É legal treinar modelos de IA em livros protegidos por direitos autorais? É complicado

Você provavelmente já sabe que os modelos de inteligência artificial que alimentam o ChatGPT, o Gemini, o Claude e outros chatbots são treinados com bases de dados aparentemente infinitas de trabalhos publicados, contendo centenas de milhões de livros, artigos online, trabalhos acadêmicos e basicamente qualquer coisa que você possa encontrar na internet. A maioria dos autores publicados contribuiu, sem seu conhecimento ou consentimento, para o desenvolvimento das mesmas ferramentas de IA que ameaçam prejudicar seus meios de subsistência. Isso parece ilegal, certo?

A realidade não é tão simples. 

“Acho que um dos problemas com toda esta área do direito e toda esta área da tecnologia é que há muita coisa acontecendo”, disse ao TechCrunch Cathy Gellis, advogada especializada em propriedade intelectual, direitos autorais e tecnologia. “É muito complexo e há muitos sentimentos profundos sobre o que está acontecendo, tanto a favor quanto contra.”

No ano passado, em uma das primeiras decisões do tipo, o juiz William Alsup ordenou que a Anthropic pagasse um acordo de direitos autorais colossal de US$ 1,5 bilhão a um grupo de escritores cujas obras foram usadas para treinar os modelos de IA da empresa. À primeira vista, isso parecia uma vitória moral a favor dos autores, mas o juiz Alsup na verdade decidiu que o treinamento de IA da Anthropic foi legal. O que Alsup penalizou a Anthropic foi por piratear esses livros de bibliotecas clandestinas online ilegais.

“Como qualquer leitor que aspira a ser escritor, os LLMs da Anthropic treinaram com base em obras não para correr na frente e replicá-las ou suplantá-las — mas para fazer uma curva fechada e criar algo diferente”, escreveu o juiz, comparando a forma como um LLM absorve trilhões de palavras ao estudo da literatura por um escritor.

Gellis acha que a decisão é mais vantajosa para as empresas de IA. O que é uma multa de US$ 1,5 bilhão para uma empresa que projeta cerca de US$ 200 bilhões em receita anual até 2028?

“Acho que é geralmente uma boa notícia para o treinamento de IA o fato de ele ter analisado o que estava acontecendo e realmente considerado análogo à leitura de uma obra protegida por direitos autorais, em vez de copiar uma obra protegida por direitos autorais”, disse Gellis. “A lei de direitos autorais gira em torno da cópia, mas não gira em torno do uso da obra, da experiência com a obra, do consumo da obra ou da leitura da obra.”

A lei de direitos autorais não é atualizada desde 1976, o que significa que os juízes precisam descobrir como interpretar diretrizes de 50 anos atrás ao enfrentar questões jurídicas que têm o potencial de moldar o futuro da indústria de IA.

“Todo mundo está muito preocupado agora porque a lei está totalmente descentralizada, e isso se deve a essa questão”, disse ao TechCrunch Jason Henderson, advogado sênior e fundador da prática de Propriedade Intelectual e Mídia da JWL International. “Eles sabem que o modelo de IA foi treinado com muita coisa, e a lei não acompanhou realmente essa questão.”

Essas questões frequentemente giram em torno da lei de uso aceitável (*fair use*) — ou seja, se o uso de uma obra protegida por direitos autorais é “transformativo” o suficiente para ser considerado legalmente permitido.

O uso aceitável é uma exceção da lei de direitos autorais que permite o uso de materiais protegidos sem permissão explícita, protegendo a capacidade de comentar e iterar sobre obras protegidas por meio de crítica, paródia, educação e outros meios. Os juízes consideram fatores específicos ao decidir se algo é uso aceitável, incluindo o propósito e a natureza da obra, a quantidade usada e seu impacto no mercado.

“Os direitos autorais sempre têm como objetivo proteger e crescer o mercado”, observou Henderson. “Os tribunais estão meio perdidos em seus argumentos [em casos de IA]. O que tende a vencer é: se o que você está fazendo é treinar com a propriedade de alguém porque seu propósito é competir diretamente, então os tribunais vão desaprovar... Se o que você está fazendo não vai concorrer, então os tribunais tendem a encontrar maneiras de que isso seja aceitável.” 

Henderson está se referindo a um caso em que a empresa de mídia e tecnologia Thomson Reuters processou a firma de pesquisa Ross Intelligence por copiar seu conteúdo para construir uma plataforma jurídica concorrente baseada em IA. 

“O uso da Ross não é transformativo porque não tem um ‘propósito adicional ou caráter diferente’ do da Thomson Reuters”, escreveu o juiz Stephanos Bibas no ano passado. 

Nesse caso, o juiz Bibas decidiu que não era uso aceitável treinar com o conteúdo da Reuters para criar uma nova plataforma que concorreria diretamente com ela. Embora os autores possam potencialmente argumentar que os chatbots estão concorrendo com eles ao usar suas obras para gerar novos livros sintéticos, esse argumento ainda não prevaleceu nos tribunais.

Quando se trata da relação entre IA e direitos autorais, Gellis acha útil restringir o que estamos realmente discutindo – a forma como pensamos sobre direitos autorais em termos de treinamento de IA é bastante diferente de como pensamos sobre o registro de direitos autorais de conteúdo gerado por IA. 

Em um caso, Thaler v. Perlmutter, o tribunal decidiu que, se uma obra for 100% gerada por IA, ela não é passível de direitos autorais, o que abre uma nova caixa de Pandora – como podemos provar definitivamente se uma obra foi ou não gerada usando IA e, em caso afirmativo, como sabemos qual porcentagem dela foi criada ou auxiliada por IA?

“Se você escrever seu romance no [Microsoft] Word e executar a verificação ortográfica, nos sentimos confortáveis com a ideia de dizer que o Word não é dono do seu romance”, disse Gellis. “[A IA] está nos forçando a olhar para toda uma série de decisões que ignoramos por um tempo.”

A maioria das empresas de IA ainda está envolvida em litígios pendentes sobre essas questões, o que significa que não teremos uma solução definitiva para esses problemas tão cedo.

“O que você está vendo é que as primeiras jogadas iniciais estão sendo influentes, e essa influência pode ser desfeita se outros tribunais decidirem coisas diferentes, e serão necessárias fases posteriores de litígio para descobrir qual prevalecerá”, disse Gellis. “Mas, entretanto, todas essas decisões estão moldando tudo o que está acontecendo. Seria meio tolice as empresas de IA ignorá-las.”