Treinar IA em livros protegidos é legal? A resposta é complicada
Os modelos de IA que alimentam ChatGPT, Gemini, Claude e outros chatbots são treinados em bancos de dados aparentemente infinitos de obras publicadas, contendo centenas de milhões de livros, artigos online, papers acadêmicos e basicamente tudo que se encontra na internet. A maioria dos autores publicados contribuiu, sem seu conhecimento ou consentimento, para o desenvolvimento das mesmas ferramentas de IA que ameaçam comprometer seus meios de vida.
Embora à primeira vista isso pareça ilegal, a realidade jurídica é muito mais complexa. Cathy Gellis, advogada especializada em propriedade intelectual, direitos autorais e tecnologia, explicou a situação à TechCrunch: "Acho que um dos problemas nesta área toda da lei e desta área toda da tecnologia é que há muito acontecendo. É muito complexo e há muitos sentimentos brutos sobre o que está acontecendo, tanto a favor quanto contra".
No ano passado, em uma das primeiras decisões de seu tipo, o juiz William Alsup ordenou que a Anthropic pagasse um acordo de direitos autorais de US$ 1,5 bilhão a um grupo de escritores cujas obras foram usadas para treinar os modelos de IA da empresa. À primeira vista, isso parecia uma vitória moral favorável aos autores. No entanto, o juiz Alsup realmente determinou que o treinamento de IA da Anthropic era legítimo. O que Alsup penalizou a Anthropic foi a pirataria desses livros de bibliotecas digitais clandestinas ilegais.
"Como qualquer leitor aspirante a escritor, os LLMs da Anthropic treinaram-se em obras não para correr adiante e replicar ou suplantar — mas para fazer uma curva brusca e criar algo diferente", escreveu o juiz, comparando a forma como um LLM ingere trilhões de palavras ao estudo de literatura feito por um escritor.
Gellis considera que a decisão é mais vantajosa para empresas de IA. O que é uma multa de US$ 1,5 bilhão para uma empresa que projeta receita anual de aproximadamente US$ 200 bilhões até 2028? "Acho que é geralmente boas notícias para o treinamento de IA que ele tenha analisado o que estava acontecendo e realmente pensado analogamente a ler uma obra protegida em vez de copiar uma obra protegida", afirmou Gellis. "A lei de direitos autorais depende de cópia, mas não depende de usar a obra ou experimentar a obra, consumir a obra, ler a obra".
A lei de direitos autorais não foi atualizada desde 1976, o que significa que juízes precisam descobrir como interpretar diretrizes de 50 anos atrás ao confrontar questões legais que têm potencial de moldar o futuro da indústria de IA. Jason Henderson, advogado sênior e fundador da Prática de PI & Mídia na JWL International, observou: "Todos estão muito preocupados agora porque a lei está espalhada por toda parte, e é por causa dessa questão. Eles sabem que o modelo de IA foi treinado em tanta coisa, e a lei realmente não acompanhou essa questão".
Essas questões frequentemente dependem da lei de uso justo — ou seja, se o uso de uma obra protegida é "transformativo" o suficiente para ser considerado legalmente permitido. Uso justo é uma exceção da lei de direitos autorais que permite o uso de materiais protegidos sem permissão explícita, protegendo a capacidade de comentar e iterar sobre obras protegidas através de crítica, paródia, educação e outros meios. Os juízes consideram fatores específicos ao decidir se algo é uso justo, incluindo o propósito e natureza da obra, a quantidade usada e seu impacto no mercado.
"Direitos autorais sempre tratam de proteger e fazer crescer o mercado", observou Henderson. "Os tribunais estão meio espalhados em seu raciocínio em casos de IA. O que tende a vencer é se o que você está fazendo é treinar em propriedade de alguém porque seu propósito é competir diretamente, então os tribunais condenarão... Se o que você está fazendo não vai competir, então os tribunais tendem a encontrar formas para que seja aceitável".
Henderson referenciava um caso em que a empresa de mídia e tecnologia Thomson Reuters processou a empresa de pesquisa Ross Intelligence por copiar seu conteúdo para construir uma plataforma jurídica baseada em IA concorrente. "O uso de Ross não é transformativo porque não tem um 'propósito adicional ou caráter diferente' do de Thomson Reuters", escreveu o juiz Stephanos Bibas no ano passado. Naquele caso, o juiz Bibas decidiu que não era uso justo treinar no conteúdo de Reuters para fazer uma nova plataforma que competisse diretamente com ela. Embora autores possam potencialmente argumentar que chatbots estão competindo com eles usando suas obras para gerar novos livros sintéticos, esse argumento ainda não prevaleceu em tribunal.
Quando se trata da relação entre IA e direitos autorais, Gellis acha útil estreitar em que estamos realmente falando — a forma como pensamos sobre direitos autorais em termos de treinamento de IA é bem diferente de como pensamos sobre direitos autorais em conteúdo gerado por IA. Em um caso, Thaler v. Perlmutter, o tribunal decidiu que se uma obra é 100% gerada por IA, não é patenteável, o que abre uma enxurrada de problemas — como podemos provar definitivamente se uma obra foi gerada usando IA ou não, e se foi, como sabemos que porcentagem foi criada ou assistida por IA?
"Se você escreve seu romance no Word e executa verificação ortográfica, de certa forma nos sentimos confortáveis com a ideia de dizer que Word não possui seu romance", disse Gellis. "A IA nos força a olhar para um monte de decisões que meio que ignoramos por um tempo".
A maioria das empresas de IA ainda está envolvida em litígios pendentes sobre essas questões, o que significa que não teremos uma solução definitiva para esses problemas tão cedo. "O que você está vendo é que os primeiros lances iniciais estão sendo influentes, e essa influência em si pode ser desfeita se outros tribunais decidirem coisas diferentes, e levará estágios posteriores de litígio para descobrir qual prevalecerá", afirmou Gellis. "Mas enquanto isso, todas essas decisões estão moldando tudo que está acontecendo. Seria meio tolo para as empresas de IA ignorá-las".
Além das questões jurídicas que cercam o treinamento de modelos de IA em conteúdo protegido, inovações emergentes também desafiam os limites do que é possível com tecnologia de IA e biologia. Michael Polansky, co-fundador da startup de IA e biologia Outer Biosciences, está trabalhando em tecnologia que treina modelos de IA em tecido humano vivo fora do corpo — um feito que a empresa alcançou por mais de um mês, até agora, sem ninguém fora da empresa saber.
Polansky cresceu em Minnesota e frequentou Harvard, onde estudou matemática aplicada e ciência da computação, graduando-se em 2006. Posteriormente, passou três anos no fundo de hedge Bridgewater Associates. Em 2009, na sequência de uma introdução de uma assistente de Sean Parker que era sua vizinha da infância, Polansky conheceu Parker em um casamento em seu estado natal. Os dois se deram bem imediatamente e Polansky deixou Bridgewater no dia seguinte e se mudou para São Francisco.
Polansky inicialmente assumiu um papel como principal na Founders Fund quando a empresa era administrada por seus quatro parceiros originais — Peter Thiel, Sean Parker, Luke Nosek e Ken Howery — com Polansky e outro principal jovem na época, Brian Singerman, compartilhando um escritório. Quando Parker saiu da Founders Fund após se tornar líquido em seu estoque do Facebook e quis construir seu próprio family office, ele levou Polansky com ele. Polansky administrou esse escritório, tratando dos negócios, investimentos e interesses filantrópicos de Parker, incluindo ajudar a estabelecer o Parker Institute for Cancer Immunotherapy, onde Polansky permanece diretor executivo, até COVID, quando sua vida "se moveu em uma direção diferente".
Essa mudança teve muito a ver com Stefani Germanotta, conhecida como Lady Gaga. Polansky a conheceu no final de 2019 em uma das festas de aniversário de Parker. O encontro veio com a insistência da mãe dela, Cynthia Germanotta, presidente da Born This Way Foundation, que Polansky tinha conhecimento através de seu trabalho filantrópico. Germanotta também se senta no conselho de Outer Biosciences, e as duas empresas colaboram nos limites. Polansky também ajuda a gerenciar a operação da turnê mundial mais recente de Gaga, que começou em julho do ano passado e terminou em abril, administrando uma operação massiva em três Boeing 747s, algo que Polansky compara a administrar "uma startup de 200 pessoas que viaja pelo mundo todos os dias".
A relação dos dois inclui também a Haus Labs, a marca de cosméticos que Germanotta construiu inicialmente "no chão de sua cozinha", em vez de simplesmente licenciar seu nome para uma empresa existente. Esse negócio, baseado em El Segundo, Califórnia, tem aproximadamente 70 funcionários e está supostamente prosperando.
Conteúdo reescrito pelo Pense Mercado com base nas fontes acima. Não constitui recomendação de investimento.