Meta-Mitarbeiter diskutierten die Verwendung urheberrechtlich geschützter Inhalte für das KI-Training, Gerichtsunterlagen zeigen

Gerichtsunterlagen haben gezeigt, dass Meta-Mitarbeiter die Verwendung urheberrechtlich geschützter Inhalte zur Schulung ihrer künstlichen Intelligenz-Modelle diskutiert haben. Nach aktuellen Gerichtsunterlagen bezogen sich die meisten Diskussionen auf Inhalte, die auf rechtlich fragwürdige Weise beschafft wurden.

Die Dokumente wurden von den Klägern im Fall Kadrey gegen Meta vorgelegt, einem von vielen AI-Urheberrechtsfällen, die vor den US-Gerichten verhandelt wurden. Nach Angaben von Meta fällt die Nutzung urheberrechtlich geschützter Werke, insbesondere von Büchern, zum Training seiner Modelle unter die Fair-Use-Richtlinie. Die Kläger, angeführt von Sarah Silverman und Ta-Nehisi Coates, widersprechen den Aussagen des Unternehmens jedoch.

Laut zuvor eingereichten Dokumenten hat Meta-CEO Mark Zuckerberg dem KI-Team des Unternehmens die Nutzung urheberrechtlich geschützter Inhalte zum Training seiner Modelle genehmigt. Die Dokumente zeigten zudem, dass das Unternehmen die Gespräche über Datenlizenzen mit Buchverlagen abgebrochen hatte.

Meta nutzt angeblich urheberrechtlich geschützte Inhalte zum Training seiner KI-Modelle

Laut neuen, vor Gericht eingereichten Dokumenten, die verfügbar gemacht wurden, haben interne Arbeits-Chats zwischen Mitarbeitern von Meta ein klares Bild davon gezeigt, wie das Unternehmen urheberrechtlich geschützte Daten zur Schulung seiner KI-Modelle verwendet haben könnte, einschließlich der meisten Modelle in der Llama-Familie.

In einem der Chats war Melanie Kambadur, Senior Managerin des Llama-Forschungsteams und leitende Angestellte bei Meta, vertreten. In ihrem Chat erwähnte sie, dass die KI-Modelle mit Inhalten trainiert wurden, für die keine rechtliche Rechtfertigung vorlag.

„Meine Meinung wäre (im Sinne von ‚um Verzeihung bitten, nicht um Erlaubnis fragen‘): Wir versuchen, die Bücher zu erwerben und das Thema an die Geschäftsleitung zu eskalieren, damit diese die Entscheidung trifft“, sagte Meta-Forschungsingenieur Xavier Martinet in einem Chat vom Februar 2023, so die Unterlagen. „Deshalb haben sie diese Gen-AI-Abteilung eingerichtet [sic]: damit wir risikofreudiger werden“, fügte er hinzu.

Martinet erwähnte, dass das Unternehmen E-Books einfach zu Einzelhandelspreisen kaufen könnte, um den Datensatz für das Training aufzubauen, anstatt Lizenzvereinbarungen mit verschiedenen Verlagen einzugehen. Während ein anderer Mitarbeiter vor der Nutzung solcher Inhalte und den rechtlichen Konsequenzen warnte, merkte Martinet an, dass andere Unternehmen wahrscheinlich ebenfalls raubkopierte Bücher zum Training nutzen.

Im selben Chat erwähnte Kambadur, dass das Unternehmen mit einigen Plattformen über Lizenzen verhandle, wies jedoch darauf hin, dass die Nutzung öffentlich verfügbarer Daten Genehmigungen erfordern würde, die Anwälte des Unternehmens jedoch weniger konservativ agierten als in der Vergangenheit. „Der Unterschied heute ist, dass wir mehr Geld, mehr Anwälte, mehr Unterstützung aus der Geschäftsentwicklung haben und die Möglichkeit, Prozesse zu beschleunigen/zu eskalieren, und die Anwälte sind bei Genehmigungen etwas weniger konservativ“, sagte Kambadur.

Mitarbeiter diskutieren die Nutzung von Libgen

Laut den Unterlagen zeigt ein weiterer Arbeitschat, dass Kambadur über die Nutzung von Libgen sprach, einer Aggregator-Website, die Links zu urheberrechtlich geschützten Inhalten von Verlagen bereitstellt, als Datenquelle, die Meta lizenzieren kann. Libgen wurde bereits mehrfach verklagt, und die Plattform wurde aufgrund von Urheberrechtsverletzungen angewiesen, ihre Dienste einzustellen.

Während ein anderer Kollege im Chat ein Bild postete und daraufhin schrieb: „Nein, Libgen ist nicht legal“, schien es, als hätten einige Führungskräfte an der Spitze das Gefühl, dass das Versäumnis, Libgen zu nutzen, die Wettbewerbsfähigkeit des Unternehmens im KI-Wettlauf beeinträchtigen könnte. In einer E-Mail von Sony Theakanath, Direktor für Produktmanagement bei Meta, an Joelle Pineau, Vizepräsidentin von Meta AI, hieß es, dass Libgen wichtig sei, um state-of-the-art (SOTA)-Zahlen in allen Kategorien zu erreichen.

Theakanath sprach auch über verschiedene Möglichkeiten, wie das Unternehmen seine rechtliche Exposition reduzieren könnte, darunter das Entfernen von Daten, die als gestohlen/raubkopiert markiert sind, und das Unterlassen öffentlicher Nennungen anderer Nutzungen. „Wir würden die Nutzung von Libgen-Datensätzen, die zum Training verwendet wurden, nicht offenlegen“, sagte er. In der Praxis bedeutete der Schritt, dass das Unternehmen zunächst die Libgen-Dateien durchgehen würde, um nach „gestohlenen oder raubkopierten“ Werken zu suchen.

Gerichtsdokumente offenbaren weitere Verstöße

In einem der Arbeitschats schlug Kambadur auch vor, dass das Meta-KI-Team die Modelle so einstellen sollte, dass sie „risikoreiche IP-Prompts“ vermeiden, wodurch die Modelle konfiguriert werden, um Nutzern, die herausfinden wollen, auf welche E-Books die Modelle trainiert wurden, keine Antworten zu geben.

Die Dokumente enthüllten auch andere Details, wobei eine Offenbarung zeigte, dass Meta möglicherweise Reddit-Daten zur Schulung seines Modells verwendet hat, um das Verhalten einer Drittanbieter-Anwendung namens Pushshift nachzuahmen. Reddit erwähnte in einer Erklärung im April 2023, dass es beginnen werde, KI-Unternehmen für den Zugang zu Daten zur Schulung ihrer Modelle zu berechnen.

Die Kläger in der aktuellen Sache haben ihre Beschwerde seit Beginn des Rechtsstreits im Jahr 2023 viele Male geändert. Die Einreichung erfolgte vor dem US-Bezirksgericht für den nördlichen Bezirk von Kalifornien, San Francisco. In der neuesten Änderung behaupteten die Kläger, dass Meta gestohlene Bücher mit urheberrechtlich geschützten Werken abgeglichen habe, um zu bestimmen, ob es ideal wäre, eine Lizenzvereinbarung zu verfolgen. Meta betrachtet den Fall seinerseits als ein hochriskantes Rechtsproblem und hat zwei Anwälte für Berufungsverfahren vor dem Obersten Gerichtshof in sein Verteidigungsteam aufgenommen.