कॉपीराइटेड सामग्री के बिना ChatGPT जैसे AI टूल बनाना ‘असंभव’ है, OpenA
OpenAI के इस दावे पर बहस कि ChatGPT जैसे टूल कॉपीराइटेड सामग्री के बिना नहीं बनाए जा सकते, इस पर केंद्रित है कि क्या ऐसे डेटा पर AI का प्रशिक्षण मानव सीखने जैसा है या किसी डेटाबेस में कॉपी करने जैसा है जो संरक्षित कृतियों को पुन: उत्पन्न कर सकता है। टिप्पणीकार कानूनी और नैतिक ज़िम्मेदारी पर बंटे हुए हैं: कुछ का कहना है कि आउटपुट ज्यों-का-त्यों न हों तो प्रशिक्षण फेयर यूज़ है, जबकि अन्य बड़े पैमाने के, व्यावसायिक AI मॉडलों को रचनाकारों के काम का बिना सहमति या भुगतान के शोषण मानते हैं। यह चर्चा कॉपीराइट अवधि, ओपन-सोर्स मॉडलों के भविष्य, कॉर्पोरेट शक्ति, और नवाचार तथा बौद्धिक संपदा अधिकारों के बीच भविष्य के कानूनों द्वारा संतुलन पर व्यापक चिंताओं को उजागर करती है.
AI बनाम मानव सीखना और अधिकार
- इस पर बड़ा विवाद है कि क्या LLMs “मनुष्यों की तरह सीखते हैं।”
- एक पक्ष: मनुष्य और LLM दोनों भाषा की बड़ी मात्रा से सीखते हैं, इसलिए कानूनी/नैतिक रूप से कॉपीराइटेड कृतियों का उपयोग करते समय उन्हें समान रूप से देखा जाना चाहिए।
- दूसरा पक्ष: कार्यान्वयन मूलतः अलग है; न्यूरल नेट में टेक्स्ट को “उपयोग” करना डेटाबेस-जैसी प्रणाली में कॉपी करना है, जो मानव मस्तिष्क जैसा नहीं है।
- व्यापक दार्शनिक विभाजन:
- कुछ का तर्क है कि नैतिक अधिकार चेतना/स्व-जागरूकता से आते हैं, जैविक रूप से मानव होने से नहीं, इसलिए उन्नत AIs को अंततः समान व्यवहार मिलना चाहिए।
- अन्य लोग जोर देते हैं कि कानून मनुष्यों द्वारा और मनुष्यों के लिए बनाया जाता है; मशीनें संपत्ति हैं, अधिकार-धारक नहीं, और AIs को अधिकार देना राजनीतिक पूंजी की बर्बादी है तथा कॉर्पोरेट हितों को छिपाता है।
कॉपीराइट, प्रशिक्षण डेटा, और फेयर यूज़
- एक पक्ष: कॉपीराइटेड डेटा पर प्रशिक्षण पढ़ने जैसा है; जब तक सिस्टम कृतियों को ज्यों-का-त्यों न उगल दे, तब तक यह उल्लंघन नहीं है।
- विरोधियों का कहना है: प्रशिक्षण कॉर्पस में कॉपीराइटेड सामग्री लोड करना ही कॉपी करना और अनुकूलन करना है, जो “training” या “learning” के लेबल से परे, सीधे कॉपीराइट के दायरे में आता है।
- कुछ लोग सुझाव देते हैं कि सामग्री को लाइसेंस किया जाना चाहिए; दूसरों को चिंता है कि इससे अमीर कंपनियों का एकाधिकार पक्का हो जाएगा और ओपन-सोर्स प्रयास कुचल जाएंगे।
आउटपुट, याद करना, और उल्लंघन
- GPT द्वारा लेखों को दोहराने के NYT उदाहरणों को याददाश्त और उल्लंघन के प्रमाण के रूप में उद्धृत किया जाता है।
- जवाबी तर्क: कई उदाहरणों में प्रॉम्प्ट के जरिए लेख का कुछ हिस्सा पहले से दिया जाता है; आलोचक इसे “चीटिंग” कहते हैं, जैसे किसी टूल को उल्लंघन करने के लिए उकसाना।
- जारी सवाल: ज़िम्मेदारी मॉडल प्रदाता पर है, उसे प्रॉम्प्ट करने वाले उपयोगकर्ता पर, या दोनों पर?
व्यावसायिक मॉडल, पैमाना, और मुनाफ़ा
- कई लोगों का तर्क है कि जो चीज़ व्यक्तियों के लिए सहन की जाती है (व्यक्तिगत उपयोग के लिए पाइरेसी, निजी मॉडल), वही बड़े पैमाने पर मुद्रीकरण होने पर अस्वीकार्य हो जाती है।
- कुछ लोग OpenAI के “तेजी से चलो, बाद में माफ़ी मांगो” दृष्टिकोण का बचाव करते हैं क्योंकि इससे दिखाया जा सकता है कि क्या संभव है; अन्य कहते हैं कि उन्होंने स्पष्ट रूप से लाभ के लिए दूसरों के काम का फायदा उठाया और अब उन्हें मुआवज़ा देना चाहिए।
नियमन, क्षेत्राधिकार, और भविष्य का प्रभाव
- चिंता है कि कड़े लाइसेंसिंग नियम:
- ओपन मॉडल्स को कमजोर कर सकते हैं,
- Silicon Valley की मौजूदा बड़ी कंपनियों की स्थिति को पक्का कर सकते हैं,
- या भविष्य की embodied, लगातार सीखने वाली AIs को बाधित कर सकते हैं।
- Japan का AI प्रशिक्षण के लिए अधिक उदार रुख एक विपरीत मिसाल के रूप में नोट किया गया है।
- मूल विषय: मौजूदा कॉपीराइट अवधि बहुत लंबी हो सकती है, जिससे आधुनिक AI और अन्य सार्वजनिक-हित उपयोगों के लिए आवश्यक public domain सूख रहा है।