Дискуссии о добросовестном использовании копирайт-контента для тренировки AI не утихают. Александр Тюльканов, автор почитаемого нами канала Robocounsel хорошенько набросил у себя в LinkedIn на тему того, что претензии авторов контента в адрес разработчиков foundation-моделей не имеют под собой хорошей почвы.

Отдельный сок - комментарии, в которые набежали юристы с chips on their shoulders. Некоторые из них давали эмоциональные оценки “воровству”, но дискуссия получилась приличная. Только по ней можно написать крепкую дипломную или магистерскую работу.

Кратко о тезисах Александра в пользу наличия fair use:

1️⃣ Если берем американскую практику, то здесь имеется хорошо детализиованное дело Authors Guild vs. Google. Авторы считали, что сканирование книг для Google Books является нарушением авторских прав. Суды всех инстанций установили, что авторы не смогли доказать факт того, что Google каким-либо образом повлиял на рынок продажи книг и признал использование контента добросовестным.

2️⃣ Александр также считает, что использование контента для тренировки является временным копированием (transient copying), что является исключением из нарушения авторских прав в терминах InfoSoc Directive (art 5(1)). Здесь участники дискуссии не смогли сойтись в понимании этого феномена, предлагая разное видение.

Мои пару копеек на тему:

1️⃣ Я не согласен с Александром в части того, что данные, использованные для тренировки имеют временный характер. В деле Infopaq I новостной агрегатор скрэпил данные, переводил их в нужный формат текста, после чего авторы писали саммари на основе новостей. ECJ не согласился в доводами ответчика, что копирование было временным. Больше деталей по второй части дела с системой толкования судом термина можно найти тут.
Пожалуй, дух статьи 5(1) InfoSoc направлен на случаи кэшинга инфопосредника, передачи данных по каналам и прочим случаям, где посредник не может извлечь выгоду непосредственно из контента. Качество работы LLM напрямую зависит от датасетов, используемых для выстраивания общей картины мира. Особенно это актуально, если модель тренируется на корпусах текстов менее популярных языков либо изображениях определенного стиля. В таком случае можно смело констатировать ключевую роль данных в процессе создания foundation-модели.

2️⃣ Существует разница между публичным репозиторием Google Books и современными LLM. Разница заключается в job to be done для конечного пользователя. Google Books никогда не пытались стать продуктом для чтения книг. Их задачей была индексация общественно полезной информации, что неоднократно подчеркивалось в деле.
Разработчики AI-продуктов и foundation-моделей прямо же утверждают (раз, два, три): вас уволют, ИИ - лучше. Необходимо обращать внимание на MAU LLM-продуктов, а также параллельно фиксировать изменение структуры доходов и занятости тех, кто напрямую был затронут этим феноменом. К слову, у Александра есть хорошая статья с более широким взглядом на социоэкономический импакт генеративного AI

3️⃣ Отдельно стоит вопрос об использовании пиратских датасетов вроде C4 от Common Crawl. У нас сейчас нет данных о том, все ли данные разработчиков прошли очистку. Согласно картотеке некоторых из дел истцы запросили фактаж по этому вопросу. В то же время, юристы Meta о чем-то догадываются и не раскрывают структуру датасетов, а также код, который использовался для тренировки.

🔤🔤🔤В том же треде Хольгер Цшайге (один из гостей нашего почившего подкаста) заметил: если ваши данные не используются для тренировки в какой-то LLM с вашего разрешения, то и нечего ныть, что их кто-то использует без вашего ведома. Хороший принцип, который, на мой взгляд, требует законодательного закрепления, хотя я вообще считаю современную систему авторских прав недоразумением из XIX века, которое должно быть реформировано с упором на неимущественные права.
__________
@mooreslaws

Небольшой пост выходного дня. Если вы думали, что в Законах Мура много контента, то я вас разочарую и предложу еще больше контента.

1️⃣ Я давно не практикую право и наблюдаю за происходящим из другого окопа. В моем LinkedIn-профиле вы найдете больше шитпостинга на тему цифрового бизнеса и немного права.
2️⃣ Хотите и дальше прожигать свою жизнь в Telegram пролистывая бессмысленные новости? Вот мой персональный канал, в котором я бережно складываю интересные для меня инфоповоды и лонгриды на любую тему. Там не было и не будет никакой аналитики, только редкие комментарии по той или иной ссылке.
3️⃣ Не забываем про YouTube канал Moore’s Laws. На нем будут выходить наши Techbergs (первый на месте; второй скоро будет) и, возможно, другие контентные рубрики.

Всем хорошего воскресенья!

Наверняка вы уже слышали, что Великобритания идет по “особому пути” и последний год воюет с продуктами, использующими е2е-шифрование. Все ради детей, разумеется. И даже законопроект назвали по-доброму: Online Safety Bill. В этом канале уже был обзор аналогичной американской инициативы, которая закончилась ничем.

Однако похоже, что попытки разработчиков Online Safety Bill окажутся успешными и закон будет принят. По ссылке вы найдете хороший двухсторонний анализ проблемы и возможных последствий принятия этого закона. Но раз уж мы тут все в этом канале регуляторные пессимисты, то вот вам саммари негативного сценария:

*️⃣Services like Wikipedia will restrict or remove their products from the UK as they are unable to agree to OFCOM’s regulatory requirements.
*️⃣Major encrypted messaging platforms choose to leave the UK rather than agree to deploy technologies that OFCOM has mandated.
*️⃣All UK internet users have to go through time-consuming and burdensome age verification processes to access a wide range of online services.
*️⃣Under-18s find that their choice of online services is extremely limited as many major providers decide it is too costly or risky to offer products to them.
*️⃣Services for under-18s are so restricted that users no longer find them useful and seek to bypass controls to access 18+ versions instead,
*️⃣18+ users find that platforms which previously permitted more edgy speech now limit it in the UK for fear of the regulator.
__________
@mooreslaws

GPTBot вежливо постучится в двери вашего robots.txt

Продолжается сессия диалогов наедине с собой. Ранее, я уже отмечал, что никто не знает как и на каких условиях OpenAI срэппит веб-сайты. Отсутствовали креды их бота, которого можно было бы забанить или добавить в whitelist. Видимо юридический департамент OpenAI здорово паникует и меры последовали.

OpenAI дополнили документацию деталями функционирования GPTBot, который занимается собственным скрэпингом сайтов, позволяя OpenAI в меньшей степени полагаться на чужие данные и собирать максимально актуальные. А детали довольно просты: в декларации robots.txt можно указать запрет на скрэппинг веб-ресурса либо разрешить доступ к отдельным директориям. Документация также указывает, что GPTBot будет сторониться персданных и пейволлов и не будет скрэппить эти данные. Good boy!🐶

Штрафы за робозвонки и “мысле” об AI-ассистентах

Примечательный во многих отношения кейс штрафа FCC в адрес неназванной сети организаторов робозвонков. Не только в наших палестинах страдают от “сотрудников Сбербанка”. Однако как отмечают эксперты, проблема даже не столько в том, что робозвонки используют реальные мошенники. Обычные компании используют робозвонки для прямого маркетинга и не гнушаются трюками вроде подмены номера при входящем звонке.

В последнее время мы много говорим про расширенные возможности AI. Google вообще демонстрирует великолепный с продуктовой точки зрения кейс активного асситента, который выполняет мелкие поручения.

Но это все игрушки. Серьезная тема начинается тогда, тогда ваш бот имеет доступ к банковскому счету, совершает за вас покупки, записывает и транскрибирует для вас вебинары, меняет страховую компанию и т. д.

Готовы ли мы к массовому распространению таких агентов?

Вижу такой сценарий:

*️⃣Первыми обладателями умных ассистентов, скорее всего, станут бизнесы, которые начнут тиражировать агрессивные прямые продажи из любой точки мира.
*️⃣Регуляторы начнут резко реагировать и шорт-термить, пытаясь устранить неудобства здеь и сейчас. Запретить и не пущать.
*️⃣Платформы, вроде соцсетей или маркетплейсов, постараются принять более совершенные или откровенно вредительские анти-спам меры, вроде платных галочек в X, поскольку фейковый трафик рушит доверие инвесторов и повышает общую нагрузку на систему.
*️⃣Однако компании начнут разработку специальных процедур и протоколов для взаимодействия с ботами, когда поймут, что выгоды от работы с ними превысят прямые потери и возможные риски, которые сложно квалифицировать и просчитать.
*️⃣Мы с вами не заплатим за создание и использование таких ботов пока не появится достаточное количество продуктов, выполняющих активные задачи за пределами “Отправь сообщение Сяроже”.
*️⃣Ассистент-стартапы банкротятся и их пользовательскую базу дешево выкупает бигтех и сам выкатывает свой "инновационный" продукт, который может быть бесконечно убыточен.
*️⃣В итоге мы имеем “курицу и яйцо”, проблема которых снова будет решена каким-то большим централизованным техногигантом.
__________
@mooreslaws

Читатели канала Законы Мура достаточно реалистично смотрят на мир и знают, что ваша суверенная идентичность в Интернете - это то, за что нужно платить комфортом.

За последние месяцы мы увидели вот такие заголовки:

1️⃣Х Corp забрали у владельцев хендлы @x и @music
2️⃣Google планирует удаление неиспользуемых акканутов
3️⃣ Reddit, в ходе войны с собственным сообществом, лишил аккаунта местного авторитета.

А все потому, что ваши учетные записи совсем не ваши. Ваши достижения, история, социальный граф не принадлежат вам. Все это является собственностью данными на серверах, с которыми вам иногда дают повзаимодействовать через чужие интерфейсы. Наиболее злопамятные знают, что иной раз могут и домен разделегировать. Хотите по вашему - возвращайтесь в свой Web1/Web3 с линухами и ENS.

Однако биг бонзы что-то явно знают. Meta планирует зайти в Fediverse, объединение соцсетей, которое использует протокол ActivityPub, позволяющий всем пользователям иметь общий аккаунт без необходимости регистрироваться в каждой соцсети заново. Часть сообщества призвала дефедерироваться от продуктов Meta, но Евген Рочко, СЕО Mastodon, признал, что это победа для общего дела децентрализации. При этом СЕО Threads как бэ намекнул, что отмена data lock-in возможна, но чуть попозже.

"Our plan is to work with ActivityPub to provide you the option to stop using Threads and transfer your content to another service. Our vision is that people using compatible apps will be able to follow and interact with people on Threads without having a Threads account, and vice versa.”

Джек Дорси вообще финансирует конкурента протокола ActivityPub - BlueSky. LensProtocol, игрок от Web3, поднимает большую капусту. Тренд явно поворачивается в сторону децентрализации, что, впрочем, не означает, что бигтех не сможет удержаться на новых горизонтальных рынках.
__________
@mooreslaws

Новый поиск - новые проблемы?

Google тестово раскатил на пользователей США новую функцию саммари веб-страниц. По заявленному функционалу саммари может производиться как на посещенной сранице, так и в режиме предпросмотра гиперссылки.

Google, очевидно, добавит в свою бизнес-модель еще один граф для своего заработка: определение что и как саммарайзится и есть ли в саммари другие гиперссылки автора. Безусловно, придется каннибализировать часть традиционного CPC-бизнеса, ведь количество кликов, время на странице, глубина просмотров упадут. Впрочем, что держаться за старые бизнес-метрики, когда они сами отомрут в среднесроке.

Раньше между сайтами и Google существовала негласная конвенция “вы скрэппите, а мы получаем просмотры”. Ключевые споры касались вопросов ранжирования сайтов, где владельцы сами бросались на амбразуру и просили Google более справедливо приоритезировать их контент в результатах поиска.

Сейчас эта конвенция нарушена. Саммари результатов позволит пользователю потреблять больше информации при интернет-серфинге. Но позволит ли этот инфошум увеличить конверсию в продажи, что важно для e-com, или количество проведенных на ресурсе минут, что важно для инфобиза, продающего баннеры? Продуктовая задача со звездочкой. Если ответы оба раза “нет”, то зачем разрешать Google парсить свой сайт?

Вангую два тренда:

1️⃣ Владельцы сайтов будут делать opt out из функции саммари.
2️⃣ Начнется антимонопольная охота на Google, в которой чиновники и бизнес попытаются уличить зависимость ранжирования от толерантности к саммари.

Если владельцы обнаружат, что их сайт оказывается на пятой странице поиска из-за отказа от саммари, а с ним он резко поднимается в топ, то куча заинтересованных лиц снова придут с офис Google, займут кабинет Пичаи и научат его правильно делать бизьнис.
__________
@mooreslaws

Нас тут сильно прибыло за последнее время. Спасибо всем, кто ставит “классы” под постами и делает репосты. Они позволяют оценить какие темы вам более интересны и дает силы работать дальше.

‼️Сейчас я слабо представляю ваш профиль и ваши предпочтения, поэтому попрошу дать ответы на три вопроса, которые идут ниже в ленте.

В ближайшие месяцы, я планирую попробовать подисочную модель монетизации при сохранении ежедневного постинга здесь. Ваши честные ответы помогут мне лучше сформировать ценностное предложение, которое вы посчитаете worth to pay.

Свои пожелания относительно контента, направления развития канала также можно оставить в комментариях к этому посту.
__________
@mooreslaws