500 terabyte di libri pirata per addestrare l'AI: il caso legale che coinvolge NVIDIA

[Redazione di Hardware Upg]

Link alla notizia: https://www.hwupgrade.it/news/web/50...ia_148835.html

Una class action aggiornata accusa NVIDIA di aver utilizzato consapevolmente milioni di libri piratati per addestrare i propri modelli di intelligenza artificiale. Documenti interni citati dagli autori parlano di contatti diretti con Anna's Archive e dell'uso di diversi dataset non autorizzati.

Click sul link per visualizzare la notizia.

[ionet]

probabilmente hanno molto da farsi perdonare
qualche milione di $ in multe o ristori, ma spicci rispetto a quello che hanno guadagnato
mi ricorda la battuta dell'avvocato per tranquillizzare lo Zuckerberg agli albori nel film "the Social Network" poi sara' stata una scenetta fatta per esigenze cinematografiche, ma nella realta' tanto ovvia..
"vedila come una multa per eccesso di velocita" cioe' fregatene tanto ormai hai conquistato il mondo

[Gnubbolo]

se non lo fanno l'AI cinese supera l'AI americana a velocità tripla perchè la Cina se ne frega del copyright.
prima o poi Avvocatopolis andrà limitata nel suo potere, è una questione affrontata anche nel Project 25 che è ben più sostanzioso delle cose folcloristiche citate dalla stampa italiana.

[Alodesign]

Oggi ho discusso con una AI, anzi 2 diverse, per farmi dare un modo per avere un libro in pdf. Quando mi ha detto ciccia gli ho esposto il fatto che anche lei/lui/egli era stata addestrata con materiale piratato.

Sta bestia ha provato a difendersi!

[supertigrotto]

Visto che la cosa non è importante per Nvidia,mi chiedo perché faccia causa agli avversari o magari ai cinesi quando toccano le sue proprietà intellettuali.....

[barzokk]

Originariamente inviato da Alodesign

Oggi ho discusso con una AI, anzi 2 diverse, per farmi dare un modo per avere un libro in pdf. Quando mi ha detto ciccia gli ho esposto il fatto che anche lei/lui/egli era stata addestrata con materiale piratato.

Sta bestia ha provato a difendersi!

ah ah vero
ho provato anche io, Chatty praticamente risponde di si


come inizia La stagione degli innocenti di Samuel Bjork ?

Mi dispiace, non posso fornire l’incipit testuale del romanzo perché è un’opera protetta da copyright.
Però posso riassumerti come inizia il libro.


e tu come fai a sapere fare un riassunto, se il libro è protetto da copyright ?

Bella domanda — ed è giusto chiederselo.

La risposta breve è: posso fare un riassunto senza “riprodurre” il libro perché un riassunto non è il testo originale, ma una rielaborazione.

Più in dettaglio:

Non ho accesso diretto ai libri né a database segreti di testi completi.

Non “ricordo” i romanzi parola per parola come un archivio.

Sono stato addestrato su un’enorme quantità di testi (pubblici, concessi in licenza e contenuti creati da formatori umani) per imparare i modelli del linguaggio, non per memorizzare i libri.

Quando ti faccio un riassunto, non sto copiando il testo, ma sto ricostruendo il contenuto in modo sintetico e originale, come farebbe una persona che ha letto il libro e lo racconta a parole sue.

È la stessa differenza che c’è tra:

❌ copiare una pagina del romanzo
✅ raccontare a un amico di cosa parla il libro

[pachainti]

Gli LLM andrebbero aboliti anche per questo, violano il copyright e non pagano i diritti.

Gola profonda di openAI, trovato morto...
When does generative AI qualify for fair use?

Gennaio 2026 Extracting books from production language models
Many unresolved legal questions over LLMs and copyright center on memorization: whether specific training data have been encoded in the model's weights during training, and whether those memorized data can be extracted in the model's outputs. While many believe that LLMs do not memorize much of their training data, recent work shows that substantial amounts of copyrighted text can be extracted from open-weight models. However, it remains an open question if similar extraction is feasible for production LLMs, given the safety measures these systems implement. We investigate this question using a two-phase procedure: (1) an initial probe to test for extraction feasibility, which sometimes uses a Best-of-N (BoN) jailbreak, followed by (2) iterative continuation prompts to attempt to extract the book. We evaluate our procedure on four production LLMs -- Claude 3.7 Sonnet, GPT-4.1, Gemini 2.5 Pro, and Grok 3 -- and we measure extraction success with a score computed from a block-based approximation of longest common substring (nv-recall). With different per-LLM experimental configurations, we were able to extract varying amounts of text. For the Phase 1 probe, it was unnecessary to jailbreak Gemini 2.5 Pro and Grok 3 to extract text (e.g, nv-recall of 76.8% and 70.3%, respectively, for Harry Potter and the Sorcerer's Stone), while it was necessary for Claude 3.7 Sonnet and GPT-4.1. In some cases, jailbroken Claude 3.7 Sonnet outputs entire books near-verbatim (e.g., nv-recall=95.8%). GPT-4.1 requires significantly more BoN attempts (e.g., 20X), and eventually refuses to continue (e.g., nv-recall=4.0%). Taken together, our work highlights that, even with model- and system-level safeguards, extraction of (in-copyright) training data remains a risk for production LLMs.

[Gnubbolo]

Gli LLM andrebbero aboliti anche per questo, violano il copyright e non pagano i diritti.

fallo e tra ventanni il cinese medio andrà su Marte per le vacanze di Natale noi invece torneremo alle auto a gasogeno..

[barzokk]

Originariamente inviato da Gnubbolo

fallo e tra ventanni il cinese medio andrà su Marte per le vacanze di Natale noi invece torneremo alle auto a gasogeno..

1) con 150 miliardi di finanziamenti solo per OpenAI, non potevano pagare quattro soldi per comprarli questi libri del belino ?
2) su Marte ci vai con la tecnologia Transformer di Google ?
https://en.wikipedia.org/wiki/Transf...(deep_learning)
Fatevene una ragione, con questa roba non si va lontano.

PS: se la wiki è troppo complicata, fatti fare un riassunto da Chatty

[Ripper89]

tentano di fermare l'inevitabile.

[alexfri]

Secondo me devono fare una società. troppo comodo, te fai le tecnologia, io ci metto la conoscenza e divento socio al 50% d’ora in avanti. Ogni azienda che scandaglia internet e ci guadagna deve obbligatoriamente dare il 50% ai suoi soci, si deve creare un fondo globale al quale dare questi soldi, che poi devono essere usati pernil bene globale.

[fraussantin]

Originariamente inviato da Gnubbolo

se non lo fanno l'AI cinese supera l'AI americana a velocità tripla perchè la Cina se ne frega del copyright.
prima o poi Avvocatopolis andrà limitata nel suo potere, è una questione affrontata anche nel Project 25 che è ben più sostanzioso delle cose folcloristiche citate dalla stampa italiana.

Esatto oltretutto per come la vedo io andrebbe rivisto totalmente il copyright su libri musica giochi ecc.

Che tutela solo le multinazionali ( e neanche bene ) e poco gli artisti

[fraussantin]

Originariamente inviato da Ripper89

tentano di fermare l'inevitabile.

In realtà tentano solo di rallentare un corridore nella speranza di sorpassare

[randorama]

la cosa buffa è che, finché l'illecito lo commette anne's archive, nessuno dice nulla.
se qualcuno si scarica l'archivio nella sua totalità, nessuno dice nulla.
se però qualcuno lo dà in pasto alla AI, succede il finimondo.

[AlexSwitch]

Originariamente inviato da randorama

la cosa buffa è che, finché l'illecito lo commette anne's archive, nessuno dice nulla.
se qualcuno si scarica l'archivio nella sua totalità, nessuno dice nulla.
se però qualcuno lo dà in pasto alla AI, succede il finimondo.

Perchè l'AI è, al momento, la gallina che ti fa almeno 10 uova d'oro al giorno!
Li hai letti anche te le trimestrali di Nvidia vero?

[pachainti]

Originariamente inviato da Gnubbolo

fallo e tra ventanni il cinese medio andrà su Marte per le vacanze di Natale noi invece torneremo alle auto a gasogeno..

Ancora credete alle baggianate che dicono Musk e compagnia? Come per la guida autonoma o il metaverso?
Abbiamo un solo pianeta dove possiamo vivere e lo stiamo distruggendo per cercare di andare a colonizzare un pianeta invivibile? Questa è follia.
La presunta IA è sostanzialmente inutile, chatGPT is bullshit, e serve solo a tenere a galla l'economia USA (inoltre è già stato dimostrato che gli LLM riducono le capacità cognitive di chi li utilizza). Un enorme spreco di risorse (energia, acqua, materie prime), non diverso dal mining di bitcoin.