In questo articolo Indice dei contenuti 3 sezioni
Il rapporto tra copyright e AI è tornato al centro delle aule di tribunale statunitensi, e la Electronic Frontier Foundation ha deciso di mettere in guardia i giudici: allargare i confini del diritto d’autore per proteggere i titolari dei diritti dalla semplice concorrenza economica sarebbe un errore con conseguenze pesanti. La frizione, del resto, non è nuova. È accaduto con la fotografia, con i registratori, con le fotocopiatrici, con il videoregistratore e con i motori di ricerca. Ogni volta che una tecnologia ha permesso di riprodurre, trasformare o rielaborare contenuti, il conflitto si è ripresentato. Oggi tocca all’intelligenza artificiale generativa, con una domanda di fondo che va oltre la liceità dell’addestramento: quali danni economici il copyright può realmente impedire?
La fondazione ha portato le proprie argomentazioni davanti ai giudici in diversi procedimenti, tra cui Concord Music Group contro Anthropic e In re Mosaic LLM Litigation. Il bersaglio è una teoria giuridica chiamata market dilution, secondo la quale un sistema generativo danneggerebbe il mercato delle opere esistenti per il solo fatto di consentire agli utenti di creare nuovi contenuti concorrenti. Accettare quell’impostazione, sostiene EFF, significherebbe consegnare ai titolari dei diritti un potere che il copyright non prevede: controllare anche opere perfettamente lecite soltanto perché capaci di sottrarre pubblico, vendite od opportunità commerciali.
Dal caso Betamax alle cause sui modelli linguistici
Il precedente storico più citato è Sony Corp. of America contro Universal City Studios, il cosiddetto caso Betamax, deciso dalla Corte Suprema americana nel 1984. All’epoca Hollywood temeva che i videoregistratori domestici aprissero le porte a una riproduzione incontrollata dei programmi televisivi. Jack Valenti, allora presidente della Motion Picture Association of America, descrisse il VCR come una minaccia devastante per l’industria cinematografica.
La Corte andò nella direzione opposta. Stabilì, tra le altre cose, che vendere un dispositivo capace di effettuare copie non comporta automaticamente una responsabilità per violazione indiretta del copyright, quando quel prodotto ha usi sostanziali che non violano i diritti d’autore. Nel caso specifico uno di questi era il time shifting, cioè registrare una trasmissione per guardarla più tardi e poi cancellarla. Un uso domestico, non commerciale, e per i giudici del tutto accettabile.
EFF maneggia quel precedente con una certa cautela. Non afferma che un modello linguistico sia giuridicamente identico a un videoregistratore, né che qualsiasi operazione compiuta durante il training debba diventare lecita per definizione. Il punto è diverso: l’arrivo di una tecnologia potenzialmente dirompente non giustifica un ampliamento del copyright oltre i suoi confini naturali per neutralizzare in anticipo possibili effetti economici.
Addestramento e output sono due domande distinte
Una delle semplificazioni più diffuse consiste nel trattare addestramento e generazione come un’unica attività. Tecnicamente e giuridicamente non lo sono. Nella preparazione di un modello i contenuti passano attraverso fasi diverse: acquisizione, archiviazione, normalizzazione, tokenizzazione nel caso dei Large Language Models, trasformazione in rappresentazioni numeriche e cicli successivi di ottimizzazione dei parametri.
Il modello finale non è un archivio dal quale ripescare il documento di partenza. L’addestramento modifica miliardi di parametri perché il sistema apprenda regolarità statistiche. Questo però non rende impossibile la memorizzazione: modelli sovradimensionati, esempi molto ripetuti, dati rari o tecniche particolari di prompting possono favorire la rigenerazione di sequenze viste durante il training. Sull’output la domanda è quanto il risultato assomigli a un’opera specifica. Sul training la domanda è se fosse lecito acquisire e utilizzare le copie necessarie a costruire il modello.
Il rischio di una barriera all’innovazione
Imporre una licenza preventiva per ogni contenuto usato nell’addestramento renderebbe proibitiva la costruzione di dataset su scala Web. Raccolte come Common Crawl contengono quantità enormi di dati e individuare ogni titolare, per poi negoziare, sarebbe spesso impraticabile. Ne trarrebbero vantaggio le aziende in grado di sostenere accordi costosi, a svantaggio di startup, università e gruppi di ricerca.
Le cause che coinvolgono Databricks, MosaicML e Anthropic mostrano che la questione non si esaurisce nel chiedersi se il training sia lecito o illecito. Contano la provenienza dei dati, le copie intermedie, la memorizzazione, le caratteristiche degli output e l’effettiva sostituzione economica delle opere originali. Il copyright protegge l’espressione originale, non un mercato astratto fatto di tutte le opere dello stesso genere: nessun autore acquisisce il monopolio sui thriller, sui romanzi romantici, sui supereroi o su una certa atmosfera narrativa. Per EFF il nodo sta proprio qui, nel distinguere con precisione tra copia di un’opera, utilizzo dei dati per l’addestramento, riproduzione memorizzata e creazione di un contenuto davvero nuovo.
