ChatGPT e violazione di copyright: OpenAI pronta a dare battaglia

All'inizio dell'estate alcuni autori nordamericani avevano intentato una coppia di cause collettive quasi identiche contro OpenAI, accusandola di aver addestrato ChatGPT illegalmente utilizzando copie piratate dei loro libri. La società ha ora depositato, per entrambe le cause, una mozione per respingere le accuse.

OpenAI ha chiesto a un tribunale distrettuale degli Stati Uniti in California di respingere tutte le richieste tranne una, la quale sostiene che vi sia violazione diretta del copyright, e che OpenAI spera di poter smentire "in una fase successiva del procedimento".

Gli autori avevano avanzato altre accuse (presunta violazione indiretta del copyright, violazione del Digital Millennium Copyright Act, concorrenza sleale, negligenza e indebito arricchimento) che secondo OpenAI dovrebbero essere stralciate dalle due cause poiché "infondate". 

In particolare OpenAI sostiene che gli autori abbiano "frainteso la portata del copyright, non tenendo conto delle limitazioni ed eccezioni (incluso l'uso lecito) che lasciano correttamente spazio a innovazioni come i grandi modelli linguistici ora all'avanguardia nell'intelligenza artificiale". In altri termini secondo la società californiana, se anche i libri degli autori costituissero effettivamente una "piccola parte" dell'enorme set di dati su cui ChatGPT è stata allenata, "l'uso di materiali protetti da copyright da parte di innovatori in modi trasformativi non viola il copyright".

OpenAI vuole sottolineare la differenza con chi cerca di trarre profitto direttamente dalla distribuzione di materiale protetto e che il suo obiettivo era piuttosto quello di "insegnare ai suoi modelli a derivare le regole alla base del linguaggio umano". Si legge ancora nelle mozioni presentate che la legge sul copyright ha come obiettivo quello di "promuovere il progresso della scienza e delle arti utili" proteggendo il modo in cui gli autori esprimono le idee, ma "non l'idea stessa, i fatti incorporati nel messaggio articolato dell'autore o gli altri mattoni creativi", che sono presumibilmente gli elementi delle opere degli autori che sarebbero utili per l'addestramento del modello ChatGPT.

OpenAI si appoggia su un precedente relativo a Google Books e afferma che "mentre un autore può registrare il copyright del suo libro, le 'informazioni statistiche' relative alle 'frequenze delle parole, modelli sintattici e marker tematici' in quel libro sono al di fuori dell'ambito di protezione del copyright". Per questo motivo non costituirebbe violazione la creazione di copie integrali di un'opera come passo preliminare per lo sviluppo di un nuovo prodotto "non violativo", anche se il nuovo prodotto "compete" con l'originale.

La strategia di OpenAI è quella di convincere la corte che l'accusa di violazione indiretta del copyright avanzata dagli autori è una "conclusione giuridica errata". Il principio su cui si basano gli autori e firmatari delle cause collettive è che ogni output prodotto da ChatGPT rappresenti un'opera derivata, a prescindere dalla presenza di eventuali somiglianze tra l'output e il materiale di addestramento.

La società cerca inoltre di dimostrare che non vi è alcun "interesse finanziaro diretto" in quella che sarebbe la presunta violazione del copyright delle opere degli scrittori, dal momento che non esisterebbe alcun "legame causale diretto tra la violazione delle opere protette dal copyright del querelante e qualsiasi profitto per [l'imputato]".

Gli autori hanno inoltre, come indicato più sopra, accusato OpenAI della violazione del DMCA quando ChatGPT emette un output che copia le loro opere senza specificare le informazioni di gestione del copyright, come ad esempio i nomi degli autori o l'anno di pubblicazione. Anzi, secondo gli autori queste informazioni sarebbero rimosse intenzionalmente allo scopo di "trarre profitto slealmente e attribuirsi il merito di aver sviluppato un prodotto commerciale basato su riproduzioni non attribuite di quegli scritti e idee rubati".

OpenAI bolla come queste accuse "insufficienti e prive di qualsiasi spiegazione", in modo particolare sulle modalità e sulle motivazioni con cui essa stessa cancellerebbe i nomi degli autori e gli anni di pubblicazione dai libri nei suoi dati di training, o quali motivazioni gli autori hanno per credere che ciò sia avvenuto. Quanto denunciato dagli autori, e cioè che i loro libri sarebbero stati "copiati per intero da OpenAI", sarebbe in diretta contraddizione con le accuse di rimozione intenzionale delle informazioni di gestione del copyright.

In ogni caso OpenAI sostiene che "anche ammettendo che gli output di ChatGPT siano un'opera derivata, il DMCA non vieta la distribuzione di opere derivate senza le informazioni di gestione del copyright. che accompagnavano l'originale" ma vieta solamente la loro rimozione quando si distribuiscono opere originali o copie di esse.

Come dicevamo all'inizio OpenAI ha scelto di contrastare l'accusa di violazione diretta della legge sul copyright in un secondo momento, lasciando quindi decidere al tribunale se il modello di training dell'intelligenza artificiale sia effettivamente "colpevole" di riprodurre e distribuire opere originali o di realizzare opere derivate senza autorizzazione o senza modifiche sufficienti.