استفاده منصفانه به سود همه است

پیشرفت هوش مصنوعی⁠(در یک پنجره جدید باز می‌شود)

دادگاه باید تلاش خواهان‌ها برای گسترش حق مؤلف به فراتر از حدود تثبیت‌شده آن را رد کند. در آموزش هوش مصنوعی، از آثار مشمول حق مؤلف برای هدفی اساساً متفاوت استفاده می‌شود؛ این کار راهی جایگزین برای دسترسی عموم به آن آثار فراهم نمی‌کند و زیانی به بازار وارد نمی‌کند که به موجب قانون حق مؤلف قابل استناد باشد. در عوض، زمینه‌ساز طیف گسترده‌ای از فناوری‌های تحول‌آفرین می‌شود که هم‌اکنون نیز برای عموم سودمندند. حق مؤلف برای ترویج خلاقیت و پیشرفت وجود دارد، نه برای سرکوب نوآوری قانونی یا مصون نگه داشتن پدیدآورندگان از رقابت. بنابراین، اصول تثبیت‌شده استفاده منصفانه، ناگزیر به این نتیجه می‌انجامند که آموزش هوش مصنوعی مولد مصداق استفاده منصفانه است.

شورای نابینایان آمریکا، انجمن کتابخانه‌های پژوهشی، انجمن کتابخانه‌های آمریکا، انجمن فناوری مصرف‌کننده و اتحادیه نرم‌افزارهای تجاری⁠(در یک پنجره جدید باز می‌شود)

این پرونده فقط به شرکت‌هایی مربوط نمی‌شود که الگوهای زبانی بزرگ (LLM) را توسعه می‌دهند. این پرونده بر پژوهشگران پزشکی و بیماران، آموزگارانی که با دانش‌آموزان دارای نیازهای یادگیری متفاوت کار می‌کنند، افراد دارای معلولیتی که خواهان استقلال بیشترند، کشاورزانی که دانش کشاورزی را به کار می‌گیرند، آفرینندگان مستقلی که شکل‌های تازه بیان را می‌آفرینند و بخش‌های مختلف صنعت، از نرم‌افزار تا خدمات حقوقی، تأثیر می‌گذارد. این گروه‌ها در امکان مطالعه و یادگیری از منابع گسترده و متنوع دانش، و دسترسی به ابزارهایی که این یادگیری را سودمند می‌کنند، منفعت مشترک دارند. بسیاری از آن‌ها به‌جای آموزش مدل‌ها به دست خود، به سامانه‌هایی متکی‌اند که دیگران توسعه داده‌اند، از جمله سامانه‌های هوش مصنوعی متن‌باز. استفاده منصفانه از توانایی آن‌ها برای یادگیری، کشف، برقراری ارتباط و خلق کردن پشتیبانی می‌کند. محدود کردن آموزش مبتنی بر استفاده منصفانه، هم بر مؤسساتی که هوش مصنوعی می‌سازند اثر می‌گذارد و هم بر افرادی که از آن استفاده می‌کنند.

اتحادیه پدیدآورندگان⁠(در یک پنجره جدید باز می‌شود)

نظریه تضعیف بازار از قانون حق مؤلف می‌خواهد از صاحبان حق در برابر پدیده‌ای اقتصادی حمایت کند که این قانون هرگز پیش از این آن را محدود نکرده است. آثار تازه می‌توانند بدون کپی‌برداری از بیانِ تحت حمایت آثار قدیمی‌تر، فروش، میزان دیده‌شدن یا ارزش آن‌ها را کاهش دهند. قانون حق مؤلف آگاهانه این رقابت را خارج از کنترل صاحب حق مؤلف قرار می‌دهد. ازاین‌رو، یار دادگاه با احترام از دادگاه می‌خواهد حکم دهد که «تضعیف بازار» — یعنی فشار رقابتیِ انباشته ناشی از خروجی‌های غیرناقض حق مؤلف، از جمله خروجی‌هایی که موضوع یا ژانر یکسانی دارند، در ویژگی‌های فاقد حمایت حقوقی مشترک‌اند یا برای جذب مخاطبان یکسان رقابت می‌کنند — طبق 17 U.S.C. § 107(4) زیان قابل استناد به بازار محسوب نمی‌شود. رد این نظریه تمایزی را حفظ می‌کند که دادگاه استیناف حوزه دوم همواره بر آن پای فشرده است: حق مؤلف از پدیدآورندگان در برابر جایگزین شدن بیانِ تحت حمایتشان محافظت می‌کند، نه در برابر موفقیت بیان تازه‌ای که صرفاً با آن رقابت می‌کند.

اتاق پیشرفت، مؤسسه فراوانی و ترور لارنس جونیور⁠(در یک پنجره جدید باز می‌شود)

تجربه صنایع خلاق امروز با هوش مصنوعی مولد، نمونه‌ای روشن از اجرای عملی این اصول است و نشان می‌دهد که ابزارهای هوش مصنوعی مولد چگونه هدف اصلی حق مؤلف، یعنی فراهم کردن زمینه برای خلاقیت بیشتر انسان، را پیش می‌برند. برای مثال، موسیقی‌دانان از هوش مصنوعی مولد برای آزمودن تنظیم‌های مختلف، پرورش ملودی‌ها و امکان‌پذیر کردن پروژه‌هایی استفاده می‌کنند که در غیر این صورت ممکن بود محدودیت منابع مانع اجرای آن‌ها شود. این ابزارها از تصمیم‌های هنرمند پشتیبانی می‌کنند و به عملی شدن آن‌ها کمک می‌کنند؛ در نتیجه، امکان‌های بیان انسانی و دامنه آثار در دسترس عموم را گسترش می‌دهند.

انجمن صنعت رایانه و ارتباطات⁠(در یک پنجره جدید باز می‌شود)

آموزش مدل هوش مصنوعی مولد از روشن‌ترین مصادیق استفاده دگرگون‌ساز است که از دادگاهی خواسته شده آن را ارزیابی کند. آثار مشمول حق مؤلف برای مصرف یا توزیع کپی نمی‌شوند؛ بلکه برای استخراج الگوهای آماری تحلیل می‌شوند تا ابزاری بتواند به دستور کاربر انسانی، متن یا خروجی تازه‌ای تولید کند. هم هدف و هم ماهیت این استفاده، به‌کلی با هدف و ماهیت اصلی آثار مبنا متفاوت است.

اد لی و ربکا تاشنت⁠(در یک پنجره جدید باز می‌شود)

استادان حقوق

این خروجی‌های غیرناقض حق مؤلف، شباهت اساسی به آثار خواهان‌ها ندارند؛ بلکه صرفاً در همان ژانر قرار می‌گیرند یا حاوی واقعیت‌های مشابه‌اند. نظریه بی‌سابقه خواهان درباره «تضعیف»، منطق حق مؤلف را وارونه می‌کند. ژانرها و واقعیت‌ها مشمول حمایت حق مؤلف نمی‌شوند. بر اساس بند حق مؤلف در قانون اساسی، این عناصر «نوشته‌های» اصیلِ هیچ «پدیدآورنده‌ای» نیستند و کپی‌برداری از آن‌ها آزاد است.

بنیاد مرزهای الکترونیکی⁠(در یک پنجره جدید باز می‌شود)

خواهان‌ها از دادگاه می‌خواهند این احتیاط را یکسره کنار بگذارد و قانون حق مؤلف را بازنویسی کند تا شرطِ دستیابی قانونی به آثار را در بر بگیرد؛ شرطی که نه در قانون مدون مبنایی دارد و نه در رویه قضایی. همچنین می‌خواهند اگر ابزاری عمومی ممکن است برای خلق آثار بالقوه رقیبِ غیرناقض حق مؤلف به کار رود، ارزیابی استفاده منصفانه به زیان توسعه‌دهنده آن ابزار متمایل شود. دادگاه باید هر دو نظریه را رد کند.

انجین و اتحادیه توسعه‌دهندگان⁠(در یک پنجره جدید باز می‌شود)

استفاده استارتاپ‌ها از مدل‌های پایه نشان می‌دهد که استفاده از آثار مشمول حق مؤلف برای آموزش مدل هوش مصنوعی، استفاده منصفانه است، نه نقض حق مؤلف. هدف از آموزش مدل پایه، بازتولید آثاری نیست که از آن‌ها می‌آموزد؛ هدف ساخت ابزاری عمومی است که دیگران بتوانند آن را برای مقاصد تازه سازگار کنند. مقاصدی که استارتاپ‌ها برگزیده‌اند، هیچ شباهتی به اهداف آثار موجود در هیچ‌یک از مجموعه‌داده‌های آموزشی ندارند.

بنیاد نوآوری آمریکا⁠(در یک پنجره جدید باز می‌شود)

تا آنجا که آموزش هوش مصنوعی امکان ایجاد دانش، شیوه‌های بیان، نرم‌افزار و دیگر قابلیت‌های تازه را فراهم می‌کند، این مزایا در ارزیابی آثار آن استفاده بر بازار، ذیل معیار چهارم، مؤثرند. این استدلال از کاربردی نو در این پرونده پشتیبانی می‌کند: در نظر گرفتن ارزش قابلیت‌هایی که تحلیل‌های تازه، تولید نرم‌افزار و دیگر فعالیت‌های مولد را ممکن می‌سازند، از منظر امنیت ملی.

گرگوری لپرت⁠(در یک پنجره جدید باز می‌شود)

متخصص فناوری کتابخانه

«هدف اصلی حق مؤلف، پاداش دادن به زحمت پدیدآورندگان نیست، بلکه ترویج پیشرفت علم و فنون سودمند است.» کتابخانه‌ها نیز همین هدف بنیادین قانون حق مؤلف را دنبال می‌کنند. برای مثال، کتابخانه کنگره مأموریت خود را فراهم کردن «دسترسی به منبعی غنی، متنوع و ماندگار از دانش برای آگاهی‌بخشی، الهام‌بخشی و همراه کردن شما در تلاش‌های فکری و خلاقه‌تان» اعلام می‌کند. بیان این مأموریت در دیگر مؤسسات نیز به‌طرز چشمگیری مشابه است: مأموریت کتابخانه هاروارد «همکاری با جوامع خود در خلق و به‌اشتراک‌گذاری دانش تازه» است؛ کتابخانه‌های ام‌آی‌تی می‌کوشند «با فراهم کردن بنیانی قابل اعتماد برای تولید، انتشار، استفاده، تعامل خلاقانه با اطلاعات و حفظ آن، دانش را پیش ببرند» و کتابخانه عمومی نیویورک برای «پیشبرد دانش از طریق فراهم کردن دسترسی آزاد و رایگان به منابع» فعالیت می‌کند. دسترسی آزاد به مدل‌های هوش مصنوعی عمومی، منفعت عمومی مهمی را تأمین و تقویت می‌کند؛ زیرا به کتابخانه‌ها امکان می‌دهد با نیازهای روز در زمینه حفظ دانش بشری و دسترس‌پذیر کردن آن برای نسل‌های آینده همگام بمانند.

جاشوا اس. گنز⁠(در یک پنجره جدید باز می‌شود)

استاد مدیریت راهبردی

حق مؤلف نه‌تنها از انگیزه تولید محتوا، بلکه از انگیزه ساخت ابزارهایی که از آن محتوا می‌آموزند نیز حمایت می‌کند؛ قاعده‌ای که هر فروش ازدست‌رفته بر اثر جایگزینی را مبنای طرح دعوا بداند، می‌تواند انگیزه دوم را تضعیف کند، بی‌آنکه به‌طور قابل اتکا از انگیزه نخست محافظت کند.

کوین کلی⁠(در یک پنجره جدید باز می‌شود)

نویسنده

هوش مصنوعی فناوری‌ای تحول‌آفرین است که خلق آثار نو در رشته‌های بی‌شمار هنری و علمی را شتاب می‌بخشد. آقای کلی در زمینه چگونگی پیشبرد ادبیات با هوش مصنوعی تجربه دارد. از دید او، هر مدل هوش مصنوعی را می‌توان رسانه‌ای کاملاً تازه دانست که به نویسندگان امکان خلق متن‌ها و ایده‌های نو و استدلال کردن می‌دهد. بنابراین، صدور رأی به سود خواهان‌ها در موضوع استفاده منصفانه، به آن‌ها امتیازی بسیار فراتر از انحصار محدود بر بیان اصیلشان می‌دهد که کنگره قصد اعطای آن را داشت. چنین رأیی مانع توسعه فناوری‌هایی می‌شود که قادرند حجم‌هایی از اطلاعات را منتشر کنند که پیش‌تر تصورناپذیر بود. همچنین راه را بر شیوه‌های تازه اندیشیدن و خلق آثار اصیل جدید، هم در هنر و هم در علم، می‌بندد. یار دادگاه این لایحه را در حمایت از استدلال خواندگان ارائه می‌کند که استفاده از آثار مشمول حق مؤلف برای آموزش مدل‌های زبانی بزرگ، طبق 17 U.S.C. § 107 مصداق استفاده منصفانه است. برای آقای کلی که سراسر زندگی خود را وقف نویسندگی کرده است، حمایت‌های اعطاشده به صاحبان حق مؤلف اهمیت دارد. به همان اندازه حیاتی است که برای استفاده‌های مجاز از محتوای مشمول حق مؤلف و رشد فناوری‌های تحول‌آفرین نیز مجال باقی بماند. در غیر این صورت، حق مؤلف همان خلاقیت، نوآوری و گسترش دانشی را سرکوب خواهد کرد که برای تشویق آن‌ها به وجود آمده است. دکترین استفاده منصفانه برای تضمین این توازن حیاتی است.

خوسلا ونچرز⁠(در یک پنجره جدید باز می‌شود)

استفاده منصفانه دقیقاً برای آن وجود دارد که مانع شود قانون حق مؤلف علیه همان نوآوری‌ای به کار رود که برای پیشبرد آن وضع شده است. برای تحقق مأموریت حق مؤلف در قانون اساسی، یعنی «ترویج پیشرفت علم و فنون سودمند»، قانون اساسی ایالات متحده، اصل اول، بخش ۸، بند ۸، دادگاه باید حکم دهد که استفاده از آثار مشمول حق مؤلف در آموزش مدل‌های زبانی بزرگ OpenAI، از نظر حقوقی مصداق استفاده منصفانه است.

متیو سگ⁠(در یک پنجره جدید باز می‌شود)

استاد حقوق

بر اساس مستندات این پرونده، استفاده خواندگان از آثار خواهان‌ها برای آموزش هوش مصنوعی، ماهیتی به‌شدت دگرگون‌ساز دارد و قویاً مؤید تشخیص استفاده منصفانه است؛ زیرا در شرایط واقع‌بینانه، خروجی‌های مدل‌های خواندگان از هیچ جهت مرتبطی به نسخه‌های میانیِ نامرئی که در فرایند آموزش ایجاد می‌شوند شباهت ندارند.

مایکل وال و سارا رز سیسکیند⁠(در یک پنجره جدید باز می‌شود)

موسیقی‌دان و آهنگساز / کمدین و نویسنده

این لایحه با بررسی کار دو آفریننده مستقل که برای تأمین معاش خود به حمایت حق مؤلف و ابزارهای هوش مصنوعی متکی‌اند، نشان می‌دهد آن جمله در عمل چه معنایی دارد. سارا رز سیسکیند و مایکل وال، یاران دادگاه، هنرمندانی هستند که آثار اصیل خلق می‌کنند و مجوز استفاده از آن‌ها را می‌دهند. اما آن‌ها از هوش مصنوعی برای انجام کارهای پیرامون فرایند خلاقه و گسترش کسب‌وکارشان در بازاری پر از رقبایی با منابع بیشتر استفاده می‌کنند. برای یاران دادگاه، هوش مصنوعی نه جای خلاقیت را می‌گیرد و نه میان‌بری برای دور زدن فرایندهای خلاقه آن‌هاست. هوش مصنوعی به آن‌ها کمک می‌کند آثار بیشتری خلق کنند و کار خود را به شیوه‌های تازه بیان گسترش دهند. تجربه یاران دادگاه بر دیدگاه ایالات متحده تأکید می‌کند که ابزارهای هوش مصنوعی «می‌توانند و باید به ایجاد شرایط رقابتی برابر میان ناشران بزرگ و مستقل کمک کنند.» سیسکیند از هوش مصنوعی در همه جنبه‌های کسب‌وکار خود استفاده می‌کند؛ از کارهای اداری روزمره گرفته تا پرورش ایده‌ها و جذب مشتریان تازه. با هوش مصنوعی، کارهای غیرخلاقه او سریع‌تر و کم‌هزینه‌تر انجام می‌شوند و کارهای خلاقه‌اش کیفیت بهتری پیدا می‌کنند. به گفته خودش، «فکر نمی‌کنم در شرایط فعلی بتوانم بدون هوش مصنوعی کسب‌وکارم را اداره کنم.» به همین ترتیب، هوش مصنوعی به وال کمک می‌کند امور اجرایی کسب‌وکار موسیقی خود را مدیریت کند، هزینه‌ها را کاهش دهد و زمان بیشتری را به آهنگسازی اختصاص دهد. او نیز مانند سیسکیند تردید دارد که کسب‌وکارش بدون هوش مصنوعی بتواند به شکل کنونی ادامه حیات دهد.

مایک کنوپ، دنیل لاود، داگلاس اشمیت⁠(در یک پنجره جدید باز می‌شود)

دانشمندان علوم رایانه

تعمیم و به‌خاطرسپاری دو پدیده متمایزند. آموزش بر پایه مجموعه‌ای بزرگ و متنوع به مدل امکان می‌دهد به پرامپت‌هایی پاسخ دهد که در طول آموزش با آن‌ها روبه‌رو نشده است. این امر مؤید آن است که مدل الگوهای قابل‌استفاده در زمینه‌های تازه را می‌آموزد، نه اینکه صرفاً آثار منبع را ذخیره کند. مدل آموزش‌دیده، مخزن اسنادی با قابلیت آدرس‌دهی نیست و معمولاً داده‌های آموزشی مشخص را به‌صورت فایل‌های ذخیره‌شده بازیابی نمی‌کند. هیچ آدرس، نمایه یا شناسه فایلی وجود ندارد که بتوان از طریق آن داده آموزشی خاصی را درخواست و دریافت کرد؛ در عوض، فرایند تولید با ایجاد یک توزیع احتمال برای توکن بعدی و انتخاب از آن پیش می‌رود.

دانش عمومی⁠(در یک پنجره جدید باز می‌شود)

استفاده منصفانه از ابزارهایی حمایت کرده است که به مردم کمک می‌کنند در میان مجموعه‌های عظیم اطلاعاتی که دنیای دیجیتال در اختیار ما گذاشته است جست‌وجو کنند؛ از جمله جست‌وجوی تصویر و جست‌وجوی تمام‌متن کتاب‌ها. بنگرید به پرونده شرکت پرفکت ۱۰ علیه شرکت آمازون‌دات‌کام، 508 F.3d 1146, 1164–68 (حوزه نهم، ۲۰۰۷)؛ انجمن نویسندگان علیه شرکت گوگل، 804 F.3d 202, 216–17, 225 (حوزه دوم، ۲۰۱۵) («گوگل بوکس»). همچنین از ارائه کتاب‌های دیجیتال دسترس‌پذیر توسط کتابخانه‌ها به خوانندگانی که به دلیل معلولیت قادر به خواندن متون چاپی نیستند، حمایت کرده است. بنگرید به پرونده انجمن نویسندگان علیه هاتی‌تراست، 755 F.3d 87, 101–03 (حوزه دوم، ۲۰۱۴). و با به رسمیت شناختن «مزایای عمومی چشمگیرِ دسترسی رایگان و آسان به قانون»، از انتشار رایگان و آنلاین استانداردهای فنیِ گنجانده‌شده در قانون حمایت کرده است. انجمن آمریکایی آزمون و مواد علیه شرکت Public.Resource.Org، 82 F.4th 1262, 1271–72 (حوزه کلمبیا، ۲۰۲۳). استفاده منصفانه به همان اندازه در تضمین این امر سودمند خواهد بود که مزایای هوش مصنوعی نصیب عموم مردم شود، نه اینکه در کنترل گروه کوچکی از افراد برخوردار بماند.

سناتور ریک سنتوروم و ریک بوچر، نماینده مجلس⁠(در یک پنجره جدید باز می‌شود)

اعضای پیشین کنگره

«حقوق مؤلف از همان آغاز، در واکنش به تغییرات مهم فناوری تکامل یافته است.» شرکت سونی آمریکا علیه شرکت یونیورسال سیتی استودیوز، 464 U.S. 417, 430 (1984). در راستای همین پیشینه، دکترین استفاده منصفانه، که با قانون حق مؤلف سال ۱۹۷۶ به قانون مدون تبدیل شد، قرار است همگام با تغییرات فناوری عمل کند، نه در تقابل با آن. هوش مصنوعی تازه‌ترین و تأثیرگذارترین فناوری‌ای است که این دکترین باید بر آن اعمال شود. استفاده از آثار مشمول حق مؤلف برای آموزش مدل‌های هوش مصنوعی، نمونه‌ای بارز از استفاده منصفانه است. مدل هوش مصنوعی نه برای انتقال بیان موجود در آثار به عموم، بلکه با هدفی کاملاً متفاوت، یعنی استخراج الگوهای آماری زبان که عملکرد مدل را ممکن می‌کنند، به این آثار متکی است. صدور حکمی مبنی بر اینکه آموزش هوش مصنوعی مصداق استفاده منصفانه است، برای کشور ما اهمیتی حیاتی دارد. آزادی دانشمندان، شرکت‌ها و کارآفرینان آمریکایی برای آموزش هوش مصنوعی، از نظر اقتصادی و راهبردی از بالاترین اهمیت برخوردار است.

ران ساسکیند و برایان ال. فرای⁠(در یک پنجره جدید باز می‌شود)

روزنامه‌نگار برنده جایزه پولیتزر / استاد حقوق

استفاده OpenAI از مقالات روزنامه‌ها برای آموزش مدل‌های هوش مصنوعی مولد خود، به هیچ وجه به انتظارات تجاری معقول خواهان‌های خبری لطمه نزد. آن‌ها با این انتظار سفارش نگارش مقالات روزنامه‌ای را دادند و آن‌ها را منتشر کردند که دسترسی به این مقالات را به مصرف‌کنندگان بفروشند. آن‌ها همچنان حق انحصاری فروش دسترسی مصرف‌کنندگان به مقالات خود را دارند و از آن استفاده می‌کنند. استفاده OpenAI از آن مقالات برای آموزش مدل‌های هوش مصنوعی خود، تأثیری بر توانایی آن‌ها در فروش دسترسی مصرف‌کنندگان به مقالاتشان نداشت.

دولت ایالات متحده⁠(در یک پنجره جدید باز می‌شود)

در این دعوا، نیویورک تایمز می‌کوشد دامنه دکترین استفاده منصفانه را چنان محدود کند که آموزش الگوهای زبانی بزرگ (LLM) متعلق به OpenAI از شمول آن خارج شود. چنین نتیجه‌ای با اصول بنیادین حقوق مؤلف ناسازگار خواهد بود و به‌شدت مانع «پیشرفت علم و فنون سودمند» خواهد شد. قانون اساسی ایالات متحده، اصل اول، بخش ۸، بند ۸. همان‌طور که در ادامه توضیح داده می‌شود، نشریات — از جمله رسانه‌های مستقل و نوپا، علاوه بر خود نیویورک تایمز — از الگوهای زبانی بزرگ (LLM) برای روزنامه‌نگاری و اهداف دیگر بهره می‌برند. فراتر از موضوع این دعوا نیز، الگوهای زبانی بزرگ (LLM) هم‌اکنون به پژوهشگران حوزه‌های گوناگون کمک می‌کنند به پیشرفت‌های عمده دست یابند. محدود کردن توسعه الگوهای زبانی بزرگ (LLM) بر پایه برداشتی نادرست از دکترین استفاده منصفانه، مانع چنین پیشرفت‌های خلاقانه و علمی می‌شود و در عین حال به رفاه و امکان ارتقای اقتصادی در آمریکا لطمه می‌زند.