Авторското право е проблем на тръбопровода за данни, преди да е правен аргумент

Copyright questions in AI begin before training: lawful access, rights reservations, licences, provenance, retention and downstream use all leave facts that...

Авторското право е проблем на тръбопровода за данни, преди да е правен аргумент

Копието вече е решение

Разговорите за авторското право и изкуствения интелект често започват от грешния край на системата. Те започват с модела: каква архитектура, колко параметри, кой бенчмарк, кое издание. Докато някой попита откъде идва учебният материал, материалът вече е преминал през няколко ръце, формати, филтри и слоеве на съхранение. Правният въпрос не е закъснял. Той е бил налице още когато е направено първото копие.

Това първо копие може да е временно. Може да е страница, задържана достатъчно дълго, за да я прочете анализатор, изображение, преобразувано в пиксели, документ, извлечен от архив, или таблица, нормализирана, за да може програма да сравнява полета. То може да е направено по лиценз, по изключение, по договор или изобщо без подходящо основание. Машината не прави разликата вместо вас. Тя просто изпълнява операцията, която тръбопроводът ѝ възлага.

Ето защо авторското право е проблем на тръбопровода за данни, преди да е правен аргумент. Съд или носител на права може в крайна сметка да попита дали дадено използване е било разрешено. Една организация трябва да отговори на по-ранен набор от въпроси: какво е събрано, от кого, откъде, с какъв достъп, по кое правило, колко дълго е съхранявано, в какво е преобразувано и в кой по-късен артефакт е пренесено. Ако тези въпроси не са били записани по онова време, правният аргумент е принуден да реконструира невидим тръбопровод от фрагменти.

Аргументът тук не е, че всеки технически избор определя правния резултат. Не е. Хешът не дава разрешение. Лицензът не прави лошата практика за сигурност приемлива. Картата на модела не урежда правата върху всяко произведение в учебен набор. Идеята е по-прозаична и по-полезна: всеки етап създава факти, от които по-късният анализ на правата ще се нуждае. Доброто инженерство прави тези факти видими, без да се преструва, че видимостта е присъда.

Европейското право е необичайно изрично относно тази ранна част от историята. Директива (ЕС) 2019/790 разглежда извличането на текст и данни, законния достъп и запазването на права. Законът за изкуствения интелект добавя отделно задължение за доставчиците на модели с общо предназначение за изкуствен интелект да въведат политика за спазване на правото на Съюза в областта на авторското право и да предоставят публично достъпно достатъчно подробно резюме на учебното съдържание. Нито един от двата инструмента не превръща тръбопровода в магическа машина за съответствие. Заедно те затрудняват защитата на идеята, че учебните данни са просто гориво, което изчезва, когато моделът започне да работи.

Можем да проследим веригата, без да измисляме драматичен инцидент. Започнете с източник, който екип обмисля за определена цел. Източникът има собственик, местоположение, условия за достъп, очевиден лиценз, изрично запазване на права или неразрешен въпрос. Екипът го открива, проверява дали достъпът е законосъобразен, решава дали предложеното използване отговаря на разрешението или изключението, заснема ограничено копие, записва какво се е случило и след това решава дали материалът може да продължи по-нататък. Това не е история за конкретна компания. Това е съставен мисловен експеримент, който прави обикновените решения видими.

След като веригата е видима, езикът се подобрява. Събирането не е обучение. Достъпът не е разрешение за всяка употреба. Лицензът не е доказателство, че производен набор от данни може да бъде разпространяван. Приписването на авторство не замества разрешението. Отказът не е неуспешно извличане; той е решение за права. Моделът е последният потребител в дълга редица от по-ранни избори.

Тръбопроводът е по-дълъг от модела

Един полезен пайплайн има повече етапи, отколкото обикновено допуска диаграма в продуктова презентация. Откриването намира потенциален източник. Достъпът установява как може да се достигне до източника. Придобиването създава едно или повече копия. Парсингът превръща байтовете в структуриран материал. Нормализацията променя представянията. Филтрирането изключва или подбира елементи. Анотирането добавя етикети или връзки. Съхранението създава работни и запазени състояния. Изграждането на набор от данни определя кои елементи пътуват заедно. Обучението или фината настройка променя модела. Оценяването, извличането и извеждането на резултати въвеждат нови употреби. Публикуването или внедряването изпраща артефакт в нечий чужд работен процес.

Всеки глагол крие решение. Откриването може да използва индекс, емисия, API, каталог или човек, който гледа страница. Достъпът може да бъде отворен, абонаментен, лицензиран, удостоверен или ограничен от техническа мярка. Придобиването може да бъде разрешено за една цел, но не и за друга. Парсингът може да създаде копия на изразителни елементи, които оригиналният интерфейс никога не е показвал в този вид. Филтрирането може да премахне произведение, да запази откъс, да трансформира формат или да запази набор от характеристики. Обучението може да създаде тегла, които не приличат на изходния текст, но въпреки това оставят организацията отговорна за пътя, който ги е произвел.

Думата данни кара всички тези етапи да звучат неутрално. Тя е удобно съкращение и слаба морална категория. Една база данни може да съдържа факти от обществено достояние, защитени с авторско право статии, лична информация, поверителни договори, софтуер, снимки, научни измервания и коментари от хора, които никога не са очаквали думите им да станат входни данни за модел с общо предназначение. Контейнерът не е правото. Пайплайнът трябва да запази различията, които думата данни заличава.

Практичен начин да се направи това е да се приложи малък регистър на твърденията към всеки изходен елемент или семейство източници. Регистърът не е длъжен да публикува чувствителни вътрешни записи. Той трябва да посочи какво е известно, какво се предполага, какво е било разрешено, какво е било отказано, какво се е променило и кои следващи състояния са наследили решението. Идентичност на източника, време на заснемане, версия или хеш на съдържанието могат да подкрепят тази работа. Нито едно от тези полета не доказва само по себе си истина или разрешение. Те правят възможно оспорването на твърдението вместо спора за замъглен спомен.

Пайплайнът също се нуждае от граници. Източник, събран за помощ при търсене, може да не е подходящ за обучение. Лицензиран откъс може да подкрепи цитат в доклад, но не и публичен набор от данни. Изключение за извличане на текст и данни може да покрие изчислителен анализ, като същевременно остави възпроизвеждането или публичното съобщаване извън неговия обхват. Запазване на права може да спре конкретна употреба за извличане, без да казва нищо за несвързан достъп. Отнасянето към пайплайна като към едно недиференцирано действие гарантира, че тези различия ще изчезнат.

Един източник не става правно по-прост, докато преминава през тръбопровода. Записът трябва да пътува заедно с него.

Визуализацията по-горе умишлено е карта на процеса, а не оценка за съответствие. Светъл възел не е зелена светлина. Той е място, където трябва да се вземе решение и то да се обвърже с доказателства. Тръбопроводът може да е законосъобразен на един етап и извън обхвата на следващия. Може също да е технически внимателен, докато основната цел остава неподкрепена. Ето защо оперативният запис трябва да показва както решението, така и границите около него.

Законосъобразният достъп не е разрешение за всичко

Директива 2019/790 започва разпоредбите си за извличане на текст и данни с условие, което лесно се цитира и лесно се опростява: ползвателят трябва да има законосъобразен достъп до произведенията или други обекти. Законосъобразният достъп може да включва отворен достъп, абонамент или друг законосъобразен път. Той не е същото като страница, която се вижда в браузър. Публичният адрес ви казва къде се намира източникът. Той сам по себе си не ви казва кои действия е разрешил притежателят на права, кой договор се прилага, дали техническа мярка е ефективна, или дали предложената цел попада в изключение.

Разликата е важна, защото достъпът и използването са различни събития. Библиотека може законосъобразно да предоставя достъп до списание по силата на абонамент. Изследовател може след това да използва изключение за извличане на текст и данни при условията, които се прилагат за научноизследователска организация. Търговски оператор може да има достъп до публична страница, но все пак да трябва да обмисли резервация на права, лиценз, права върху бази данни, договорни условия или друго правно ограничение, преди да създаде и съхрани копия за различна цел. Едни и същи байтове могат да бъдат достигнати от двама участници, чиито правни позиции не са идентични.

Достъпът има и техническа страна, която не трябва да се третира като препятствие, което трябва да бъде надхитрено. Директивата признава, че притежателите на права могат да прилагат пропорционални мерки за защита на сигурността и целостта на своите системи или бази данни. Пароли, пейуол, удостоверяване, ограничения на заявките и други ефективни контроли са факти за пътя, а не пъзели. Обхождащ робот, който ги преодолее, не е демонстрирал изобретателност. Той е създал нов проблем с правата и сигурността.

Затова най-честният тръбопровод записва състоянието на достъпа, преди да съхрани съдържанието. Дали източникът е бил отворен, абонаментен, лицензиран, изискващ удостоверяване или предоставен директно. Кои условия са били видими. Коя версия на тези условия е била в сила. Дали е изразена резервация. Дали е срещнато техническо ограничение. Дали операторът е отказал да продължи. Отговорът може да е непълен. Непълният отговор е по-полезен от уверен етикет, който никой не може да обясни по-късно.

Законният достъп също е обвързан с цел на практика. Копие, направено за прочит на статия, не е автоматично копие, разрешено за обучение на модели. Набор от данни, лицензиран за вътрешен анализ, не е автоматично лицензиран за публикуване. Копието за съхранение на институция за културно наследство не е автоматично публичен обучителен корпус. Пайплайнът трябва да носи целта като условие, а не като коментар, който се отделя от байтовете след първия експорт.

За нищо от това не е нужен юрист, който да одобрява всяка HTTP заявка. Нужно е разумно разпределение на отговорностите. Компонентът за придобиване може да прилага политиката на източника, безопасността на целта и ограниченията на скоростта. Функция за права или управление на данни може да решава дали дадено семейство източници е в обхват. Технически запис може да покаже какво са направили компонентите. Правният извод остава контекстуален, но фактите, необходими за този извод, престават да се изпаряват на мрежовата граница.

Две изключения за текст и данни, две различни нагласи

Разпоредбите на Директивата за текст и данни не са широк лиценз за копиране на всичко интересно. Член 3 установява задължително изключение за възпроизвеждания и извличания, извършвани от научноизследователски организации и институции за културно наследство за научни изследвания, когато имат законен достъп. Копията могат да се съхраняват за целите на научните изследвания и трябва да се съхраняват сигурно. Разпоредбата е оформена около определен бенефициер и цел. Тя не е общо освобождаване за всяка организация, която нарича работата си изследване.

Член 4 се отнася до извличането на текст и данни за други цели. Той се прилага, когато потребителят има законен достъп и носителят на права не е запазил правата за възпроизвеждане и извличане по подходящ начин. За съдържание, публично достъпно онлайн, Директивата предвижда, че запазването може да бъде изразено с машинночетими средства, включително метаданни и общите условия на уебсайт или услуга. Изключението оставя на носителя на права възможността да запази ползването за извличане. Това е различна нагласа от изключението за научни изследвания по член 3.

Тези разпоредби правят класификацията част от пайплайна. Операторът научноизследователска организация или институция за културно наследство ли е, както ги разбира Директивата. Целта научно изследване ли е. Достъпът законен ли е. Копието съхранявано ли е сигурно и само доколкото е необходимо за изследователската цел. Ако ползването попада в член 4, правото запазено ли е по подходящ начин. Договорът добавя ли условия. Прилага ли се друго право, например право върху база данни. Едно поле, наречено tdm_allowed, не може честно да понесе всички тези въпроси.

Съображенията са полезни, защото обясняват проблема, който законодателят се е опитвал да реши. Извличането на текст и данни може да включва възпроизвеждане на произведения или извличане от бази данни, дори когато техническата задача е описана като анализ. То може да се отнася и до факти или данни, които не са защитени от авторско право. Правният характер на материала и извършените действия следователно имат значение. Пайплайнът трябва да знае дали обработва незащитени факти, изразителни произведения, защитена база данни или смесица, която изисква отделно третиране.

Същите съображения обясняват и защо законният достъп не е декоративна фраза. Научноизследователските организации могат да получават достъп до съдържание чрез абонаменти, отворени лицензи или материал, свободно достъпен онлайн. Абонаментът може да осигури законен достъп, докато условията му все още трябва да бъдат разгледани в контекст. Публична страница може да бъде законно преглеждана, докато правото да се направи различен вид копие остава оспорвано. Отвореността на източника и предложената операция са свързани факти, а не синоними.

Има изкушение да се превърнат изключенията в двоична врата: да за научни изследвания, не за всичко останало. Това е твърде грубо. Изключенията взаимодействат със съществуващи изключения, договори, права върху бази данни, технологични мерки и националното прилагане. Директивата е инструмент на Съюза, но практическото ѝ приложение все още минава през правото на държавите членки и фактите около използването. Една статия може да обясни структурата, без да предлага заключение за конкретен набор от данни или организация.

За инженерството изводът е ясен. Моделирайте правния път като типизирани състояния, а не като безусловен булев израз. Един източник може да бъде кандидат, с проверен достъп, с оценено изключение, лицензиран, запазен, отказан, допуснат за конкретна цел, оттеглен или в очакване на преглед. Преходът трябва да има собственик и доказателства. Ако оператор промени целта от научни изследвания на търговско обучение, състоянието трябва да изисква нова оценка, а не тихо да пренася старата разрешителна.

Това може да звучи педантично. По-малко педантично е от опита да се обясни две години по-късно защо голяма папка с материали е била третирана така, сякаш всяко съдържание в нея има един и същ правен път. Европа вече е вписала различията в текста. Работата на тръбопровода е да избегне изтриването им за удобство.

Отказът е машинно четлива граница

Запазването на права често се обсъжда така, сякаш е спор между издател и обхождащ робот. Директивата описва нещо по-практично. За публично достъпно онлайн съдържание подходящо запазване на права за извличане на текст и данни по член 4 може да бъде изразено с машинно четливи средства, включително метаданни и общите условия на уебсайт или услуга. Техническата форма има значение, защото запазване, което системата за придобиване не може да открие или интерпретира, е граница, която съществува в правото, но изчезва на практика.

Машинно четливо не означава автоматично разрешение в обратната посока. Анализатор, който не открие разпознаваемо запазване, не доказва, че използването е законосъобразно. Това означава само, че един от входовете за решението е бил проверен. Системата все още се нуждае от състоянието на достъпа, целта, идентичността на източника, договорния контекст и други проверки на права. Обратно, запазването не трябва да се третира като обща забрана за всяко взаимодействие с уебсайт. То е сигнал относно правата за възпроизвеждане и извличане за извличане на текст и данни съгласно съответната разпоредба.

Разликата между сигнал и заключение е мястото, където много тръбопроводи се провалят. Маркер за права може да присъства в метаданните, в условията или в стандартизиран механизъм. Анализаторът може да запише точното поле, стойност, местоположение и време на извличане. Стъпка за управление може да интерпретира какво означава този маркер за предложеното използване. Ако системата запише само разрешено или отказано, тя губи доказателствата, необходими за преглед на фалшиво положителен резултат, променена политика или спорна интерпретация.

Запазванията също имат времеви характер. Уебсайтовете променят условията си. Емисиите се заменят. Източник може да публикува нова машинно четлива инструкция след като по-ранен материал е бил събран. Старото събиране и новото решение не могат да бъдат слети в един текущ етикет, без да се загуби историята. Тръбопроводът трябва да може да каже, че копие е направено при едно наблюдавано състояние, че по-късно състояние е променило пътя и че преглед е решил дали вече съхраненият материал трябва да бъде ограничен, премахнат или задържан за правна оценка.

Това е добро място за малка доза европейски инженерен хумор. Политика, която казва да се спазва файлът robots, но не съхранява запис кой файл robots е прочела, не е политика. Това е пожелание с бадж. Същото важи и за сигналите за авторско право. Тръбопроводът трябва да записва какво е видял, какво е разбрал, какво не е могъл да интерпретира и защо е спрял или продължил.

Когато даден източник използва конвенция, която тръбопроводът не поддържа, безопасният отговор не е да се гадае. Маркирайте източника като неразрешен, поискайте човешко решение или използвайте разрешена алтернатива. Липсващият анализатор е техническо ограничение. Отнасянето към нечетлива граница като към разрешение е провал на управлението. Системите трябва да отказват затворено в точката, в която несигурността иначе би се превърнала в копие.

Лицензи, приписване и произход вършат различна работа

Хората често поставят лиценз, приписване и произход в едно изречение, сякаш са три учтиви имена за разрешение. Не са. Лицензът е предоставяне на права, подчинено на неговите условия. Приписването идентифицира създател или източник и може да бъде условие на предоставянето. Произходът записва откъде е дошъл материалът, как е бил обработен и кои решения са оформили текущото му състояние. Източник може да има произход без лиценз, лиценз без адекватен произход или приписване без разрешение за извършване на предложеното действие.

Разликата става видима, когато набор от данни е събран от много източници. Наборът от данни може да бъде вътрешно последователен, възпроизводим и красиво документиран. Ако един източник е копиран извън неговия лиценз, качеството на метаданните не поправя този проблем. Ако всеки източник е лицензиран, но екипът не може да определи коя версия е влязла в набора от данни, лицензът може да е невъзможно да се приложи надеждно. Ако публичен каталог изброява създатели, но моделът надолу по веригата не може да запази съответните известия, приписването може да се провали, въпреки че екипът е вярвал, че е направил уважителното нещо.

Запис, който зачита правата, следователно се нуждае от няколко слоя. Идентичност казва какво е източникът. Произход казва кой го е предоставил или публикувал и къде е открит. Достъп казва как операторът го е достигнал. Права казва кое разрешение, изключение, резерва или неразрешен въпрос се прилага. Обработка казва какви трансформации са извършени. Запазване казва кои копия и производни артефакти остават. Употреба казва кой набор от данни, модел, оценка или изход е консумирал състоянието. Всеки слой отговаря на различен въпрос за преглед.

Произходът също не е сертификат за истина. Подписан запис може да установи идентичност, цялост и родословие, без да докаже, че дадена творба е била правилно приписана или че лицензът е бил валиден. Записът трябва да казва какво установява. Преувеличаването е особено опасно в системите за права, защото полирана верига може да направи неподкрепено разрешение да изглежда официално. Честният етикет често е: източникът е идентифициран, твърдението за лиценз е предоставено от оператора, правната оценка предстои.

Приписването има социално измерение, както и договорно. Създател може да иска да бъде назован, издател може да изисква известие, а набор от данни може да се нуждае от машинночетимо поле, което оцелява при експорт. Но приписването може да се превърне в вид морален камуфлаж, ако се използва, за да се подразбира съгласие. Назоваването на фотограф не позволява само по себе си на модел да погълне снимката. Свързването към статия не упълномощава само по себе си копие за обучение. Кредитът е ценен. Той не е универсален разтворител.

Самите лицензи трябва да се четат като данни. Съхранявайте идентификатора или текста на лиценза, версията, всяко ограничение за територия или цел, условията за приписване, условията за споделяне по същия начин или за нетърговска употреба, както и източника на твърдението за лиценза. Не превръщайте човешко изречение като отворен за повторна употреба в безусловен вътрешен флаг. Краткото изречение може да пропусне точните действия, формати или получатели, които имат значение за планираната употреба.

Когато условията са неясни, запазете несигурността. Източник може да остане полезен за човешки читател, докато е изключен от обучението. Той може да бъде задържан в карантинен склад за преглед, без да влиза в управляван набор от данни. Той може да бъде заменен с източник, чийто път на правата е по-ясен. Въпросът не е да се направи всяко решение бързо. Въпросът е решението да бъде обратимо и причината видима.

Филтрирането не е неутрално домакинство

Филтрирането обикновено се представя като качествена работа. Премахнете дубликатите, отхвърлете баналното съдържание, изхвърлете повредените файлове, запазете полезния език и продължете. Тези операции могат да бъдат разумни. Те обаче могат да променят и правата и профила на поверителност на материала. Филтър, който премахва долен колонтитул, може да премахне и посочването на авторство. Инструмент за дедупликация може да реши, че две копия са еднакви, когато едното носи различно известие за лиценз. Езиков филтър може да изключи корпус на малцинствен език и да направи модела по-малко полезен за тази общност. Филтър за безопасност може да запази кратък откъс, който е по-чувствителен от целия документ.

Основната грешка е да се третира филтърът като детайл от изпълнението, а не като решение за това какво остава. Записът трябва да показва кое правило е било приложено, върху коя версия на източника, с какъв резултат и дали човек е прегледал крайните случаи. Трябва да е възможно да се реконструира не само крайният набор от данни, но и множеството от кандидати, които са били отхвърлени, поставени под карантина или премахнати. В противен случай по-късно искане за изтегляне на дадено произведение се превръща в търсене в модел на тръбопровода, а не в операция върху самия тръбопровод.

Филтрирането има и представителен ефект. Да предположим, че дадено семейство източници съдържа дълги критически текстове, кратки новини, публични обяви и коментари. Праг на дължината може да запази една форма и да отхвърли друга. Правило за дедупликация може да даде предимство на синдикирани материали пред местни репортажи. Оценка за качество може да облагодетелства полиран институционален език. Това не са твърдения за конкретен корпус. Това са често срещани начини, по които едно техническо правило може да промени чии думи оцеляват. Тръбопроводът трябва да ги описва като проектни решения и да оценява последиците им.

Авторското право и личните данни могат да влязат в конфликт тук. Премахването на имена не означава непременно премахване на изразителен текст. Премахването на текст не означава непременно премахване на право върху база данни. Псевдонимизирането на запис може да намали пряката идентификация, но да остави трансформирания запис обект на правило за съхранение или договорно правило. Правилният отговор не е да се измисли универсална йерархия. Той е да се запази целта на всеки контрол изрична и да се избягва твърдението, че един филтър решава всяка правна категория.

Един практичен контрол е трансформациите да бъдат съставяеми и проверими. Запазете идентичността на източника, прикрепена към трансформирания запис. Съхранявайте идентификатор и версия на правилото. Записвайте бройки само там, където са измерени, и запазвайте извадка или манифест, който позволява на проверяващия да види какво е направило правилото. Ако дадено правило не може да бъде възпроизведено, кажете го. Тръбопровод, който съобщава само крайния чист набор от данни, кара проверяващия да вярва на разказ за средата.

Съществува и задължение да се устои на козметичната чистота. Набор от данни, в който всяко поле е попълнено и на всеки елемент е присвоен весел етикет за качество, може да бъде по-малко честен от по-малък набор с видими празнини. Прегледът на правата се нуждае от неудобните елементи: източникът с противоречиви условия, произведението с несигурен автор, страницата, която се е променила преди заснемането, файлът, който е бил отказан, защото резервация не е могла да бъде анализирана. Двусмислието е част от материала. Скриването му прави увереността надолу по веригата крехка.

Обучението е трансформация, а не изчезване

Обучението променя формата на материала. То не прави автоматично по-ранните въпроси за правата да изчезнат. Параметрите на модела не са просто копие на всеки източник и моделът може да не възпроизведе конкретно произведение. Тези наблюдения са технически релевантни, но не отговарят на пълния правен въпрос. Тръбопроводът все пак е направил копия, избрал е данни, приложил е цел и е произвел артефакт от процес, чувствителен към права.

Актът за изкуствения интелект е внимателен по този въпрос. В съображенията си той отбелязва, че разработването и обучението на модели с общо предназначение за изкуствен интелект изисква достъп до големи количества текст, изображения, видео и други данни, част от които може да бъдат защитени. В него се посочва, че използването на защитено съдържание изисква разрешение, освен ако не е приложимо съответно изключение или ограничение. Той също така заявява, че доставчиците, които пускат на пазара на Съюза модели с общо предназначение за изкуствен интелект, трябва да имат политика за спазване на авторското право на Съюза, включително идентифициране и спазване на запазените права по член 4, параграф 3 от Директивата за авторското право.

Това задължение не означава, че доставчикът е изпълнил изискванията само защото съществува политика. Политиката е организационен контрол. Тя трябва да сочи към изходните състояния, решенията, пътищата за наблюдение и коригиране, които ѝ придават съдържание. Актът също така изисква достатъчно подробно публично резюме на съдържанието, използвано за обучение, съгласно образец, предоставен от Службата за ИИ. Резюмето трябва да бъде полезно за страните със законен интерес, като същевременно се съобразява с търговските тайни и поверителната търговска информация. То е слой на прозрачност, а не публично изхвърляне на данни произведение по произведение и не замества доказателствата, които стоят в основата му.

Разликата между резюме и регистър е от значение. Публичното резюме може да посочи основните колекции или набори от данни и да обясни други категории източници. То може да помогне на носителите на права да разберат структурата на обучителния материал. Само по себе си то не може да покаже коя точно версия е влязла в дадено изпълнение, дали е спазена клауза за запазени права, какво е премахнато след подадено възражение или какво е наследила последваща задача за фина настройка. Вътрешният или контролираният запис изисква по-голяма детайлност от публичното описание. И двата слоя трябва да останат съгласувани.

Фината настройка прави необходимостта от проследимост още по-ясна. Доставчик, който модифицира модел с общо предназначение с нови обучителни данни, не може да третира документацията на основния модел като заместител на записа за модификацията. Съображенията на Акта описват задължения, ограничени до модификацията или фината настройка, включително новите източници на обучителни данни. Следователно регистърът на моделите трябва да обвързва всяка нова обучителна операция с изходно състояние, цел, оценка на лиценз или изключение, резултат от оценката и решение за пускане. Новата версия на модела е нова повърхност на права.

Изкушаващо е да се твърди, че моделът е забравил корпуса, защото дадена подкана не възпроизвежда страница. Това е техническа хипотеза, която изисква оценка, а не правно заключение. Запомнянето, извличането, изтеглянето, сходството на изхода и остатъчното влияние са различни въпроси. Безопасният изказ е също толкова точен: трансформацията променя това, което е съхранено, а анализът на правата трябва да вземе предвид действията и употребите, обхванати от закона. Всичко по-силно изисква тълкуване, подкрепено от източници, за конкретната система.

Обучителните данни също имат жизнен цикъл след изпълнението. Суровият източник може да остане в защитено хранилище. Обработен фрагмент може да бъде копиран в кеш. Манифест може да го обвърже с контролна точка. Оценъчните приспособления може да запазят представителни примери. Пакет за фина настройка може да пътува до друг екип. Ако даден източник бъде по-късно оттеглен, организацията трябва да знае кои от тези състояния могат да бъдат премахнати, кои могат да бъдат възстановени и кои изискват ново правно решение. Да се каже, че данните са влезли в модела, не е план за жизнения цикъл.

Резюмето не е регистърът

Публичната прозрачност има склонност да създава един-единствен голям документ. По-лесно е да се постави връзка към едно резюме, отколкото да се обясни многослойна система от доказателства. Резюмето на обучителното съдържание по Акта е важно именно защото не е целият регистър. То дава на обществеността и носителите на права смислено описание на използваното съдържание, като същевременно защитава поверителната информация. Работният запис все пак трябва да запази изходните състояния, контролите и решенията, които резюмето обобщава.

Мислете за обобщението като за карта, а за регистъра като за бележките от проучването. Картата трябва да е четлива и полезна. Тя не трябва да се преструва, че всеки контур е видим. Бележките от проучването трябва да съдържат измерванията, несигурностите, промените и неразрешените точки, които са направили картата възможна. Карта, която не съответства на проучването, е проблем. Карта, която е сбъркана с проучването, е различен проблем.

Същото разделение помага и при оповестяването. Каталог на източници може да публикува имена, категории, периоди, цели и състояния на правата, без да разкрива лични данни или поверителни договори. Контролиран запис може да запази точните позиции, доказателствата за лицензи, историята на оттеглянията и версиите на източниците за одит или упълномощен преглед. Публичният слой трябва да посочва своята граница. Каталог, който твърди, че няма неприключени полета, когато подробностите просто са частни, е подвеждащ. Каталог, който прави частните доказателства публични по подразбиране, е небрежен.

За инженерите това означава, че публичното обобщение трябва да се генерира от поддържано състояние, а не да се пише на ръка след пускането. За екипите по управление това означава, че стъпката на генериране се нуждае от преглед и запис на промените. За притежателите на права това означава, че има път от публична категория до смислен отговор, когато бъде повдигнат въпрос. Обобщението придобива доверие, когато организацията може да покаже как една корекция преминава от доклад до съответното състояние на източника и до последващите решения.

Също така си струва да се прави разлика между оповестяване и приписване. Обобщението може да изброи колекция, без да назовава всеки създател. Уведомленията за приписване може да се изискват в набор от данни или резултат съгласно приложимия лиценз. Притежателят на права може да трябва да знае, че конкретна творба е била включена, дори когато публичното обобщение не може да публикува пълен списък с позиции. Това са отделни изисквания за проектиране. Отговорът не е да се изисква един документ да върши цялата работа.

Резултатите отварят въпроса отново

Резултатът от модел може да изглежда като нова творба, но тръбопроводът не може да обяви по-ранните права за несъществени само защото формулировката е различна. Въпросите относно резултатите включват възпроизвеждане, съществена прилика, приписване, съобщаване, разпространение, поверителност и условията на внедряването. Те включват и пътя, по който потребител е предоставил входни данни, извлякъл източник, поискал трансформация или е помолил системата да имитира именуван стил. Резултатът е нов етап със свои собствени факти.

Това не е аргумент, че всяко генерирано изречение нарушава авторско право. Това е аргумент срещу категорично предположение в която и да е посока. Резултатът може да бъде оригинален синтез, цитат, близко възпроизвеждане, отговор, основан на лицензиран източник, или грешка, която комбинира фрагменти от няколко места. Система, която осъзнава правата, трябва да запази достатъчно контекст, за да разследва действителния път. Коя версия на модела е изпълнена. Кои източници за извличане са използвани. Коя потребителска инструкция е оформила задачата. Кои контроли на резултатите са приложени. Дали източник е бил възпроизведен или само справен.

Приписването може да стане особено объркващо на този етап. Цитат може да помогне на читателя да открие източник, но не е задължително да удовлетвори условие на лиценза или да разреши въпрос за възпроизвеждане. Обратно, система може да има валиден лиценз за източник, но въпреки това да произведе резултат, който е подвеждащ, частен или извън обхвата на целта на потребителя. Записът на резултата трябва да посочи какво може да установи и какво оставя на потребителя или на внедряващия.

Крайните потребители се нуждаят от ясна граница. Доставчикът на модел може да документира модела и своята политика за обучение. Внедряващият избира цел, предоставя входни данни, конфигурира извличането, излага интерфейс и решава какво да публикува или по какво да действа. Правната позиция може да се промени с тези избори. Един и същ модел може да се използва за обобщаване на упълномощен вътрешен архив или за възстановяване на статия зад платен достъп за публично разпространение. Възможността не е правомощие.

Изходният път трябва също да запази отказа. Ако системата откаже да възпроизведе защитен материал, това решение е доказателство за контрола, а не смущаващо празно място. Ако потребителят промени заявката и системата продължи през различен източник или трансформация, записът трябва да покаже новия път. Конвейер, който съхранява само успешните отговори, не може да докаже, че неговите граници са били активни.

Оттеглянето не е единичен бутон за изтриване. То е проследимо решение в състоянията, наследили източника.

Запазването и изтриването са въпроси на конвейера

Когато притежател на права поиска премахване, хората често питат дали моделът може да бъде накаран да забрави. Това може да е изследователски въпрос, но първите оперативни въпроси са по-конкретни. Кое копие на източника се запазва. Кои обработени записи се отнасят към него. Кои манифести, фрагменти, кешове, оценителни примери и индекси за извличане съдържат представяне. Кое изпълнение на модела или фина настройка е използвало състоянието. Кои изходи или публикации са произведени. Кои от тях все още са под контрола на организацията.

Няма честно универсално обещание, че една заявка може да изтрие незабавно всеки производен артефакт. Отговорът зависи от системата, правното основание, договорната позиция, политиката за запазване и поисканото действие. Конвейерът обаче може да направи границата видима. Той може да постави източника под карантина, да спре бъдещото повишаване, да маркира засегнатите версии на набора от данни, да прецени дали е необходима промяна на модела, да премахне контролираните копия, когато решението го изисква, и да запише какво остава извън неговия пряк контрол.

Запазването трябва да бъде проектирано преди събирането, а не импровизирано след оплакване. Записът на източника трябва да носи цел и точка за преглед. Временните копия за обработка трябва да имат определен срок на живот. Сигурните хранилища за изследвания трябва да имат правила за достъп и условия за изтриване или архивиране. Манифестите на наборите от данни и моделите трябва да идентифицират от кое състояние на източника зависят. Отказ или оттегляне трябва да може да премине през тези връзки, без да се налага екип да търси във всяка машина по памет.

Изтриването също не е същото като скриването. Премахването на ред от табло, докато експортиран фрагмент остава недокоснат, не е изтриване. Маркирането на източник като оттеглен, без да се спре индексът за извличане, не е изтриване. Замяната на публично резюме, докато стара версия остава достъпна за изтегляне, може да не постигне искания резултат. Действието и неговите ограничения трябва да бъдат назовани точно, особено когато пълно техническо или правно средство за защита не е възможно.

Записът трябва да съхранява историята, а не да я пренаписва. Ако даден източник е бил приет, по-късно оттеглен и след това премахнат от управляваното разпространение, хронологията трябва да го отразява. Първоначалното решение за приемане трябва да остане видимо за оторизираните проверяващи, като по-късното действие е свързано с него. Чистото текущо състояние е полезно. Чисто състояние без история е трудно да се довериш.

Личните данни добавят още един слой, но същата дисциплина помага. Искане за изтриване във връзка със защита на данните може да се отнася до лице, представено в произведение, запис за източник, лог или резултат. Премахването поради авторски права и изтриването поради защита на данните не са взаимозаменяеми. Пайплайнът трябва да записва кое право е било заявено, кой материал е бил идентифициран, какви правни и технически оценки са направени и какво действие е последвало. Един бутон с надпис „премахни“ е покана за объркване на няколко правни системи.

Отказът трябва да бъде първокласен запис

Зрелият пайплайн за данни помни материала, който не е взел. Това звучи нелогично, защото съхранението обикновено се обсъжда като положителен опис. Но работата с права зависи от отрицателни доказателства. Източникът е открит и отказан, защото пътят за достъп е бил ограничен. Резервацията не е могла да бъде интерпретирана. Лицензът не е покривал целта. Самоличността на източника е била твърде несигурна. Съдържанието е било оттеглено. Операторът е отказал да направи копието. Това са решения, които защитават както източника, така и организацията.

Записът за отказ не трябва да съхранява повече съдържание, отколкото е необходимо, за да обясни решението. Той може да носи адреса на източника, самоличността, времето за извличане, състоянието на политиката, код за причина, самоличност на оператора или услугата и път за преглед. Може да включва хеш или друга самоличност на съдържанието, когато това е подходящо и законосъобразно, без да запазва самия защитен материал. Целта е отказът да бъде проверим, а не да се създава втори неоторизиран архив на нещото, което е било отказано.

Отрицателните записи също така спират екипите да повтарят една и съща грешка. Система за откриване може да срещне отново източника. Без състояние на отказ новото изпълнение го третира като нов кандидат и задава същия въпрос. С версиониран отказ изпълнението може да види предишната граница и да определи дали нещо се е променило. Системата все пак се нуждае от политика за преглед, защото правата и условията на източника могат да се променят. Важното е промяната да е умишлена.

Тук помага едно малко разграничение: блокиран, неразрешен и извън обхват не са едно и също състояние. Блокиран означава, че контрол е спрял пътя, може би поради резервация или техническо ограничение. Неразрешен означава, че доказателствата са били недостатъчни за решение. Извън обхват означава, че предложената цел или семейството източници попада извън програмата. Ако ги слеем в „отказан“, се скрива кое действие би могло да промени състоянието и кой отговаря за това действие.

Записите за отказ са също така защита срещу митологията на мащаба. Големият корпус не е доказателство за сериозен процес. По-малък корпус с ясни приемания и откази може да бъде по-лесен за управление, възпроизвеждане и обяснение. Пайплайнът трябва да може да отговори не само колко е събрал, но и колко е отказал, защо и дали политиката е прилагана последователно в различни езици, типове източници и региони.

По-нататъшната употреба е друг пайплайн

Пътят на правата не свършва, когато наборът от данни бъде предаден на екипа за модели. Наборът от данни може да стане тренировъчно изпълнение, бенчмарк, пакет за извличане, демонстрационен набор, индекс за търсене или търговска функция. Всяка по-нататъшна употреба може да промени целта, аудиторията, съхранението, риска от възпроизвеждане и договорните задължения. Единен идентификатор на набора от данни не е достатъчен, ако скрива коя проекция е била използвана.

Помислете за изходна фамилия, приета за вътрешна оценка. По-късен екип може да иска да публикува примери, да използва материала в услуга за извличане, насочена към клиенти, или да настрои модел с него. Това са нови цели, а не просто прилагане на старото решение. Пайплайнът трябва да изисква новото използване да наследи условията на източника и да получи нова оценка там, където целта се променя. Повторната употреба е преход, а не свободно движение.

Регистрите на модели могат да помогнат, като обвържат дадено издание с точното състояние на данните и политиката, използвани за него. Те трябва да показват изходните фамилии, статуса на правата, трансформациите, изключенията, оценъчния набор и решението за издаване на ниво, подходящо за аудиторията. Не трябва да твърдят, че зеленият статус означава, че всяко произведение е юридически изчистено. Статусът е изявление за доказателствата и контролите, които организацията е записала, а не универсално съдебно заключение.

Документацията надолу по веригата има значение, защото отговорността е разпределена. Доставчик може да публикува обобщението на обучението и политиката за авторски права. Интегратор може да добави източници за извличане, подкани, инструменти и потребителски данни. Разгръщащият може да реши какво действие следва даден изход. Издател може да постави генериран материал пред публиката. Въпросът за правата може да се движи заедно с действието. Договор може да разпредели отговорностите между страните, но техническият път все пак трябва да показва коя страна е предоставила кои доказателства и е взела кое решение.

Преносимото проследяване на произхода е следователно повече от удобство. Когато набор от данни или модел се движи между европейски организации, неговите изходни състояния, резерви, лицензи, изисквания за приписване и история на оттегляне трябва да останат четливи. В противен случай преносимостта се превръща в бутон за нулиране на правата. Приемащият екип вижда чист артефакт и губи фактите, които са направили артефакта управляем.

Добрите контроли надолу по веригата често са скучни. Един експорт включва манифест. Едно издание на модел назовава състоянието на данните. Един пакет за извличане записва версиите на източника. Потребителски интерфейс може да покаже цитиране или отказ. Един доклад носи приписването, изисквано от лиценза. Заявка за оттегляне намира собственик. Нито един от тези контроли не прави организацията имунизирана срещу спорове. Те правят възможно отговорът да се даде, без да се преструва, че системата няма памет.

Европейска оперативна дисциплина

Правните инструменти осигуряват структурата. Организацията все пак трябва да превърне тази структура в рутина. Следното е предложена оперативна дисциплина, а не правен съвет и не заместител на оценка на правата в конкретна държава членка.

  • Посочете целта преди източника. Опишете какво трябва да поддържа материалът и какво е извън обхвата. Цел, появила се след събирането, обикновено е закъсняло оправдание.
  • Разделяйте достъпа от повторната употреба. Запишете как е бил достигнат източникът, след което преценете кои действия изисква предложената употреба. Не пренасяйте публичен URL напред като универсално разрешение.
  • Поддържайте статусите на правата типизирани. Лицензирано, оценено по изключение, запазено, отказано, неразрешено, оттеглено и допуснато за целта не бива да се сливат в един зелен флаг.
  • Проследявайте произхода през трансформациите. Запазвайте идентичността на източника, версията, правилото за обработка, доказателствата за лиценз и историята на решенията, прикрепени към обработеното състояние.
  • Записвайте отрицателните решения. Отказът, карантината или неразрешеният преглед са част от доказателствата и трябва да предотвратяват случайно повторение.
  • Направете съхранението изрично. Посочете кои копия, манифести, индекси, контролни точки и резултати остават, кой ги притежава и кога приключва целта или периодът на преглед.
  • Осигурете съответствие между обобщенията и регистрите. Публичната прозрачност трябва да се генерира от поддържани доказателства и да посочва какво не разкрива.
  • Тествайте оттеглянето преди публикуване. Използвайте обозначено упражнение, за да проверите дали даден източник може да бъде открит през производните си състояния. Записвайте ограниченията, вместо да твърдите безупречно изтриване.

Тази дисциплина е умишлено по-малко бляскава от демонстрация на изкуствен интелект. Има по-добър шанс да оцелее. Трудната част не е да напишете думите „съобразен с правата тръбопровод“ на слайд. Трудното е следващият компонент да получи достатъчно контекст, за да не превърне условно решение в безусловно копиране.

Контролите трябва също да зачитат пропорционалността. Нискорисков вътрешен анализ не изисква същото публично разкриване като модел с общо предназначение, пуснат на пазара на Съюза. Малък екип може да се нуждае от по-опростени инструменти от голям доставчик. Основните въпроси остават: какво е било достъпено, какво е било разрешено, какво е било направено, какво е било запазено и кой може да коригира състоянието. Пропорционално не означава невидимо.

Човешката преценка принадлежи на местата, където доказателствата са действително двусмислени. Машината може да разпознае резерва, да сравни идентификатор на лиценз, да провери манифест и да спре заявка. Тя не бива тихо да измисля правно тълкувание, само защото даден работен процес иначе би чакал. Човешкото решение трябва да бъде типизирано, обхватно и записано. Това не е провал на автоматизацията. Това е признание, че правното значение не е страничен ефект от успешен разбор.

Кратка бележка от нас

В Dweve нашият публичен Trust Centre описва същото разделение с умишлено скромни думи. Winnow е представен като път за придобиване, който проверява политиката на източника, robots.txt, честотите, целите и записите на заявките. Spindle е слоят за управление на произхода, качеството, политиката, конфликтите, оттеглянето и повишаването. Loom използва управляван материал или разчита на Winnow през записана граница на инструментите. Описанието не твърди, че контролът на обхождането прави всяка операторска цел законосъобразна, и не третира публичния каталог на източници като пълния частен регистър на доказателствата.

Това е полезната част от примера, не имената на продуктите. Компонент за събиране може да налага дисциплина на достъпа. Компонент за управление на знанията може да запазва състоянието на източника и да решава какво може да остане. Компонент на модела може да записва какво действително е използвал. Правната отговорност остава прикрепена към целта и оператора. Изграждането на вътрешна система по този начин не носи сертификат от вселената. То прави твърденията на организацията по-лесни за проверка и грешките ѝ по-лесни за коригиране.

Правният аргумент започва по-рано

Споровете за авторски права около изкуствения интелект понякога опират до трудни въпроси, които никой пайплайн не може да разреши предварително. Съдилищата и регулаторните органи може да тълкуват изключенията, договорите, резервите, възпроизвеждането и резултатите по начини, които се развиват с времето. Националното прилагане и фактите по конкретния случай имат значение. Техническият запис не може да замени тази работа. Той може да гарантира, че работата започва с факти, а не с митове.

Първият полезен въпрос не е дали даден модел се е учил от интернет. Тази формулировка е твърде обща, за да носи юридическо или инженерно значение. Попитайте кои семейства източници са били обхванати, как е получен достъпът, кои копия са направени, кой права маршрут е оценен, кои резерви са спазени, какви трансформации са изпълнени, кой материал е отказан, кои версии на набора от данни и на модела са наследили състоянието и какво публично резюме или последваща документация е създадено.

Вторият полезен въпрос е дали организацията може да покаже границите на собственото си знание. Даден източник може да е идентифициран, но лицензът му да е несигурен. Резерв може да е налице, но обхватът му да е спорен. Резюмето на обучението може да е изчерпателно на ниво колекция, но не и доказателство на ниво отделен елемент. Действие по премахване може да спре бъдещата употреба, но да остави историческо издание извън пряк контрол. Това не са признания за провал. Това са границите, които една сериозна система трябва да разкрива.

Третият въпрос е дали една корекция може да се пренесе. Ако притежател на права съобщи за проблем, може ли организацията да идентифицира състоянието на източника, съответното решение, производните активи и отговорника за следващото действие. Ако източник промени условията си, може ли бъдещото придобиване да спре, без да се пренаписва миналото. Ако модел се дообучи с нов корпус, може ли записът на изданието да покаже новия права маршрут. Ако потребител поиска защитено възпроизвеждане, може ли отказът и всеки алтернативен отговор да бъдат проверени по-късно.

Ето защо произходът е повече от учтивост и защо изтриването е повече от бутон. Те са начини да се поддържа връзка между правното и техническото състояние, докато пайплайнът променя формата си. Връзката никога няма да е съвършена. Източници изчезват, договори си противоречат, системи се заменят и организации се сливат. Ограничен запис не може да разреши тези факти. Той може да попречи на организацията да вземе липсваща връзка за чиста верига.

Европейският подход изисква тази дисциплина в няколко регистъра едновременно. Законодателството за авторското право се занимава с права, изключения, лицензи и резерви. Законът за изкуствения интелект изисква от определени доставчици на модели политика и публично резюме на съдържанието за обучение. Защитата на данните, правата върху бази данни, договорното право, защитата на потребителите и секторните правила добавят свои въпроси. Един пайплайн не трябва да свежда тези инструменти до един единствен цвят на съответствие. Той трябва да привърже съответното правило към действието, което регулира, и да остави място за човешка преценка там, където пътищата се пресичат.

Няма нужда прозата да е по-внушителна от самата работа. Основното обещание е скромно: знаем какво е влязло, защо е влязло, какво се е случило с него, какво не е влязло, накъде е продължило и как да променим курса. Един модел може да е впечатляващ и без това обещание. Една система, съобразена с правата, не може.

Авторското право е проблем на пайплайна за данни, преди да е правен аргумент, защото правният аргумент се нуждае от паметта на пайплайна. Изградете паметта още при първото копие, запазете условията прикрепени през трансформацията и направете отказа, приписването, съхранението и оттеглянето видими състояния. Тогава, когато трудният въпрос дойде, организацията може да отговори с фактите, които действително има, вместо с уверена история, съставена след събитието.

Източници