E-mail-uri Meta dezvăluie descărcarea ilegală de cărți piratate pentru antrenarea AI

Email-uri recent dezvăluite au apărut ca ceea ce autorii de cărți numesc „cea mai condamnatoare dovadă” împotriva Meta într-un proces în curs de desfășurare privind drepturile de autor, după cum a raportat inițial Ars Technica.

Ars Technica raportează că autorii acuză faptul că Meta a antrenat ilegal modelele sale de AI pe cărți piratate, iar emailurile dezvăluie preocupări interne cu privire la legalitatea descărcării și distribuirii de material protejat prin drepturi de autor.

Luna trecută, Meta a recunoscut că a descărcat prin torrent un set de date controversat cunoscut sub numele de LibGen, care conține zeci de milioane de cărți piratate.

Cu toate acestea, detaliile au rămas neclare până când email-urile neretuşate au fost făcute publice.

Potrivit dosarului instanței al autorilor, Meta a descărcat prin torrent „cel puțin 81,7 terabytes de date din mai multe biblioteci virtuale prin intermediul site-ului Anna’s Archive, inclusiv cel puțin 35,7 terabytes de date de la Z-Library și LibGen.” De asemenea, „Meta a descărcat anterior prin torrent 80,6 terabytes de date de la LibGen.”

„Magnitudinea schemelor ilegale de torrenting ale Meta este uluitoare”, a declarat dosarul autorilor, observând că „acte mult mai mici de piraterie a datelor – doar .008 la sută din cantitatea de lucrări protejate prin drepturi de autor pe care Meta le-a piratat – au dus la trimiterea cazului de către judecători către biroul procurorilor SUA pentru investigație penală.”

Ars Technica menționează că e-mailurile dezvăluie și un disconfort intern printre angajații Meta. În aprilie 2023, inginerul de cercetare Nikolay Bashlykov a scris: „Descărcarea prin torrent de pe un laptop corporativ nu pare corectă”, adăugând un emoticon zâmbitor.

El și-a exprimat îngrijorarea cu privire la utilizarea adreselor IP Meta „pentru a încărca prin torrente conținut piratat”. Până în septembrie 2023, Bashlykov renunțase la umor, consultând echipa legală a Meta și avertizând că „utilizarea torrentelor ar implica ‘seeding’-ul fișierelor – adică, distribuirea conținutului în exterior, ceea ce ar putea fi legal incorect.”

În ciuda acestor avertismente, autorii susțin că Meta a continuat să descarce și să distribuie conținut piratat, încercând chiar să își ascundă activitățile.

Ars Technica raportează că mesajele interne arată că Meta a evitat să folosească serverele Facebook pentru a descărca setul de date, pentru a „evita” „riscul” ca cineva să poată „urma înapoi sursa de descărcare/distribuire”, așa cum a descris cercetătorul Frank Zhang.

Michael Clark, un executiv Meta, a recunoscut de asemenea într-o declarație că setările au fost modificate „astfel încât să poată avea loc cea mai mică cantitate posibilă de însămânțare.”

Autorii susțin acum că personalul Meta implicat în decizia de torrenting trebuie să fie depus din nou, deoarece noile dovezi contrazic presupus „mărturia anterioară a declarației.”

De exemplu, în timp ce CEO-ul Mark Zuckerberg a susținut că nu a fost implicat în utilizarea LibGen pentru instruirea AI, mesajele neredactate sugerează că „decizia de a folosi LibGen a avut loc” după „o escaladare anterioară către MZ.”

Ars Technica raportează că Meta a susținut că instruirea sa AI pe LibGen constituie „utilizare echitabilă” și a negat orice distribuție ilegală a lucrărilor autorilor. Cu toate acestea, revelațiile despre torrenting au complicat apărarea sa, permițând autorilor să își extindă acuzațiile de încălcare directă a drepturilor de autor.

Pe măsură ce cazul avansează, Meta se confruntă cu o examinare tot mai atentă în ceea ce privește gestionarea materialului protejat de drepturile de autor, cu autorii hotărâți să țină gigantul tech responsabil pentru ceea ce descriu ca fiind un „schema masivă de piratare nelegală.”