Spór o książki w treningu Gemini
Do Google trafił pozew zbiorowy dotyczący tego, w jaki sposób miały zostać wykorzystane książki przy trenowaniu modelu Gemini. Zgodnie z opisem sprawy, wydawcy utrzymują, że utwory przekazane do Google Books, Play Books oraz Scholar zostały użyte bez wymaganego pozwolenia jako materiał treningowy dla modelu.
To kluczowy punkt tego newsa – nie mówimy tu o sporze wokół wygenerowanych odpowiedzi modelu, ale o samym źródle danych wykorzystanych na etapie uczenia. Innymi słowy, pytanie nie dotyczy jakości działania Gemini, tylko tego, czy wolno było sięgnąć po określone zasoby tekstowe w procesie budowy systemu.
Warto też podkreślić rzecz podstawową: na razie są to roszczenia przedstawione w pozwie. Nie zapadło jeszcze żadne orzeczenie, które potwierdzałoby albo oddalało te zarzuty. Sprawa jest więc istotna nie dlatego, że przynosi już odpowiedź, ale dlatego, że pokazuje, gdzie dziś przebiega jedna z najważniejszych linii sporu wokół generatywnej AI.
Nasz komentarz: To kolejny sygnał, że o przyszłości dużych modeli zdecydują nie tylko ich możliwości, ale też legalność pochodzenia danych treningowych.
Dlaczego źródła danych stają się centralnym problemem AI
Naszym zdaniem ten przypadek dobrze pokazuje, że rynek modeli językowych wchodzi w etap, w którym sama skala treningu przestaje być jedynym atutem. Coraz większe znaczenie ma to, czy dostawca modelu potrafi wykazać jasne i obronione podstawy użycia danych.
Dla świata AI ma to kilka praktycznych konsekwencji.
-
Dane treningowe stają się ryzykiem systemowym – jeśli spory o legalność materiałów będą narastać, twórcy modeli mogą zostać zmuszeni do ostrożniejszego doboru korpusów treningowych. To może wpłynąć na tempo rozwoju modeli, ich zakres wiedzy oraz dostępność wysokiej jakości tekstów do dalszego uczenia.
-
Rosną wymagania wobec przejrzystości – w naszej ocenie użytkownicy, partnerzy i regulatorzy będą coraz częściej oczekiwać odpowiedzi nie tylko na pytanie, co model potrafi, ale też skąd pochodzą dane, na których został zbudowany. To przesuwa debatę z obszaru czysto technologicznego w stronę audytowalności procesu treningowego.
-
Spory prawne mogą kształtować architekturę rynku – uważamy, że takie sprawy będą sprzyjały rozwiązaniom opartym na bardziej kontrolowanych, licencjonowanych lub wyraźnie udokumentowanych zbiorach danych. To może wzmocnić tych graczy, którzy mają dostęp do uporządkowanych zasobów i potrafią lepiej zarządzać ich statusem prawnym.
Istotne jest też to, że sprawa dotyczy książek i zasobów powiązanych z usługami służącymi do dostępu do treści. W praktyce wzmacnia to szerszą debatę o granicy między udostępnianiem materiałów użytkownikom a wykorzystywaniem ich do budowy modeli generatywnych. To nie jest już poboczny temat prawny, lecz jeden z fundamentów dalszego rozwoju AI.
Naszym zdaniem właśnie takie postępowania będą stopniowo definiować, jakie źródła danych zostaną uznane za akceptowalne w treningu modeli i jak bardzo kosztowne stanie się utrzymanie przewagi technologicznej.
W skrócie
- Wydawcy zarzucają, że książki dostarczone do wybranych usług Google zostały użyte do trenowania Gemini bez zgody.
- Na razie nie ma rozstrzygnięcia sądu – mówimy o pozwie i przedstawionych w nim twierdzeniach.
- W naszej ocenie to ważny sygnał, że legalność danych treningowych staje się jednym z kluczowych pól walki o przyszłość modeli językowych.
Opracowanie redakcyjne na podstawie artykułu Search Engine Journal: https://www.searchenginejournal.com/google-faces-class-action-over-books-used-to-train-gemini/582708/