक्षीय बिल, पारदर्शिता और कृत्रिम बुद्धिमत्ता नेटवर्क अधिनियम (TRAIN), जनवरी 2026 में पेश किया गया, सामग्री निर्माताओं को एआई कंपनियों से खुलासा करने के लिए प्रक्रिया जारी करने की शक्ति देगा। यदि यह पारित हो जाता है, तो अधिक कॉपीराइट धारकों के पास यह जानने के लिए एक कानूनी तंत्र होगा कि उनका काम एआई प्रशिक्षण के लिए उपयोग किया गया था या नहीं।

पहली नज़र में, यह ऐसा लगता है कि यह एक शक्ति होगी जो अधिक कॉपीराइट धारकों को एआई डेवलपर्स से भुगतान का दावा करने के लिए प्राधिकृत करेगी। वास्तव में, हालांकि, यह जानना कि आपका काम पूर्व अनुमति के बिना उपयोग किया गया था, पर्याप्त नहीं है।

न्यायसंगत उपयोग के मामलों का फैसला करते समय, अदालतें चार मुख्य कारकों पर विचार करती हैं: उपयोग का उद्देश्य, मूल कार्य की प्रकृति, कितना लिया गया था, और उपयोग का सामग्री के बाजार मूल्य पर क्या प्रभाव पड़ा है। हाल के अमेरिकी अदालतों के फैसलों ने पुनः पुष्टि की है कि न्यायसंगत उपयोग नवाचार का एक स्तंभ है और इसे आसानी से खारिज नहीं किया जा सकता है। विशेष रूप से बाजार की क्षति के कारक पर ध्यान केंद्रित किया जा रहा है और इसका प्रमाण देना।

बाजार की क्षति मुख्य मोर्चा

कैलिफोर्निया के उत्तरी जिले के एआई कॉपीराइट निर्णयों से पता चलता है कि अदालतें न्यायसंगत उपयोग विश्लेषण के लिए अलग-अलग दृष्टिकोण अपना रही हैं। कैड्रे वी। मेटा में, जज छाब्रिया ने बाजार की क्षति को “न्यायसंगत उपयोग का सबसे महत्वपूर्ण तत्व” कहा। जज अल्सप बार्ट्ज़ वी। एंथ्रोपिक में, दूसरी ओर, सभी चार कारकों पर अधिक समान रूप से विचार किया। लेकिन दोनों जजों ने इस बात से सहमत हुए: मुकदमेबाजों को बस नुकसान का दावा नहीं करना होगा – उन्हें यह साबित करना होगा कि यह हुआ है या संभावित है।

साक्ष्य आवश्यकता एआई डेवलपर्स के लिए मामला है, विशेष रूप से नकदी-संकटग्रस्त स्टार्टअप्स के लिए। यदि नुकसान को साबित करने की आवश्यकता है और नहीं माना जाता है, तो डेवलपर्स नुकसान से बचने के लिए डिज़ाइन विकल्प बना सकते हैं। निर्णय सुझाव देते हैं कि डेवलपर्स अपने जोखिम को कम कर सकते हैं कानूनी स्रोतों से डेटा प्राप्त करके, ऐसे उत्पादों को डिज़ाइन करके जो कॉपीराइट कार्य से अलग उद्देश्यों की सेवा करते हैं, और सुरक्षा उपायों को लागू करके बड़े पाठ के अंशों की पुनरावृत्ति को रोकने के लिए।

दोनों बार्ट्ज़ और कैड्रे अदालतों ने पाया कि एआई प्रशिक्षण कॉपीराइट कानून के तहत “परिवर्तनकारी उपयोग” के रूप में योग्य है। इसके साथ, ध्यान बढ़ती जा रही है चौथे न्यायसंगत उपयोग कारक पर: बाजार की क्षति। हाल के एआई कॉपीराइट लड़ाई इसे दर्शाते हैं। दावे बढ़ती जा रही हैं कि कॉपीराइट कार्य की शब्दशः पुनरावृत्ति प्रकाशकों के बाजार मूल्य को नुकसान पहुंचाती है।

इन मामलों का फैसला अभी बाकी है। जो महत्वपूर्ण है वह यह है कि प्रकाशकों को बढ़ती जा रही है कि यदि वे जीतना चाहते हैं, तो उन्हें दो चीजों का दावा करना होगा: कि एआई आउटपुट प्रभावी रूप से मूल कार्यों तक पहुंच की आवश्यकता को बदल देते हैं और परिणामस्वरूप, कॉपीराइट धारकों को ठोस आर्थिक नुकसान होता है।

साक्ष्य आवश्यकताएं

दोनों बार्ट्ज़ और कैड्रे पर जोर देते हैं कि बाजार की क्षति को प्रदर्शित किया जाना चाहिए, माना जाना चाहिए। कैड्रे में, व्यापक परीक्षण से पता चला कि मेटा के ललामा ने मुकदमेबाजों के कार्यों से अधिक 50 टोकन का पुनरुत्पादन किया, और केवल 60% समय के तहत प्रेरक प्रॉम्प्ट जो मॉडल को मूल कार्य को पुनरुत्पादन करने के लिए मिले।

जज अल्सप बार्ट्ज़ में इस बात पर केंद्रित थे कि क्या एंथ्रोपिक का क्लॉड वास्तव में उपयोगकर्ताओं को उल्लंघनकारी पाठ प्रदान करता है – मुकदमेबाजों ने दावा नहीं किया था कि ऐसा हुआ था। पुनरावृत्ति के बिना, यह दावा करना कि मूल कार्य के लिए प्रतिस्थापन है, यह कठिन हो जाता है।

यह साक्ष्य दृष्टिकोण दिखाता है कि जब कॉपीराइट धारक यह साबित करते हैं कि उनके कार्यों का उपयोग प्रशिक्षण के लिए किया गया था, तो वे आवश्यक रूप से उल्लंघन के लिए एक मजबूत मामला नहीं बनाते हैं। यदि परिणामी एआई प्रणाली ऐसे आउटपुट का उत्पादन नहीं करती है जो पहचानने योग्य बाजार क्षति का कारण बनती है, तो केवल उपयोग कानून के तहत बहुत कम महत्व का है।

जब बाजार की क्षति को मान्यता दी जाती है

थॉमसन रॉयटर्स एंटरप्राइज सेंटर जीएमबीएच वी। रॉस इंटेलिजेंस इंक। में, डेलावेयर के जिला न्यायालय ने रॉस इंटेलिजेंस के न्यायसंगत उपयोग के बचाव को खारिज कर दिया जब रॉस ने थॉमसन रॉयटर्स के वेस्टलॉ हेडनोट्स का उपयोग एक एआई कानूनी अनुसंधान उपकरण को प्रशिक्षित करने के लिए किया जो सीधे वेस्टलॉ के साथ प्रतिस्पर्धा करता था। न्यायसंगत उपयोग विश्लेषण में कारक 1 (उद्देश्य और चरित्र) और कारक 4 (बाजार प्रभाव) निर्णय के लिए महत्वपूर्ण थे।

सर्किट जज स्टीफनोस बिबास ने पाया कि रॉस का उपयोग परिवर्तनकारी नहीं था क्योंकि यह एक सीधा बाजार प्रतिस्थापन बनाता था। रॉस ने शुरू में वेस्टलॉ की सामग्री को लाइसेंस देने की मांग की थी, लेकिन थॉमसन रॉयटर्स ने विशेष रूप से मना कर दिया क्योंकि रॉस उसका प्रतियोगी था। मूल सामग्री के उद्देश्य और एआई उत्पाद के उद्देश्य के बीच संरेखण भी संभावित नुकसान के दावे का समर्थन करता है।

इसके विपरीत, जब एआई उत्पाद प्रशिक्षण के लिए उपयोग किए जाने वाले बाजारों से अलग बाजारों पर लक्षित होते हैं, तो बाजार प्रतिस्थापन स्थापित करना मुश्किल हो जाता है। बार्ट्ज़ और कैड्रे में, सामान्य-उद्देश्य भाषा मॉडल व्यक्तिगत पुस्तकों की तुलना में मूल रूप से अलग कार्य करते थे जो प्रशिक्षण के लिए उपयोग की जाती थीं। यह अंतर महत्वपूर्ण साबित हो सकता है – जितना अधिक एक एआई प्रणाली का उद्देश्य इसके प्रशिक्षण डेटा स्रोतों से दूर होगा, उतना ही यह बाजार प्रतिस्थापन को साबित करना मुश्किल होगा।

“लाइसेंसिंग बाजार” तर्क को खारिज किया गया

दोनों अदालतों ने स्पष्ट रूप से यह तर्क खारिज कर दिया कि एआई डेवलपर प्रशिक्षण डेटा के लिए संभावित लाइसेंसिंग बाजारों को नुकसान पहुंचाते हैं। जज छाब्रिया स्पष्ट किया कि खोए हुए लाइसेंसिंग शुल्क को नुकसान के रूप में मानने से न्यायसंगत उपयोग विश्लेषण सर्कुलर हो जाएगा, जो स्वचालित रूप से कॉपीराइट धारकों को पसंद करेगा। जज अल्सप ने पाया कि पुस्तकों को विशेष रूप से एआई प्रशिक्षण के लिए लाइसेंस देने के लिए एक बाजार “कॉपीराइट अधिनियम के तहत लेखकों को शोषण करने के लिए हकदार नहीं है।”

अदालतों ने स्वेच्छा से लाइसेंसिंग व्यवस्थाओं को कानूनी रूप से शुल्क के हकदार के रूप में स्थापित करने से इनकार कर दिया, कम से कम जहां उपयोग पर्याप्त रूप से परिवर्तनकारी था। ये निर्णय यह दर्शाते हैं कि उभरते हुए लाइसेंसिंग बाजार स्वचालित रूप से कॉपीराइट धारकों को अपने कार्य के न्यायसंगत उपयोग को रोकने के लिए हकदार नहीं बनाता है।

रणनीतिक परिणाम

कॉपीराइट धारकों के लिए, सबसे मजबूत मामले वे होंगे जहां बाजार प्रतिस्थापन स्पष्ट रूप से पहचाना जा सकता है। वे रणनीतिक रूप से उन एआई प्रणालियों पर ध्यान केंद्रित कर सकते हैं जिनके आउटपुट उनके मूल कार्यों के सबसे करीब हैं और व्यापक चुनौतियों के बजाय प्रशिक्षण के खिलाफ नहीं।

यदि TRAIN अधिनियम कानून बन जाता है, तो कॉपीराइट धारकों को अपने कार्यों का उपयोग कैसे किया जाता है, इसकी जांच करने के लिए खोज उपकरण प्राप्त होंगे। हालांकि, जानकारी प्राप्त करना किसी भी उल्लंघन दावे की सफलता के लिए केंद्रीय रहने के लिए बाजार की क्षति को प्रदर्शित करने का पहला कदम होगा।

एआई डेवलपर्स के लिए, हाल के निर्णय एक ढांचे प्रदान करते हैं जो जोखिम को कम करने के लिए। पहले, कानूनी डेटा स्रोत सुनिश्चित करें। दोनों बार्ट्ज़ और कैड्रे ने चोरी के माध्यम से (संभावित न्यायसंगत उपयोग के लिए) कार्यों का उपयोग करने के बीच अंतर किया। जज अल्सप ने पाया कि एंथ्रोपिक का चोरी से डाउनलोड करना “स्वाभाविक रूप से, अपरिवर्तनीय रूप से उल्लंघनकारी” था, भले ही बाद का प्रशिक्षण न्यायसंगत उपयोग हो सकता है।

दूसरा, प्रशिक्षण डेटा स्रोतों से अलग उद्देश्यों वाले उत्पादों को डिज़ाइन करें। एक एआई प्रणाली जो उपयोगकर्ताओं को दस्तावेज़ तैयार करने में मदद करती है वह अपने प्रशिक्षण डेटा में उपन्यास या लेखों की तुलना में अलग उद्देश्यों की सेवा करती है। एक प्रणाली जो केवल उन कार्यों को पुनर्प्राप्त या पुनरुत्पादित करती है, ऐसा नहीं करती है।

तीसरा, बड़े पैमाने पर शब्दशः पुनरावृत्ति को रोकने के लिए सुरक्षा उपाय लागू करें। कैड्रे अदालत ने नोट किया कि मेटा की प्रणाली ने कम से कम सामग्री का पुनरुत्पादन किया भले ही इसका परीक्षण विरोधी परीक्षण के तहत किया गया हो, जो न्यायसंगत उपयोग का समर्थन करता है। जो डेवलपर्स अपनी प्रणालियों को बड़े हिस्सों को पुनरुत्पादित करने की अनुमति देते हैं, वे महत्वपूर्ण कानूनी जोखिम का सामना कर सकते हैं।

निष्कर्ष

TRAIN अधिनियम जल्द ही कॉपीराइट धारकों को यह जानने के लिए उपकरण प्रदान कर सकता है कि उनके कार्यों का उपयोग एआई प्रशिक्षण के लिए किया गया था या नहीं। हालांकि, हाल के निर्णय यह स्पष्ट करते हैं कि ऐसी खोज केवल शुरुआत होगी। उभरते हुए अमेरिकी ढांचे में बाजार की क्षति केंद्रित है, जिसमें पहचानने योग्य आर्थिक नुकसान का प्रदर्शन आवश्यक है, न कि केवल प्रशिक्षण का उपयोग।

एआई डेवलपर्स को तीन चीजों पर ध्यान केंद्रित करना चाहिए: अपना डेटा कानूनी रूप से प्राप्त करें, ऐसे उत्पाद बनाएं जो आपके प्रशिक्षण सामग्री से परे उद्देश्यों की सेवा करते हैं, और अपनी प्रणालियों को बड़े पैमाने पर शब्दशः पुनरावृत्ति से रोकें। कॉपीराइट धारक, दूसरी ओर, तब सबसे मजबूत मामले बनाएंगे जब वे दिखा सकते हैं कि एक एआई उत्पाद वास्तव में उनके कार्य को बाजार में बदल देता है।