Tekijänoikeus on dataputkiongelma ennen kuin se on juridinen kysymys

Tekijänoikeuskysymykset tekoälyssä alkavat ennen koulutusta: laillinen pääsy, oikeuksien pidätykset, lisenssit, alkuperä, säilytys ja jatkokäyttö jättävät...

Tekijänoikeus on dataputkiongelma ennen kuin se on juridinen kysymys

Kopio on jo päätös

Tekijänoikeuskeskustelut tekoälystä alkavat usein järjestelmän väärästä päästä. Ne alkavat mallista: mikä arkkitehtuuri, kuinka monta parametria, mikä vertailuarvo, mikä julkaisu. Siihen mennessä, kun joku kysyy, mistä harjoitusmateriaali on peräisin, materiaali on jo kulkenut useiden käsien, formaattien, suodattimien ja tallennuskerrosten läpi. Oikeudellinen kysymys ei ole saapunut myöhässä. Se oli läsnä jo ensimmäistä kopiota tehtäessä.

Ensimmäinen kopio voi olla väliaikainen. Se voi olla sivu, jota pidetään yllä riittävän kauan, jotta jäsennin voi lukea sen, kuva, joka muunnetaan pikseleiksi, asiakirja, joka puretaan arkistosta, tai taulukko, joka normalisoidaan, jotta ohjelma voi vertailla kenttiä. Se voidaan tehdä lisenssin nojalla, poikkeuksen nojalla, sopimuksen nojalla tai ilman riittävää perustetta lainkaan. Kone ei tee erottelua puolestasi. Se yksinkertaisesti suorittaa sen toimenpiteen, jonka putkisto pyytää sitä suorittamaan.

Siksi tekijänoikeus on dataputkisto-ongelma ennen kuin se on oikeudellinen argumentti. Tuomioistuin tai oikeudenhaltija voi lopulta kysyä, oliko tietty käyttö sallittua. Organisaation on vastattava aikaisempaan kysymyssarjaan: mitä kerättiin, kenen toimesta, mistä, millä pääsyoikeudella, minkä säännön nojalla, kuinka kauan säilytettiin, miksi muunnettiin ja mihin myöhempään artefaktiin se vietiin. Jos näitä kysymyksiä ei kirjattu silloin, oikeudellinen argumentti joutuu rekonstruoimaan näkymättömän putkiston sirpaleista.

Väite ei ole se, että jokainen tekninen valinta määrää oikeudellisen lopputuloksen. Näin ei ole. Hajautusarvo ei myönnä lupaa. Lisenssi ei tee huonosta tietoturvakäytännöstä hyväksyttävää. Mallikortti ei ratkaise jokaisen harjoitusaineiston teoksen oikeuksia. Asia on proosallisempi ja hyödyllisempi: jokainen vaihe luo tosiasioita, joita myöhempi oikeusanalyysi tarvitsee. Hyvä suunnittelu tekee näistä tosiasioista näkyviä teeskentelemättä, että näkyvyys on tuomio.

Eurooppalainen lainsäädäntö on poikkeuksellisen täsmällinen tämän tarinan varhaisesta osasta. Direktiivi (EU) 2019/790 käsittelee teksti- ja tiedonlouhintaa, laillista pääsyä ja oikeuksien pidätyksiä. Tekoälysäädös lisää erillisen velvoitteen yleiskäyttöisten tekoälymallien tarjoajille ottaa käyttöön politiikka unionin tekijänoikeuslain noudattamiseksi ja julkaista riittävän yksityiskohtainen yhteenveto harjoitussisällöstä. Kumpikaan väline ei muuta putkistoa taikakoneeksi vaatimustenmukaisuudelle. Yhdessä ne tekevät vaikeaksi puolustaa ajatusta, että harjoitusdata on pelkkää polttoainetta, joka katoaa, kun malli alkaa toimia.

Voimme seurata ketjua keksimättä dramaattista tapausta. Aloita lähteestä, jota tiimi harkitsee määriteltyyn tarkoitukseen. Lähteellä on omistaja, sijainti, pääsyehdot, näennäinen lisenssi, ilmoitettu oikeuksien pidätys tai ratkaisematon kysymys. Tiimi löytää sen, tarkistaa, onko pääsy laillista, päättää, sopiiko ehdotettu käyttö lupaan tai poikkeukseen, ottaa rajatun kopion, kirjaa tapahtuneen ja päättää sitten, voiko materiaali siirtyä eteenpäin. Tämä ei ole tarina tietystä yrityksestä. Se on yhdistetty ajatuskoe tavallisten päätösten tekemiseksi näkyviksi.

Kun ketju on näkyvä, kieli paranee. Kerääminen ei ole harjoittamista. Pääsy ei ole valtuutus jokaiseen käyttöön. Lisenssi ei ole todiste siitä, että johdannaisaineisto saa levittää edelleen. Nimeäminen ei korvaa lupaa. Kieltäytyminen ei ole epäonnistunut nouto; se on oikeuspäätös. Malli on viimeinen kuluttaja pitkässä aikaisempien valintojen jonossa.

Putkisto on pidempi kuin malli

Hyödyllisessä putkistossa on enemmän vaiheita kuin tuote-esittelyn kaavio yleensä myöntää. Löytäminen etsii mahdollisen lähteen. Käyttöoikeus määrittää, miten lähteeseen päästään käsiksi. Hankinta tekee yhden tai useamman kopion. Jäsennys muuttaa tavut jäsennellyksi aineistoksi. Normalisointi muuttaa esitysmuotoja. Suodatus sulkee pois tai valitsee kohteita. Annotointi lisää tunnisteita tai suhteita. Tallennus luo työ- ja säilytystiloja. Aineiston rakentaminen määrittää, mitkä kohteet kulkevat yhdessä. Harjoitus tai hienosäätö muuttaa mallia. Arviointi, haku ja tuottaminen tuovat uusia käyttötapoja. Julkaisu tai käyttöönotto lähettää artefaktin jonkun muun työnkulkuun.

Jokaisen verbin takana on päätös. Löytäminen voi käyttää hakemistoa, syötettä, rajapintaa, luetteloa tai ihmistä, joka katsoo sivua. Käyttöoikeus voi olla avoin, tilattu, lisensoitu, todennettu tai teknisellä toimenpiteellä rajoitettu. Hankinta voi olla sallittu yhteen tarkoitukseen mutta ei toiseen. Jäsennys voi luoda kopioita ilmaisuvoimaisista elementeistä, joita alkuperäinen käyttöliittymä ei koskaan näyttänyt siinä muodossa. Suodatus voi poistaa teoksen, säilyttää otteen, muuttaa muodon tai pitää joukon ominaisuuksia. Harjoitus voi luoda painoja, jotka eivät muistuta lähdetekstiä, mutta organisaatio on silti vastuussa reitistä, joka ne tuotti.

Sana data saa kaikki nämä vaiheet kuulostamaan neutraaleilta. Se on kätevä lyhenne ja huono moraalinen kategoria. Tietokanta voi sisältää julkisen alueen faktoja, tekijänoikeudella suojattuja artikkeleita, henkilötietoja, luottamuksellisia sopimuksia, ohjelmistoja, valokuvia, tieteellisiä mittauksia ja kommentteja ihmisiltä, jotka eivät koskaan odottaneet sanojensa päätyvän yleiskäyttöisen mallin syötteiksi. Säiliö ei ole oikeus. Putkiston on säilytettävä erottelut, jotka sana data pyyhkii pois.

Käytännöllinen tapa tehdä tämä on liittää pieni väiteloki jokaisen lähdekohteen tai lähdeperheen yhteyteen. Lokissa ei tarvitse julkaista arkaluonteisia sisäisiä tietoja. Sen pitäisi kertoa, mitä tiedetään, mitä oletetaan, mikä oli sallittua, mikä evättiin, mikä muuttui ja mitkä myöhemmät tilat perivät päätöksen. Lähdetunniste, keräysaika, versio tai sisällön tiiviste voi tukea tätä työtä. Mikään näistä kentistä ei yksinään todista totuutta tai lupaa. Ne mahdollistavat väitteen haastamisen sen sijaan, että kiisteltäisiin hämärtyneestä muistista.

Putkisto tarvitsee myös rajat. Hakutukeen kerätty lähde ei välttämättä sovi harjoitukseen. Lisensoitu ote voi tukea lainausta raportissa, mutta ei julkista aineistoa. Tekstin ja tiedon louhinnan poikkeus voi kattaa laskennallisen analyysin, mutta jättää jäljentämisen tai julkisen viestinnän soveltamisalan ulkopuolelle. Oikeuksien pidätys voi estää tietyn louhintakäytön sanomatta mitään siihen liittymättömästä käytöstä. Kun putkistoa käsitellään yhtenä eriyttämättömänä toimintona, nämä erottelut varmasti katoavat.

Lähde ei muutu juridisesti yksinkertaisemmaksi, kun se kulkee putkiston läpi. Sen tiedot on kuljetettava mukana.

Yllä oleva visualisointi on tarkoituksella prosessikuvaus, ei vaatimustenmukaisuuspisteitä. Kirkas solmu ei ole vihreää valoa. Se on kohta, jossa on tehtävä päätös ja liitettävä se todisteisiin. Putkisto voi olla lainmukainen yhdessä vaiheessa ja soveltumattomuuden piirissä seuraavassa. Se voi myös olla teknisesti huolellinen, vaikka taustalla oleva tarkoitus ei olisi tuettu. Siksi toiminnallisen kirjauksen tulisi näyttää sekä päätös että sen rajat.

Lainmukainen pääsy ei ole lupaa kaikkeen

Direktiivi 2019/790 aloittaa tekstin- ja tiedonlouhintaa koskevat säännöksensä ehdolla, joka on helppo lainata ja helppo latistaa: edunsaajalla on oltava lainmukainen pääsy teoksiin tai muuhun aineistoon. Lainmukainen pääsy voi tarkoittaa avointa pääsyä, tilausta tai muuta lainmukaista reittiä. Se ei ole sama asia kuin että sivu näkyy selaimessa. Julkinen osoite kertoo, missä lähde sijaitsee. Se ei yksinään kerro, mitkä toimet oikeudenhaltija on valtuuttanut, mitä sopimusta sovelletaan, onko tekninen toimenpide tehokas tai sopiiko ehdotettu tarkoitus poikkeukseen.

Erottelu on tärkeä, koska pääsy ja käyttö ovat eri tapahtumia. Kirjasto voi lainmukaisesti tarjota pääsyn lehteen tilauksen perusteella. Tutkija voi sitten käyttää tekstin- ja tiedonlouhinnan poikkeusta tutkimusorganisaatioon sovellettavien ehtojen puitteissa. Kaupallisella toimijalla voi olla pääsy julkiselle sivulle, mutta sen on silti otettava huomioon oikeuksien pidätys, lisenssi, tietokantaoikeudet, sopimusehdot tai muu oikeudellinen rajoitus ennen kopioiden tekemistä ja säilyttämistä eri tarkoitusta varten. Samat tavut voivat olla kahden toimijan ulottuvilla, joiden oikeudellinen asema ei ole sama.

Pääsyllä on myös tekninen puoli, jota ei pitäisi kohdella esteenä, joka on kierrettävä. Direktiivi tunnustaa, että oikeudenhaltijat voivat soveltaa oikeasuhteisia toimenpiteitä järjestelmiensä tai tietokantojensa turvallisuuden ja eheyden suojaamiseksi. Salasanat, maksumuurit, todennus, pyyntörajoitukset ja muut tehokkaat valvontakeinot ovat reittiä koskevia tosiasioita, eivät arvoituksia. Indeksointirobotti, joka kiertää ne, ei ole osoittanut kekseliäisyyttä. Se on luonut uuden oikeus- ja turvallisuusongelman.

Rehellisin putkisto kirjaa siksi pääsyn tilan ennen sisällön tallentamista. Oliko lähde avoin, tilattu, lisensoitu, todennettu vai suoraan toimitettu. Mitkä ehdot olivat näkyvissä. Mikä versio ehdoista oli voimassa. Oliko oikeuksien pidätys ilmaistu. Kohdattiinko tekninen rajoitus. Päättikö toimija olla jatkamatta. Vastaus voi olla puutteellinen. Puutteellinen on hyödyllisempi kuin itsevarma merkintä, jota kukaan ei voi myöhemmin selittää.

Laillinen pääsy on myös käytännössä tarkoitussidonnaista. Artikkelin lukemista varten tehty kopio ei automaattisesti ole kopio, joka on sallittu mallin koulutukseen. Sisäiseen analyysiin lisensoitu aineisto ei automaattisesti ole lisensoitu julkaistavaksi. Kulttuuriperintölaitoksen säilytyskopio ei automaattisesti ole julkinen koulutusaineisto. Putken tulisi kuljettaa tarkoitus ehtona, ei kommenttina, joka erkaantuu tavuista ensimmäisen viennin jälkeen.

Mikään tästä ei edellytä, että lakimies hyväksyy jokaisen HTTP-pyynnön. Se edellyttää järkevää vastuunjakoa. Hankintakomponentti voi valvoa lähdekäytäntöä, kohdeturvallisuutta ja nopeusrajoituksia. Oikeus- tai datanhallintatoiminto voi päättää, kuuluuko lähdeperhe soveltamisalaan. Tekninen tallenne voi osoittaa, mitä komponentit tekivät. Oikeudellinen johtopäätös pysyy kontekstisidonnaisena, mutta johtopäätöksen edellyttämät tosiasiat lakkaavat haihtumasta verkon rajapinnalla.

Kaksi tekstin- ja tiedonlouhinnan poikkeusta, kaksi erilaista lähestymistapaa

Direktiivin tekstin- ja tiedonlouhintaa koskevat säännökset eivät ole yksi laaja lupa kopioida mitä tahansa kiinnostavaa. 3 artiklassa vahvistetaan pakollinen poikkeus, joka koskee tutkimusorganisaatioiden ja kulttuuriperintölaitosten tieteellistä tutkimusta varten tekemiä kopioita ja poimintoja, kun niillä on laillinen pääsy. Kopioita voidaan säilyttää tieteellistä tutkimusta varten, ja ne on säilytettävä turvallisesti. Säännös on muotoiltu määritellyn edunsaajan ja tarkoituksen ympärille. Se ei ole yleinen poikkeus mille tahansa organisaatiolle, joka kutsuu työtään tutkimukseksi.

4 artikla koskee tekstin- ja tiedonlouhintaa muihin tarkoituksiin. Sitä sovelletaan, kun käyttäjällä on laillinen pääsy ja oikeudenhaltija ei ole varannut oikeutta kopioiden ja poimintojen tekemiseen asianmukaisella tavalla. Verkossa julkisesti saatavilla olevalle sisällölle direktiivi sanoo, että varauma voidaan ilmaista koneellisesti luettavalla tavalla, mukaan lukien metatiedot sekä verkkosivuston tai palvelun käyttöehdot. Poikkeus jättää oikeudenhaltijalle mahdollisuuden varata louhintakäytön. Tämä on erilainen lähestymistapa kuin 3 artiklan tieteellistä tutkimusta koskeva poikkeus.

Nämä säännökset tekevät luokittelusta osan putkea. Onko toimija tutkimusorganisaatio tai kulttuuriperintölaitos direktiivin tarkoittamassa merkityksessä. Onko tarkoitus tieteellinen tutkimus. Onko pääsy laillinen. Säilytetäänkö kopiota turvallisesti ja vain tutkimustarkoitukseen tarvittavassa määrin. Jos käyttö kuuluu 4 artiklan soveltamisalaan, onko oikeus varattu asianmukaisella tavalla. Lisääkö sopimus ehtoja. Sovelletaanko muuta oikeutta, kuten tietokantaoikeutta. Yksittäinen kenttä nimeltä tdm_allowed ei voi rehellisesti kantaa kaikkia näitä kysymyksiä.

Johdanto-osan kappaleet ovat hyödyllisiä, koska ne selittävät ongelman, jota lainsäätäjä yritti ratkaista. Tekstin- ja tiedonlouhinta voi sisältää teosten kopioita tai poimintoja tietokannoista, vaikka tekninen tehtävä kuvattaisiin analyysiksi. Se voi koskea myös tosiseikkoja tai tietoja, joita tekijänoikeus ei suojaa. Aineiston oikeudellinen luonne ja suoritetut toimet ovat siksi merkityksellisiä. Putken tulisi tietää, käsitteleekö se suojaamattomia tosiseikkoja, ilmaisullisia teoksia, suojattua tietokantaa vai sekoitusta, joka vaatii erillistä käsittelyä.

Samat johdanto-osan kappaleet selittävät myös, miksi laillinen pääsy ei ole koristeellinen ilmaus. Tutkimusorganisaatiot voivat saada pääsyn sisältöön tilausten, avoimien lisenssien tai verkossa vapaasti saatavilla olevan aineiston kautta. Tilaus voi tarjota laillisen pääsyn, mutta sen ehtoja on silti tarkasteltava kontekstissa. Julkinen sivu voidaan katsoa laillisesti, vaikka oikeus erilaisen kopion tekemiseen olisi edelleen kiistanalainen. Lähteen avoimuus ja suunniteltu toiminta ovat toisiinsa liittyviä tosiasioita, eivät synonyymejä.

On houkutus muuttaa poikkeukset kaksiportaiseksi portiksi: tutkimukselle kyllä, kaikelle muulle ei. Se on liian karkeaa. Poikkeukset ovat vuorovaikutuksessa olemassa olevien poikkeusten, sopimusten, tietokantaoikeuksien, teknisten suojatoimien ja kansallisen täytäntöönpanon kanssa. Direktiivi on unionin säädös, mutta sen käytännön soveltaminen kulkee edelleen jäsenvaltioiden lainsäädännön ja käytön tosiseikkojen kautta. Artikkeli voi selittää rakenteen tarjoamatta johtopäätöstä tietylle aineistolle tai organisaatiolle.

Insinöörin näkökulmasta seuraus on yksiselitteinen. Mallinna oikeudellinen reitti tyypitettyinä tiloina, älä pelkkänä totuusarvona. Lähde voi olla ehdokas, käyttöoikeus varmistettu, poikkeus arvioitu, lisensoitu, varattu, evätty, hyväksytty tiettyyn tarkoitukseen, peruutettu tai odottamassa tarkistusta. Tilasiirtymällä tulee olla omistaja ja näyttö. Jos toimija muuttaa käyttötarkoituksen tutkimuksesta kaupalliseen koulutukseen, tilan on edellytettävä uutta arviointia sen sijaan, että vanha lupa siirtyisi hiljaa eteenpäin.

Se voi kuulostaa pikkutarkalta. Se on vähemmän pikkutarkkaa kuin se, että joutuisi kaksi vuotta myöhemmin selittämään, miksi suurta aineistokokonaisuutta kohdeltiin ikään kuin jokaisella kohteella olisi sama oikeudellinen reitti. Eurooppa on jo kirjannut erottelut tekstiin. Putkiston tehtävä on olla hiomatta niitä pois mukavuuden vuoksi.

Opt-out on koneellisesti luettava raja

Oikeuksien pidätyksistä puhutaan usein kuin ne olisivat kustantajan ja indeksointirobotin välinen kiista. Direktiivi kuvaa jotakin käytännöllisempää. Julkisesti saatavilla olevan verkkosisällön osalta 4 artiklan teksti- ja tiedonlouhintaa koskeva asianmukainen pidätys voidaan ilmaista koneellisesti luettavalla tavalla, mukaan lukien metatiedot sekä verkkosivuston tai palvelun käyttöehdot. Teknisellä muodolla on merkitystä, koska pidätys, jota hankintajärjestelmä ei löydä tai pysty tulkitsemaan, on raja, joka on olemassa laissa mutta katoaa käytännössä.

Koneellisesti luettava ei tarkoita käänteisesti automaattista lupaa. Jäsennin, joka ei löydä tunnistettua pidätystä, ei todista käytön olevan lainmukaista. Se tarkoittaa vain sitä, että yksi päätöksen syöte on tarkastettu. Järjestelmä tarvitsee edelleen käyttöoikeustilan, käyttötarkoituksen, lähteen tunnisteen, sopimuskontekstin ja muut oikeustarkistukset. Toisaalta pidätystä ei pidä kohdella yleisenä kieltona kaikelle vuorovaikutukselle verkkosivuston kanssa. Se on signaali oikeuksista tehdä kopioita ja poimintoja teksti- ja tiedonlouhintaa varten asianomaisen säännöksen nojalla.

Ero signaalin ja johtopäätöksen välillä on kohta, jossa monet putkistot epäonnistuvat. Oikeusmerkki voi olla metatiedoissa, ehdoissa tai standardoidussa mekanismissa. Jäsennin voi tallentaa tarkan kentän, arvon, sijainnin ja hakemisajankohdan. Hallinnollinen vaihe voi tulkita, mitä merkki tarkoittaa suunnitellun käytön kannalta. Jos järjestelmä kirjaa vain sallittu tai evätty, se menettää näytön, jota tarvitaan väärän positiivisen tuloksen, muuttuneen käytännön tai kiistetyn tulkinnan tarkasteluun.

Pidätyksillä on myös ajallinen luonne. Verkkosivustot muuttavat ehtojaan. Syötteet korvataan. Lähde voi julkaista uuden koneellisesti luettavan ohjeen sen jälkeen, kun aiempaa sisältöä on jo kerätty. Vanhaa tallennetta ja uutta päätöstä ei voi yhdistää yhdeksi nykyiseksi merkinnäksi menettämättä historiaa. Putkiston pitäisi pystyä kertomaan, että kopio on tehty yhden havaitun tilan vallitessa, että myöhempi tila muutti reitin ja että tarkistus päätti, onko jo säilytettyä materiaalia rajoitettava, poistettava vai pidettävä oikeudellista arviointia varten.

Tämä on hyvä paikka pienelle eurooppalaiselle insinöörihuumorille. Käytäntö, joka sanoo kunnioita robots-tiedostoa mutta ei tallenna tietoa siitä, minkä robots-tiedoston se luki, ei ole käytäntö. Se on toive, jolla on kulkulupa kaulassa. Sama koskee tekijänoikeussignaaleja. Putkiston pitäisi tallentaa, mitä se näki, mitä se ymmärsi, mitä se ei pystynyt tulkitsemaan ja miksi se pysähtyi tai jatkoi.

Kun lähde käyttää käytäntöä, jota putkisto ei tue, turvallinen vastaus ei ole arvaaminen. Merkitse lähde ratkaisemattomaksi, pyydä ihmisen tekemää päätöstä tai käytä hyväksyttyä vaihtoehtoa. Puuttuva jäsennin on tekninen rajoite. Käsiteltäessä lukukelvotonta rajaa lupana on kyse hallinnon epäonnistumisesta. Järjestelmien tulisi sulkeutua epäonnistuneesti siinä kohdassa, jossa epävarmuus muuten muuttuisi kopioksi.

Lisenssit, nimilausumat ja alkuperätiedot tekevät eri työtä

Ihmiset usein mainitsevat lisenssin, nimilausuman ja alkuperätiedot samassa virkkeessä, ikään kuin ne olisivat kolme kohteliasta nimeä luvalla. Ne eivät ole. Lisenssi on oikeuksien myöntö, johon sovelletaan sen ehtoja. Nimilausuma yksilöi tekijän tai lähteen ja voi olla myönnön ehto. Alkuperätiedot kirjaavat, mistä materiaali on peräisin, miten sitä on käsitelty ja mitkä päätökset ovat muovanneet sen nykyisen tilan. Lähteellä voi olla alkuperätiedot ilman lisenssiä, lisenssi ilman riittäviä alkuperätietoja tai nimilausuma ilman lupaa suunniteltuun toimeen.

Ero tulee näkyväksi, kun tietoaineisto kootaan monista lähteistä. Tietoaineisto voi olla sisäisesti yhtenäinen, toistettava ja kauniisti dokumentoitu. Jos yksi lähde on kopioitu lisenssinsä ulkopuolella, metatietojen laatu ei korjaa ongelmaa. Jos jokainen lähde on lisensoitu, mutta tiimi ei pysty tunnistamaan, mikä versio päätyi tietoaineistoon, lisenssiä voi olla mahdotonta soveltaa luotettavasti. Jos julkinen luettelo mainitsee tekijät, mutta jatkokäyttävä malli ei pysty säilyttämään olennaisia ilmoituksia, nimilausuma voi epäonnistua, vaikka tiimi uskoi tehneensä kunnioittavan asian.

Oikeustietoisessa tallenteessa tarvitaan siksi useita kerroksia. Identiteetti kertoo, mikä lähde on. Alkuperä kertoo, kuka sen toimitti tai julkaisi ja mistä se löytyi. Pääsy kertoo, miten toimija tavoitti sen. Oikeudet kertovat, mikä lupa, poikkeus, pidätys tai ratkaisematon kysymys soveltuu. Käsittely kertoo, mitä muunnoksia tehtiin. Säilytys kertoo, mitkä kopiot ja johdetut artefaktit ovat jäljellä. Käyttö kertoo, mikä tietoaineisto, malli, arviointi tai tuotos kulutti tilan. Jokainen kerros vastaa eri tarkastelukysymykseen.

Alkuperätiedot eivät myöskään ole totuustodistus. Allekirjoitettu tallenne voi vahvistaa identiteetin, eheyden ja alkuperäketjun osoittamatta, että teos on nimetty oikein tai että lisenssi oli pätevä. Tallenteen tulisi kertoa, mitä se vahvistaa. Ylilyönnit ovat erityisen vaarallisia oikeusjärjestelmissä, koska kiillotettu ketju voi saada perusteettoman luvan näyttämään viralliselta. Rehellinen merkintä on usein: lähde tunnistettu, lisenssiväite toimijan toimittama, oikeudellinen arviointi kesken.

Nimilausumalla on sosiaalinen ulottuvuus sopimuksellisen lisäksi. Tekijä voi haluta tulla nimetyksi, julkaisija voi edellyttää ilmoitusta, ja tietoaineisto voi tarvita koneellisesti luettavan kentän, joka säilyy viennissä. Mutta nimilausumasta voi tulla eräänlaista moraalista naamiointia, jos sillä vihjataan suostumusta. Valokuvaajan nimeäminen ei itsessään salli mallin lukea valokuvaa. Artikkeliin linkittäminen ei itsessään valtuuta koulutuskopiota. Nimeäminen on arvokasta. Se ei ole yleisliuotin.

Lisenssit on luettava myös datana. Tallenna lisenssin tunniste tai teksti, versio, mahdollinen alue- tai tarkoitussidonnaisuus, nimilausumaehdot, share-alike- tai ei-kaupallinen ehto sekä lisenssiväitteen lähde. Älä muuta ihmisen lausetta, kuten avoin uudelleenkäytölle, ehdottomaksi sisäiseksi lipuksi. Lyhyt lause voi jättää pois tarkat toimet, muodot tai vastaanottajat, jotka ovat olennaisia suunnitellulle käytölle.

Kun ehdot ovat epäselvät, säilytä epävarmuus. Lähde voi pysyä hyödyllisenä ihmislukijalle, vaikka se suljetaan koulutuksen ulkopuolelle. Se voidaan säilyttää eristetyssä tarkastelusäilössä ilman, että se päätyy hallinnoituun tietoaineistoon. Se voidaan korvata lähteellä, jonka oikeuspolku on selkeämpi. Tarkoitus ei ole tehdä jokaisesta päätöksestä nopeaa. Tarkoitus on tehdä päätöksestä kumottava ja syystä näkyvä.

Suodattaminen ei ole neutraalia ylläpitoa

Suodattaminen esitetään yleensä laadunvarmistuksena. Poista kaksoiskappaleet, hylkää valmisaineisto, pudota rikkinäiset tiedostot, säilytä hyödyllinen kieli ja jatka. Nämä toimenpiteet voivat olla järkeviä. Ne voivat myös muuttaa aineiston oikeuksia ja yksityisyyden suojaa. Suodatin, joka poistaa alatunnisteen, voi poistaa myös tekijän nimen. Kaksoiskappaleiden poistaja voi päättää, että kaksi kopiota ovat samoja, vaikka toisessa on erilainen lisenssi-ilmoitus. Kielisuodatin voi sulkea pois vähemmistökielisen aineiston ja tehdä mallista vähemmän hyödyllisen kyseiselle yhteisölle. Turvasuodatin voi säilyttää lyhyen otteen, joka on arkaluonteisempi kuin koko asiakirja.

Keskeinen virhe on kohdella suodatinta toteutuksen yksityiskohtana eikä päätöksenä siitä, mikä säilyy. Tietueessa tulisi kertoa, mikä sääntö ajettiin, mistä lähdeversiosta, millä tuloksella ja onko ihminen tarkistanut reunatapaukset. Pitäisi olla mahdollista rekonstruoida paitsi lopullinen aineisto myös joukko ehdokkaita, jotka hylättiin, asetettiin karanteeniin tai poistettiin. Muuten myöhempi pyyntö poistaa teos muuttuu etsinnäksi putkiston mallista sen sijaan, että se olisi toimenpide itse putkistossa.

Suodattamisella on myös representatiivinen vaikutus. Oletetaan, että lähdeperhe sisältää pitkiä arvosteluja, lyhyitä uutisia, julkisia ilmoituksia ja kommentteja. Pituuskynnys voi säilyttää yhden muodon ja hylätä toisen. Kaksoiskappaleiden poistosääntö voi suosia syndikoitua aineistoa paikallisen uutisoinnin kustannuksella. Laatupisteet voivat suosia viimeisteltyä institutionaalista kieltä. Nämä eivät ole väitteitä tietystä aineistosta. Ne ovat yleisiä tapoja, joilla tekninen sääntö voi muuttaa sitä, kenen sanat säilyvät. Putkiston tulisi kuvata ne suunnitteluratkaisuina ja arvioida niiden seuraukset.

Tekijänoikeus ja henkilötiedot voivat törmätä tässä. Nimien poistaminen ei välttämättä poista ilmaisevaa tekstiä. Tekstin poistaminen ei välttämättä poista tietokantaoikeutta. Pseudonymisointi voi vähentää suoraa tunnistamista, mutta muunnettu tietue voi silti olla säilytys- tai sopimusvelvoitteen alainen. Oikea vastaus ei ole keksiä yleismaailmallista hierarkiaa. Se on pitää kunkin hallintatoimen tarkoitus nimenomaisena ja välttää väittämästä, että yksi suodatin ratkaisee kaikki oikeudelliset luokat.

Yksi käytännöllinen hallintatoimi on tehdä muunnoksista yhdisteltäviä ja tarkastettavia. Pidä lähdeidentiteetti kiinnitettynä muunnettuun tietueeseen. Tallenna säännön tunniste ja versio. Kirjaa määrät vain siellä, missä ne mitataan, ja säilytä näyte tai luettelo, jonka avulla tarkastaja voi tutkia, mitä sääntö teki. Jos sääntöä ei voi toistaa, sano se. Putkisto, joka raportoi vain lopullisen puhtaan aineiston, pyytää tarkastajaa luottamaan kertomukseen välivaiheista.

On myös velvollisuus vastustaa kosmeettista siisteyttä. Aineisto, jossa jokainen kenttä on täytetty ja jokaiselle kohteelle on annettu iloinen laatuleima, voi olla vähemmän rehellinen kuin pienempi joukko, jossa on näkyviä aukkoja. Oikeuksien tarkastelu tarvitsee hankalat kohdat: lähteen, jossa on ristiriitaiset ehdot, teoksen, jonka tekijä on epävarma, sivun, joka muuttui ennen tallennusta, ja tiedoston, joka hylättiin, koska varausta ei voitu jäsentää. Monitulkintaisuus on osa aineistoa. Sen piilottaminen tekee myöhemmästä luottamuksesta haurasta.

Harjoittaminen on muunnos, ei katoaminen

Harjoittaminen muuttaa aineiston muodon. Se ei automaattisesti poista aikaisempia oikeuskysymyksiä. Mallin parametrit eivät ole yksinkertainen kopio jokaisesta lähteestä, eikä malli välttämättä toista tiettyä teosta. Nämä havainnot ovat teknisesti merkityksellisiä, mutta ne eivät vastaa koko oikeudelliseen kysymykseen. Putkisto teki silti kopioita, valitsi dataa, sovelsi tarkoitusta ja tuotti artefaktin oikeusherkästä prosessista.

Tekoälysäädös suhtautuu tähän huolellisesti. Sen johdanto-osassa todetaan, että yleiskäyttöisten tekoälymallien kehittäminen ja kouluttaminen edellyttävät pääsyä suuriin määriin tekstiä, kuvia, videoita ja muuta dataa, josta osa voi olla suojattua. Siinä todetaan, että suojatun sisällön käyttö edellyttää lupaa, ellei sovellettavaa poikkeusta tai rajoitusta ole. Siinä todetaan myös, että yleiskäyttöisiä tekoälymalleja unionin markkinoille saattavien toimittajien on noudatettava unionin tekijänoikeuslainsäädäntöä koskevaa käytäntöä, mukaan lukien oikeuksien varausten tunnistaminen ja noudattaminen tekijänoikeusdirektiivin 4 artiklan 3 kohdan mukaisesti.

Tämä velvoite ei tarkoita, että toimittaja olisi noudattanut vaatimuksia pelkästään siksi, että käytäntö on olemassa. Käytäntö on organisatorinen valvontatoimenpide. Sen tulisi viitata lähdetiloihin, päätöksiin, seurantaan ja korjauspolkuihin, jotka antavat sille sisällön. Säädös edellyttää myös riittävän yksityiskohtaista julkista yhteenvetoa koulutukseen käytetystä sisällöstä tekoälytoimiston toimittaman mallipohjan mukaisesti. Yhteenvedon on oltava hyödyllinen tahoille, joilla on oikeutettu etu, ottaen samalla huomioon liikesalaisuudet ja luottamukselliset liiketoimintatiedot. Se on läpinäkyvyyskerros, ei teoskohtainen julkinen luettelo eikä korvike taustalla olevalle näytölle.

Yhteenvedon ja rekisterin välinen ero on merkityksellinen. Julkinen yhteenveto voi nimetä tärkeimmät tietokokoelmat tai -aineistot ja selittää muut lähdeluokat. Se voi auttaa oikeudenhaltijoita ymmärtämään koulutusmateriaalin rakenteen. Se ei yksinään voi osoittaa, mikä tarkka versio päätyi tiettyyn ajoon, noudatettiinko varausta, mitä poistettiin valituksen jälkeen tai mitä myöhempi hienosäätötyö peri. Sisäisen tai valvotun rekisterin on oltava yksityiskohtaisempi kuin julkinen kuvaus. Molempien kerrosten on pysyttävä johdonmukaisina.

Hienosäätö tekee alkuperäketjun tarpeen entistä selvemmäksi. Toimittaja, joka muokkaa yleiskäyttöistä tekoälymallia uudella koulutusdatalla, ei voi kohdella perusmallin dokumentaatiota korvikkeena muokkausrekisterille. Säädöksen johdanto-osassa kuvataan velvoitteita, jotka rajoittuvat muokkaukseen tai hienosäätöön, mukaan lukien uudet koulutusdatan lähteet. Mallirekisterin tulisi siksi sitoa jokainen uusi koulutusoperaatio lähdetilaan, tarkoitukseen, lisenssi- tai poikkeusarviointiin, arviointitulokseen ja julkaisupäätökseen. Uusi malliversio on uusi oikeuksien pinta.

On houkuttelevaa väittää, että malli on unohtanut aineiston, koska kehote ei toista sivua. Tämä on tekninen hypoteesi, joka vaatii arviointia, ei oikeudellinen johtopäätös. Muistaminen, poiminta, haku, tulosteen samankaltaisuus ja jäännösvaikutus ovat eri kysymyksiä. Turvallinen ilmaisu on yhtä tarkka: muunnos muuttaa sitä, mikä on tallennettu, ja oikeuksien analyysin on otettava huomioon teot ja käytöt, joita laki kattaa. Mikään vahvempi väite edellyttää lähteisiin perustuvaa tulkintaa kyseisestä järjestelmästä.

Koulutusdatalla on myös elinkaari ajon jälkeen. Raaka lähde voi jäädä suojattuun säilytykseen. Käsitelty osa voidaan kopioida välimuistiin. Manifesti voi sitoa sen tarkistuspisteeseen. Arviointikiinnikkeet voivat säilyttää edustavia esimerkkejä. Hienosäätöpaketti voi siirtyä toiselle tiimille. Jos lähde myöhemmin peruutetaan, organisaation on tiedettävä, mitkä näistä tiloista voidaan poistaa, mitkä voidaan rakentaa uudelleen ja mitkä edellyttävät uutta oikeudellista päätöstä. Sen sanominen, että data meni malliin, ei ole elinkaarisuunnitelma.

Yhteenveto ei ole rekisteri

Julkinen läpinäkyvyys tuottaa helposti yhden suuren asiakirjan. Yhteenvetoon on helpompi linkittää kuin selittää kerroksellinen näyttöjärjestelmä. Tekoälysäädöksen koulutussisällön yhteenveto on tärkeä juuri siksi, että se ei ole koko rekisteri. Se antaa yleisölle ja oikeudenhaltijoille merkityksellisen kuvauksen käytetystä sisällöstä samalla kun se suojaa luottamuksellisia tietoja. Työrekisterin on edelleen säilytettävä lähdetilat, valvontatoimenpiteet ja päätökset, jotka yhteenveto tiivistää.

Ajattele yhteenvetoa karttana ja kirjanpitoa maastokäynnin muistiinpanoina. Kartan tulee olla selkeä ja hyödyllinen. Sen ei pidä teeskennellä, että jokainen korkeuskäyrä näkyy. Muistiinpanojen tulee sisältää mittaukset, epävarmuudet, muutokset ja avoimet kohdat, joiden perusteella kartta on laadittu. Kartta, joka on ristiriidassa muistiinpanojen kanssa, on ongelma. Kartta, joka erehdytään luulemaan muistiinpanoiksi, on toisenlainen ongelma.

Sama erottelu auttaa myös tietojen luovuttamisessa. Lähdeluettelo voi julkaista nimiä, luokkia, ajanjaksoja, tarkoituksia ja oikeuksien tiloja paljastamatta henkilötietoja tai luottamuksellisia sopimuksia. Valvottu tietue voi säilyttää tarkat kohteet, lisenssitodisteet, poistohistoriikit ja lähdeversiot auditointia tai valtuutettua tarkastelua varten. Julkisen kerroksen tulee ilmoittaa rajansa. Luettelo, joka väittää, ettei avoimia kenttiä ole, kun tiedot ovat vain yksityisiä, on harhaanjohtava. Luettelo, joka tekee yksityisistä todisteista julkisia oletusarvoisesti, on huolimaton.

Insinööreille tämä tarkoittaa, että julkinen yhteenveto tulee luoda ylläpidetystä tilasta, ei kirjoittaa käsin julkaisun jälkeen. Hallintotiimeille se tarkoittaa, että luontivaihe vaatii tarkistuksen ja muutoshistoriikin. Oikeudenhaltijoille se tarkoittaa, että julkisesta luokasta on reitti merkitykselliseen vastaukseen, kun huoli esitetään. Yhteenveto saa uskottavuutta, kun organisaatio voi osoittaa, miten korjaus kulkee ilmoituksesta asiaankuuluvaan lähdetilaan ja sen jälkeisiin päätöksiin.

On myös syytä erottaa tietojen luovuttaminen ja nimeäminen. Yhteenveto voi luetella kokoelman nimeämättä jokaista tekijää. Nimeämisilmoituksia voidaan vaatia tietoaineistossa tai tuotoksessa sovellettavan lisenssin mukaan. Oikeudenhaltijan voi olla tarpeen tietää, että tietty teos sisältyi mukaan, vaikka julkinen yhteenveto ei voi julkaista täydellistä kohdeluetteloa. Nämä ovat erillisiä suunnitteluvaatimuksia. Ratkaisu ei ole vaatia, että yksi asiakirja hoitaa kaikki tehtävät.

Tuotokset avaavat kysymyksen uudelleen

Mallin tuotos voi näyttää uudelta teokselta, mutta prosessi ei voi julistaa aiempia oikeuksia merkityksettömiksi, koska sanamuoto on erilainen. Tuotokseen liittyviä kysymyksiä ovat jäljentäminen, olennaisen samankaltaisuus, nimeäminen, välittäminen, levittäminen, yksityisyys ja käyttöönoton ehdot. Niihin kuuluu myös reitti, jolla käyttäjä toimitti syötteen, haki lähteen, pyysi muunnoksen tai pyysi järjestelmää jäljittelemään nimettyä tyyliä. Tuotos on uusi vaihe, jolla on omat tosiasiansa.

Tämä ei ole väite, että jokainen tuotettu lause loukkaa tekijänoikeutta. Se on väite kategorista oletusta vastaan kumpaankaan suuntaan. Tuotos voi olla alkuperäinen synteesi, lainaus, läheinen jäljennös, lisensoituun lähteeseen perustuva vastaus tai virhe, joka yhdistää katkelmia useista paikoista. Oikeustietoinen järjestelmä säilyttää riittävästi asiayhteyttä todellisen reitin tutkimiseksi. Mikä malliversio suoritettiin. Mitä hakulähteitä käytettiin. Mikä käyttäjän ohje muokkasi tehtävää. Mitä tuotoksen hallintatoimia sovellettiin. Jäljennettiinkö lähde vai vain tarkasteltiinko sitä.

Nimeäminen voi muuttua erityisen hämmentäväksi tässä vaiheessa. Viittaus voi auttaa lukijaa löytämään lähteen, mutta se ei välttämättä täytä lisenssiehtoa tai ratkaise jäljentämiseen liittyvää huolta. Toisaalta järjestelmällä voi olla voimassa oleva lisenssi lähteeseen, mutta se voi silti tuottaa tuotoksen, joka on harhaanjohtava, yksityinen tai käyttäjän tarkoituksen ulkopuolella. Tuotostietueen tulee ilmoittaa, mitä se voi vahvistaa ja mitä se jättää käyttäjän tai käyttöönotajan vastuulle.

Jatkokäyttäjät tarvitsevat selkeän rajan. Mallin tarjoaja voi dokumentoida mallin ja sen koulutuskäytännön. Käyttöönotaja valitsee tarkoituksen, toimittaa syötteet, määrittää haun, tarjoaa käyttöliittymän ja päättää, mitä julkaistaan tai mihin reagoidaan. Oikeudellinen asema voi muuttua näiden valintojen mukaan. Samaa mallia voidaan käyttää valtuutetun sisäisen arkiston tiivistämiseen tai maksumuurin takana olevan artikkelin rekonstruoimiseen julkista levitystä varten. Kyvykkyys ei ole valtuutus.

Lähtöreitin tulisi myös säilyttää kieltäytyminen. Jos järjestelmä kieltäytyy toistamasta suojattua materiaalia, tämä päätös on todiste hallinnasta, ei nolo aukko. Jos käyttäjä muuttaa pyyntöä ja järjestelmä etenee eri lähteen tai muunnoksen kautta, lokin tulisi näyttää uusi reitti. Putki, joka tallentaa vain onnistuneet vastaukset, ei voi osoittaa, että sen rajat olivat aktiivisia.

Vetäytyminen ei ole yksittäinen poistopainike. Se on jäljitettävä päätös, joka kulkee lähteen perineiden tilojen läpi.

Säilytys ja poisto ovat putkikysymyksiä

Kun oikeudenhaltija pyytää poistoa, kysytään usein, voiko mallin saada unohtamaan. Tämä voi olla tutkimuskysymys, mutta ensimmäiset operatiiviset kysymykset ovat konkreettisempia. Mikä lähdekopio säilytetään. Mitkä käsitellyt tietueet viittaavat siihen. Mitkä manifestit, sirpaleet, välimuistit, arviointikiinnikkeet ja hakemistot sisältävät esityksen. Mikä malli tai hienosäätöajo kulutti tilan. Mitkä tulosteet tai julkaisut tuotettiin. Mitkä näistä ovat edelleen organisaation hallinnassa.

Ei ole rehellistä yleistä lupausta, että yksi pyyntö voi pyyhkiä kaikki johdetut artefaktit hetkessä. Vastaus riippuu järjestelmästä, oikeusperustasta, sopimusasemasta, säilytyskäytännöstä ja pyydetystä toimesta. Putki voi kuitenkin tehdä rajasta näkyvän. Se voi asettaa lähteen karanteeniin, pysäyttää tulevan edistämisen, merkitä vaikutetut tietoaineistoversiot, arvioida, vaatiiko malli muutosta, poistaa hallitut kopiot, kun päätös sitä edellyttää, ja kirjata, mikä jää sen suoran hallinnan ulkopuolelle.

Säilytys tulisi suunnitella ennen keräämistä, ei improvisoida valituksen jälkeen. Lähdetietueen tulisi kantaa tarkoitus ja tarkistuspiste. Väliaikaisilla käsittelykopioilla tulisi olla määritelty elinikä. Suojatuilla tutkimusvarastoilla tulisi olla pääsäännöt sekä poisto- tai arkistointiehdot. Tietoaineisto- ja mallimanifestien tulisi tunnistaa, mistä lähdetilasta ne riippuvat. Kieltäytymisen tai vetäytymisen tulisi kulkea näiden suhteiden läpi ilman, että tiimin tarvitsee etsiä jokaista konetta muistista.

Poisto ei myöskään ole sama asia kuin piilottaminen. Rivin poistaminen kojelaudalta jättäen viety sirpale koskemattomaksi ei ole poistoa. Lähteen merkitseminen vetäytyneeksi pysäyttämättä hakemistoa ei ole poistoa. Julkisen yhteenvedon korvaaminen pitäen vanhan julkaisun ladattavana ei välttämättä täytä pyydettyä lopputulosta. Toimi ja sen rajat on nimettävä tarkasti, erityisesti silloin, kun täydellinen tekninen tai oikeudellinen korjaus ei ole mahdollinen.

The record should preserve history rather than rewriting it. If a source was admitted, later withdrawn and then removed from managed circulation, the timeline should say so. The original admission decision should remain visible to authorised reviewers, with the later action linked to it. A clean current state is useful. A clean state with no history is difficult to trust.

Personal data adds another layer, but the same discipline helps. A data-protection erasure request may concern a person represented in a work, a source record, a log or an output. Copyright removal and data-protection erasure are not interchangeable. The pipeline should record which right was asserted, which material was identified, which legal and technical assessments were made, and what action followed. One button labelled remove is an invitation to confuse several systems of law.

Refusal must be a first-class record

A mature data pipeline remembers the material it did not take. This sounds counterintuitive because storage is usually discussed as a positive inventory. But rights work depends on negative evidence. The source was found and refused because the access route was restricted. The reservation could not be interpreted. The licence did not cover the purpose. The source identity was too uncertain. The content was withdrawn. The operator declined to make the copy. These are decisions that protect both the source and the organisation.

A refusal record should not preserve more content than necessary to explain the decision. It can carry the source address, identity, retrieval time, policy state, reason code, operator or service identity and review route. It can include a hash or other content identity where that is appropriate and lawful, without retaining the protected material itself. The goal is to make the refusal auditable, not to create a second unauthorised archive of the thing that was refused.

Negative records also stop teams from repeating the same mistake. A discovery system may encounter the source again. Without a refusal state, a new run treats it as a fresh candidate and asks the same question. With a versioned refusal, the run can see the previous boundary and determine whether anything has changed. The system still needs a review policy because rights and source conditions can change. The important part is that a change is deliberate.

This is where a small distinction helps: blocked, unresolved and not in scope are not the same state. Blocked means a control stopped the route, perhaps because a reservation or technical restriction applied. Unresolved means the evidence was insufficient for a decision. Not in scope means the proposed purpose or source family falls outside the programme. Collapsing them into denied hides which action could change the state and who owns that action.

Refusal records are also a defence against the mythology of scale. A large corpus is not proof of a serious process. A smaller corpus with clear admissions and refusals can be easier to govern, reproduce and explain. The pipeline should be able to answer not only how much it collected but how much it declined, why, and whether the policy was applied consistently across languages, source types and regions.

Downstream use is another pipeline

The rights path does not end when a dataset is handed to a model team. A dataset can become a training run, a benchmark, a retrieval package, a demonstration set, a search index or a commercial feature. Each downstream use can change the purpose, audience, retention, reproduction risk and contractual obligations. A single dataset identifier is not enough if it hides which projection was used.

Ajatellaan lähdeperhettä, joka on otettu sisäiseen arviointiin. Myöhempi tiimi saattaa haluta julkaista esimerkkejä, käyttää aineistoa asiakasrajapinnassa toimivassa hakupalvelussa tai hienosäätää sillä mallia. Nämä ovat uusia tarkoituksia, eivät pelkkiä vanhan päätöksen toteutuksia. Prosessin tulisi edellyttää, että uusi käyttö perii lähdeperheen ehdot ja saa uuden arvioinnin, kun tarkoitus muuttuu. Uudelleenkäyttö on siirtymä, ei esteetön liikkuminen.

Mallirekisterit voivat auttaa sitomalla julkaisun tarkkaan käytettyyn aineistoon ja politiikan tilaan. Niiden tulisi näyttää lähdeperheet, oikeuksien tila, muunnokset, rajaukset, arviointiaineisto ja julkaisupäätös yleisölle sopivalla tarkkuudella. Niiden ei tulisi väittää, että vihreä tila tarkoittaa jokaisen teoksen olevan juridisesti selvitetty. Tila on kuvaus tallennetuista todisteista ja hallinnan keinoista, ei yleispätevä oikeudellinen johtopäätös.

Alavirran dokumentaatio on tärkeää, koska vastuu on jakautunut. Tarjoaja voi julkaista koulutusyhteenvedon ja tekijänoikeuspolitiikan. Integraattori voi lisätä hakulähteitä, kehotteita, työkaluja ja käyttäjätietoja. Käyttöönoton tekijä voi päättää, mitä toimintaa tuotoksesta seuraa. Julkaisija voi asettaa tuotetun aineiston yleisön nähtäville. Oikeuskysymys voi siirtyä teon mukana. Sopimus voi jakaa vastuita osapuolten kesken, mutta teknisen reitin on silti osoitettava, kumpi osapuoli toimitti mitkä todisteet ja teki minkä päätöksen.

Siirrettävä alkuperätieto on siksi muutakin kuin mukavuus. Kun aineisto tai malli siirtyy eurooppalaisten organisaatioiden välillä, sen lähdetilat, varaumat, lisenssit, nimeämisvaatimukset ja vetäytymishistoria on pidettävä luettavina. Muuten siirrettävyydestä tulee oikeuksien nollauspainike. Vastaanottava tiimi näkee puhtaan artefaktin ja menettää ne tiedot, joiden ansiosta artefaktia on voitu hallita.

Hyvät alavirran hallintakeinot ovat usein tylsän yksinkertaisia. Vienti sisältää manifestin. Mallijulkaisu nimeää aineiston tilan. Hakupaketti kirjaa lähdeversiot. Käyttöliittymä voi näyttää viittauksen tai kieltäytymisen. Raportti sisältää lisenssin edellyttämän nimeämisen. Vetäytymispyyntö löytää omistajan. Mikään näistä keinoista ei tee organisaatiosta immuunia riidoille. Ne mahdollistavat vastaamisen ilman, että järjestelmän väitetään olevan vailla muistia.

Eurooppalainen toimintatapa

Oikeudelliset välineet luovat rakenteen. Organisaation on silti muutettava rakenne rutiiniksi. Seuraava on ehdotettu toimintatapa, ei oikeudellinen neuvonta eikä korvike oikeuksien arvioinnille tietyssä jäsenvaltiossa.

  • Nimeä tarkoitus ennen lähdettä. Kerro, mitä aineiston on tarkoitus tukea ja mikä jää soveltamisalan ulkopuolelle. Jälkikäteen esitetty tarkoitus on yleensä jälkikäteen keksitty selitys.
  • Erottele pääsy uudelleenkäytöstä. Kirjaa, miten lähteeseen päästiin, ja arvioi sitten, mitä toimia ehdotettu käyttö edellyttää. Älä pidä julkista URL-osoitetta yleisenä lupana.
  • Pidä oikeustilat tyypitettyinä. Lisensoitu, poikkeuksen perusteella arvioitu, varattu, evätty, ratkaisematon, peruutettu ja käyttötarkoitukseen hyväksytty eivät saa sulautua yhdeksi vihreäksi lipuksi.
  • Kanna alkuperä muunnosten läpi. Pidä lähteen tunniste, versio, käsittelysääntö, lisenssinäyttö ja päätöshistoria kiinni käsitellystä tilasta.
  • Kirjaa kielteiset päätökset. Kieltäytyminen, karanteeni tai ratkaisematon tarkastelu on osa näyttöä, ja sen pitäisi estää vahingossa tapahtuva toisto.
  • Tee säilytyksestä yksiselitteistä. Nimeä, mitkä kopiot, manifestit, indeksit, tarkistuspisteet ja tuotokset säilyvät, kuka ne omistaa ja milloin tarkoitus tai tarkastelujakso päättyy.
  • Varmista, että yhteenvedot ja rekisterit ovat yhdenmukaisia. Julkinen läpinäkyvyys on tuotettava ylläpidetystä näytöstä, ja siinä on kerrottava, mitä se ei paljasta.
  • Testaa peruutus ennen julkaisua. Käytä merkittyä harjoitusta selvittääksesi, löytyykö lähde sen johdettujen tilojen joukosta. Kirjaa rajoitukset sen sijaan, että väität täydellistä poistoa.

Tämä kurinalaisuus on tarkoituksella vähemmän näyttävää kuin tekoälydemo. Sillä on paremmat mahdollisuudet selvitä sellaisesta. Vaikea osa ei ole kirjoittaa sanoja oikeustietoinen putki kalvolle. Se on saada seuraava komponentti vastaanottamaan riittävästi asiayhteyttä, jotta se ei muuta rajattua päätöstä ehdottomaksi kopioksi.

Valvontatoimien on myös kunnioitettava suhteellisuutta. Matalan riskin sisäinen analyysi ei tarvitse samanlaista julkista tiedottamista kuin yleiskäyttöinen malli, joka saatetaan unionin markkinoille. Pieni tiimi saattaa tarvita yksinkertaisempia työkaluja kuin suuri palveluntarjoaja. Taustalla olevat kysymykset pysyvät samoina: mihin päästiin, mikä oli sallittua, mitä tehtiin, mitä säilytettiin ja kuka voi korjata tilan. Suhteellinen ei tarkoita näkymätöntä.

Ihmisen harkinta kuuluu kohtiin, joissa näyttö on aidosti epäselvää. Kone voi jäsentää varauksen, vertailla lisenssitunnistetta, tarkistaa manifestin ja pysäyttää pyynnön. Sen ei pitäisi hiljaa keksiä oikeudellista tulkintaa vain siksi, että työnkulku muuten odottaisi. Ihmisen päätös on tyypitettävä, rajattava ja kirjattava. Se ei ole automaation epäonnistuminen. Se on tunnustus siitä, että oikeudellinen merkitys ei ole onnistuneen jäsentämisen sivutuote.

Pieni huomautus meiltä

Julkinen Trust Centre -keskuksemme Dwevella kuvaa saman erottelun tarkoituksella vaatimattomin sanoin. Winnow esitetään hankintareittinä, joka tarkistaa lähteen käytännön, robots.txt-tiedoston, nopeudet, kohteet ja pyyntölokit. Spindle on hallintakerros alkuperälle, laadulle, käytännöille, ristiriidoille, peruutukselle ja edistämiselle. Loom kuluttaa hallinnoitua aineistoa tai käyttää Winnowia kirjatun työkalurajan yli. Kuvaus ei väitä, että hakurobottien hallinta tekisi jokaisesta toimijan tarkoituksesta lainmukaisen, eikä se kohtele julkista lähdeluetteloa täydellisenä yksityisenä näyttörekisterinä.

Se on esimerkin hyödyllinen osa, eivät tuotenimet. Keräyskomponentti voi valvoa pääsykuria. Tiedonhallintakomponentti voi säilyttää lähteen tilan ja päättää, mikä saa jäädä. Mallikomponentti voi kirjata, mitä se todella käytti. Oikeudellinen vastuu säilyy tarkoituksessa ja toimijassa. Sisäisen järjestelmän rakentaminen näin ei ansaitse todistusta maailmankaikkeudelta. Se helpottaa organisaation väitteiden tarkastamista ja virheiden korjaamista.

Oikeudellinen argumentti alkaa aiemmin

Tekijänoikeuskiistoissa tekoälyn ympärillä on usein vaikeita kysymyksiä, joita mikään putki ei voi ratkaista etukäteen. Tuomioistuimet ja viranomaiset voivat tulkita poikkeuksia, sopimuksia, varaumia, kopiointia ja tuotoksia tavoilla, jotka kehittyvät ajan myötä. Kansallisella täytäntöönpanolla ja käytön tosiseikoilla on merkitystä. Tekninen tallenne ei voi korvata tätä työtä. Se voi varmistaa, että työ alkaa tosiseikoista eikä taruista.

Ensimmäinen hyödyllinen kysymys ei ole se, oppiko malli internetistä. Tuo ilmaus on liian laaja kantamaan juridisesti tai teknisesti merkitystä. Kysy, mitkä lähdeperheet olivat soveltamisalassa, miten pääsy hankittiin, mitä kopioita tehtiin, mitä oikeusreittiä arvioitiin, mitä varaumia noudatettiin, mitä muunnoksia ajettiin, mistä aineistosta kieltäydyttiin, mitkä tietoaineisto- ja malliversiot perivät tilan sekä mitä julkista yhteenvetoa tai myöhempää dokumentaatiota tuotettiin.

Toinen hyödyllinen kysymys on, voiko organisaatio osoittaa oman tietonsa rajat. Lähde voidaan tunnistaa, mutta sen lisenssi voi olla epävarma. Varauma voi olla olemassa, mutta sen laajuudesta voidaan kiistellä. Koulutusyhteenveto voi olla kattava kokoelman tasolla, mutta ei yksittäisten kohteiden todisteena. Poistotoimi voi pysäyttää tulevan käytön jättäen historiallisen julkaisun suoran hallinnan ulkopuolelle. Nämä eivät ole tunnustuksia epäonnistumisesta. Ne ovat rajoja, jotka vakavan järjestelmän pitäisi tuoda esiin.

Kolmas kysymys on, voiko korjaus liikkua. Jos oikeudenhaltija ilmoittaa huolesta, voiko organisaatio tunnistaa lähteen tilan, asiaankuuluvan päätöksen, johdetut resurssit ja seuraavan toimenpiteen omistajan. Jos lähde muuttaa ehtojaan, voiko tuleva hankinta pysähtyä ilman menneisyyden uudelleenkirjoittamista. Jos mallia hienosäädetään uudella aineistolla, voiko julkaisutallenne näyttää uuden oikeusreitin. Jos käyttäjä pyytää suojattua kopiointia, voiko kieltäytymisen ja mahdollisen vaihtoehtoisen vastauksen tarkastaa myöhemmin.

Tästä syystä alkuperäketju on enemmän kuin kohteliaisuus ja poistaminen on enemmän kuin painike. Ne ovat tapoja pitää oikeudellinen ja tekninen tila yhteydessä, kun putki muuttaa muotoaan. Yhteys ei ole koskaan täydellinen. Lähteet katoavat, sopimukset ovat ristiriidassa, järjestelmiä korvataan ja organisaatiot sulautuvat. Rajallinen tallenne ei voi ratkaista näitä tosiseikkoja. Se voi estää organisaatiota sekoittamasta puuttuvaa linkkiä puhtaaseen ketjuun.

Euroopan lähestymistapa edellyttää tätä kurinalaisuutta useilla tasoilla samanaikaisesti. Tekijänoikeuslaki käsittelee oikeuksia, poikkeuksia, lisenssejä ja varaumia. AI-asetus edellyttää tietyiltä mallintarjoajilta käytäntöä ja julkista koulutussisällön yhteenvetoa. Tietosuoja, tietokantaokeudet, sopimusoikeus, kuluttajansuoja ja alakohtaiset säännöt lisäävät omat kysymyksensä. Putki ei saa litistää näitä välineitä yhdeksi vaatimustenmukaisuuden väriksi. Sen pitäisi liittää asiaankuuluva sääntö siihen toimeen, jota se sääntelee, ja jättää tilaa inhimilliselle arvioinnille siellä, missä polut risteävät.

Proosaa ei tarvitse tehdä suureellisemmaksi kuin itse työ. Olennainen lupaus on pieni: tiedämme, mitä sisään tuli, miksi se tuli, mitä sille tapahtui, mitä ei tullut sisään, minne se meni seuraavaksi ja miten suuntaa voi muuttaa. Malli voi olla vaikuttava ilman tätä lupausta. Oikeustietoinen järjestelmä ei voi.

Tekijänoikeus on tietoputkiongelma ennen kuin se on oikeudellinen argumentti, koska oikeudellinen argumentti tarvitsee putken muistin. Rakenna muisti ensimmäiseen kopioon, pidä ehdot liitettyinä muunnoksen läpi ja tee kieltäytymisestä, määrittelystä, säilytyksestä ja peruuttamisesta näkyviä tiloja. Sitten, kun vaikea kysymys tulee, organisaatio voi vastata tosiseikoilla, jotka sillä todella on, sen sijaan että se kokoaisi jälkikäteen varman tarinan.

Lähteet