Silikon Vadisi, AI eğitimi için milyonlarca kitabı tarıyor

2024 yılının başlarında, yapay zeka (AI) girişimi Anthropic, gizli tutmaya çalıştıkları bir proje ile, “dünyadaki tüm kitapları yıkıcı bir şekilde tarama” faaliyetine başladı.

Washington Post’un elde ettiği dava dosyalarına göre, şirket yaklaşık bir yıl içinde milyonlarca kitabı satın almak ve sırtlarını kesmek için on milyonlarca dolar harcadı.

Ardından, sayfalarını tarayarak, popüler sohbet robotu Claude gibi ürünlerin arkasındaki AI modellerine daha fazla bilgi aktardı.

Daha önce bildirilmemiş olan “Panama Projesi”nin ayrıntıları, yatırımcılar tarafından 183 milyar dolar değerinde olan Anthropic’e karşı kitap yazarları tarafından açılan telif hakkı davasında 4.000 sayfadan fazla belgede ortaya çıktı.

Şirket, Ağustos ayında davayı çözmek için 1,5 milyar dolar ödemeyi kabul etti, fakat geçen hafta bir bölge yargıcının davayla ilgili bir dizi belgenin gizliliğini kaldırma kararı, Anthropic’in kitapları ne kadar hevesle takip ettiğini daha net bir şekilde ortaya koydu.

Yeni belgeler, AI şirketlerine karşı açılan diğer telif hakkı davalarında daha önce sunulan belgelerle birlikte, Anthropic, Meta, Google ve OpenAI gibi teknoloji şirketlerinin yazılımlarını “eğitmek” için devasa veri hazinelerini elde etmek için ne kadar uğraştıklarını gösteriyor.

Anthropic davası, yazarlar, sanatçılar, fotoğrafçılar ve haber kuruluşları tarafından AI şirketlerine karşı açılan bir dizi davanın bir parçasıydı.

Davalarda sunulan belgeler, önde gelen teknoloji şirketlerinin insanlığın topladığı eserleri elde etmek için çılgınca, bazen gizli bir yarış içinde olduklarını gösteriyor.

Mahkeme kayıtları, şirketlerin kitapları çok önemli bir ödül olarak gördüklerini ortaya koyuyor. Ocak 2023 tarihli bir belgede, Anthropic’in kurucularından biri, AI modellerini kitaplarla eğitmenin onlara “düşük kaliteli internet dilini” taklit etmek yerine “iyi yazmayı” öğretebileceğini öne sürüyor.

Meta’nın 2024 tarihli bir e-postasında, dijital kitap hazinesine erişimin, AI rakipleriyle rekabet edebilmek için “gerekli” olduğu belirtiliyor.

Gelgelelim mahkeme kayıtları, şirketlerin yayıncıların ve yazarların eserlerini kullanmak için doğrudan izin almanın pratik olmadığını düşündüklerini gösteriyor. Bunun yerine, Anthropic, Meta ve diğer şirketler, yazarların bilgisi olmadan kitapları toplu olarak elde etmenin yollarını buldular.

Mahkeme kayıtlarına göre, bu yollar arasında korsan kopyaları indirmek de vardı.

Anthropic, fiziksel kitapları satın almak ve taramak için Panama Projesi operasyonuna başladığında, Silikon Vadisinin deneyimli bir ismine başvurdu.

Şirket, yirmi yıl önce arama devi Google’ın ünlü fakat yasal olarak tartışmalı Google Books projesinin oluşturulmasına yardımcı olan Google yöneticisi Tom Turvey’i işe aldı.

Anthropic, başlangıçta kütüphanelerden veya New York City’nin simgesi olan Strand gibi ikinci el kitapçılardan kitap satın almayı düşündü.

Strand, “18 mil” uzunluğundaki yeni ve ikinci el kitaplarıyla tanınıyor.

Mart 2024’te Anthropic’in içerik satın alma toplantısını detaylandıran bir belgeye göre, mağaza “ikinci el kitaplar sağlamaya ilgi duyuyordu.”

Belgelere göre, Anthropic çalışanları ayrıca New York Halk Kütüphanesi veya “kronik olarak yetersiz fonlanan yeni bir kütüphane” dahil olmak üzere ABD kütüphanelerine yaklaşmayı da tartıştı.

Anthropic’in bu önerilerden hangisini uyguladığı, varsa bile, belli değil. E-posta yoluyla ulaşılan Strand’ın bir sözcüsü, kitapçının Anthropic’e herhangi bir kitap satmadığını söyledi.

Belgelere göre, Anthropic sonunda milyonlarca kitabı, genellikle on binlerce kitaplık gruplar halinde satın aldı. İkinci el kitap perakendecileri Better World Books ve İngiltere merkezli World of Books gibi kitap satıcılarına güvendi.

Taranan kitapların nihai sayısı ve maliyeti belgelerde gizlenmiş ama Anthropic ile çalışan bir tedarikçinin proje teklifinde, AI şirketinin “altı aylık bir süre içinde 500.000 ila iki milyon kitabı dönüştürmek için deneyimli bir belge tarama hizmeti tedarikçisi aradığı” belirtiliyor.

Belgede, tarama şirketinin “hidrolik tahrikli kesme makinesi”nin kitapları “düzgün bir şekilde keseceği” ve sayfaların daha sonra “yüksek hızda, yüksek kaliteli, üretim seviyesi tarayıcılarda taranacağı” açıklanıyor.

Son olarak, tarama şirketinin “geri dönüşüm şirketiyle tamamlanan kitapları almak için bir program yapacağı” belirtiliyor.

Meta çalışanları, iç mesajlarda, milyonlarca kitabı izinsiz olarak indirmek telif hakkı yasasını ihlal edeceği konusunda defalarca endişelerini dile getirdiler.

Aralık 2023’te, kitap yazarlarının şirket aleyhine açtığı telif hakkı davasında sunulan belgelere göre, iç bir e-postada, bu uygulamanın “MZ’ye iletildikten” sonra onaylandığı belirtildi. MZ, CEO Mark Zuckerberg’e atıfta bulunuyor gibi görünüyor.

Yeni yayınlanan bir yasal dosyada Anthropic, kurucu ortak Ben Mann’ın 2021 yılının Haziran ayında 11 gün boyunca “LibGen” olarak bilinen, kitapların ve diğer telif hakkı ihlali içeren içeriklerin bulunduğu bir “gölge kütüphane”den kurgu ve kurgu dışı kitapları kişisel olarak indirdiğini açıkladı.

Dosyalarda yer alan web tarayıcısının ekran görüntüsü, Mann’ın dosya paylaşım yazılımı ile dosya indirdiğini gösteriyordu.

Bir yıl sonra Mann, Temmuz 2022’de Pirate Library Mirror adlı yeni bir web sitesinin açılışını selamladı. Bu site, devasa bir kitap veritabanına sahip olduğunu iddia ediyor ve “çoğu ülkede telif hakkı yasasını kasıtlı olarak ihlal ediyoruz” diyordu.

Mann, diğer Anthropic çalışanlarına siteye bir bağlantı göndererek “tam zamanında!!!” mesajını ekledi.

Anthropic, yasal belgelerde, şirketin LibGen verilerini kullanarak gelir elde eden ticari bir AI modeli eğitmediğini ve Pirate Library Mirror’ı hiçbir tam AI modelini eğitmek için kullanmadığını savundu.

Eski bir AI yöneticisi ve müzik bestecisi olan Ed Newton-Rex, şu anda yaratıcıların haklarını savunan kâr amacı gütmeyen bir kuruluşu yönetiyor.

Newton-Rex, bu açıklamaların AI şirketlerinin yaratıcılara şimdiye kadar ödediğinden daha fazla borçlu olduğunu vurguladığını söyledi.

Besteci, “Yaratıcıların yaptıkları hayati katkılar için adil bir şekilde ödeme almaya başlamaları için AI endüstrisinde acilen bir sıfırlamaya ihtiyacımız var,” dedi.

Google, Microsoft ve ChatGPT üreticisi OpenAI de benzer iddialarda bulunan kitap yazarlarının telif hakkı davalarıyla karşı karşıya.

AI şirketlerine karşı açılan davaların çoğu hâlâ devam ediyor ve Cornell Tech’te dijital ve bilgi hukuku profesörü olan James Grimmelmann, bu davaların ortaya koyduğu soruların hukuki açıdan çözülmemiş olduğunu söyledi. 

Fakat iki kararda yargıçlar, teknoloji şirketlerinin yazar veya yayıncının izni olmadan AI modellerini eğitmek için kitapları kullanmasının, telif hakkı hukukunda “adil kullanım” olarak bilinen bir doktrin kapsamında yasal olabileceğine karar verdi.

Haziran ayında, Bölge Yargıcı William Alsup, Anthropic’in AI modellerini eğitmek için kitapları kullanma hakkına sahip olduğunu, çünkü bu kitapları “dönüştürücü” bir şekilde işlediklerini belirledi.

Yargıç, AI eğitim sürecini, öğretmenlerin “okul çocuklarına iyi yazmayı öğretmesi”ne benzetti.

Aynı ay, Bölge Yargıcı Vince Chhabria, Meta davasında, kitap yazarlarının şirketin AI modellerinin kitaplarının satışlarına zarar verebileceğini kanıtlayamadıklarını belirledi.

Fakat şirketler, kitapları nasıl edindikleri konusunda hâlâ sorun yaşayabilirler. Anthropic davasında, kitap tarama projesi kabul edildi, fakat yargıç, şirketin Panama Projesi’ni başlatmadan önce milyonlarca korsan kitabı ücretsiz olarak indirerek yazarların telif haklarını ihlal etmiş olabileceğine karar verdi.

Alsup, kitapları Anthropic’in gelecekte kullanmak üzere indirip sakladığı iki gölge kütüphaneye (izinsiz olarak çevrimiçi paylaşılan devasa dijital kitap koleksiyonları) dahil edilen yazarlara toplu dava statüsü verdi.

Şirket, yargılanmak yerine, herhangi bir suçu kabul etmeden yayıncılara ve yazarlara 1,5 milyar dolar ödemeyi kabul etti. Kitapları indirilen yazarlar, kitap başına yaklaşık 3.000 dolar olarak tahmin edilen uzlaşma paylarını talep edebilirler.

Anthropic’in genel hukuk müşaviri yardımcısı Aparna Sridhar, WP’ye gönderdiği bir e-postada şunları söyledi:

“Bu dava çözüldü, ancak mahkemenin Haziran 2025’teki tarihi kararı geçerliliğini koruyor. Yargıç Alsup, AI eğitiminin ‘temelde dönüştürücü’ olduğunu savundu: Anthropic’in AI modelleri, eserleri ‘kopyalamak veya yerini almak için değil, zor bir dönemeci aşmak ve farklı bir şey yaratmak için’ eğitildi. Anlaştığımız konu, bazı materyallerin nasıl elde edildiğiydi, bunları AI modelleri geliştirmek için kullanıp kullanamayacağımız değildi.”

Meta aleyhine açılan telif hakkı davasında yayınlanan belgeler, sosyal ağ devinin çalışanlarının da daha fazla veriye aç olduğunu ve bunu elde etmek için yasal riskler almaya hazır olduğunu gösteriyor.

Yargıç Chhabria, Meta’nın AI modellerini eğitmek için kitapları kullanması konusunda şirketin tarafını tutarken, yazarların Meta’nın korsan kitapların kopyalarını yasadışı olarak dağıttığı iddialarını sürdürmelerine izin verdi.

Davacılar, Kaliforniya Kuzey Bölgesinde bu iddialar için toplu dava statüsü talep ediyor.

Davada yazarlar, Meta’nın üst düzey yöneticilerinin AI modellerini eğitmek için kitap satın almayı düşündüklerini, ancak bunun yerine çevrimiçi korsanlığı kolaylaştıran “torrent” platformlarından milyonlarca kitabı ücretsiz olarak indirmeyi tercih ettiklerini iddia ettiler.

Bazıları daha önce bildirilmiş olan iç belgeler, Meta çalışanlarının yaptıkları şeyin riskli veya yanlış olduğu konusunda endişelerini dile getirdiklerini ve izlerini nasıl gizleyeceklerini tartıştıklarını gösteriyor.

Belgelere göre, bir mühendis 2023 yılında “Şirket dizüstü bilgisayarından torrent indirmek doğru gelmiyor,” diye yazmış.

Aynı çalışan daha sonra şirketin hukuk ekibine, torrent sitelerini kullanmanın korsan eserleri başkalarıyla paylaşmayı gerektirebileceğini ve bunun “yasal olarak uygun olmayabileceğini” endişesini dile getirmiş.

Mahkeme dosyalarına ait Aralık 2023 tarihli e-postada, LibGen’in kullanımının, görünüşe göre Zuckerberg tarafından, baş harfleriyle atıfta bulunularak onaylandığı açıkça belirtiliyor.

“MZ’ye önceden bildirildikten sonra, GenAI’ın Llama 3 için LibGen’i kullanması onaylandı… bir dizi mutabık kalınan hafifletici önlemle birlikte,” deniyor ve ardından verilerin kullanımına ilişkin yasal ve politik riskler sıralanıyor.

E-postada, “LibGen gibi korsan olduğunu bildiğimiz bir veri setini kullandığımızı ima eden medya haberleri çıkarsa, bu durum bu konularda düzenleyicilerle olan müzakere pozisyonumuzu zayıflatabilir,” deniyor.

Nisan 2024’e gelindiğinde, şirketin LibGen ve diğer gölge kütüphaneleri indirmek için harekete geçtiği iç yazışmalardan anlaşılıyor. Sohbet kayıtları, bir çalışanın diğerine, Facebook’un sahip olduğu sunucular yerine Amazon’dan kiralanan sunucuları torrent için neden kullandıklarını açıklamasını istediğini gösteriyor. Cevap: “Faaliyetin şirkete kadar izlenebilme riskini önlemek” için.

Geçen ay yapılan bir dosyalamada, Meta’nın avukatları, şirketin “torrent kullanarak eğitim verilerini indirirken davacıların eserlerini dağıttığını reddettiğini” yazdı.

2023 yılında açılan ayrı bir davada, kitap yazarları OpenAI ve Microsoft’u, AI eğitimi için kitapları kendi amaçları doğrultusunda kullanarak telif hakkı yasasını ihlal etmekle suçladı.

Mann ve Anthropic CEO’su Dario Amodei’nin şirketi kurmadan önce çalıştıkları OpenAI, LibGen’i indirdiğini kabul etti fakat mahkemeye ChatGPT’nin piyasaya sürülmesinden önce dosyaları sildiğini bildirdi.

OpenAI ve Anthropic davalarında kitap yazarlarını temsil eden Susman Godfrey LLP’nin avukatı Justin A. Nelson, “OpenAI, AI şirketlerinin yaygın korsanlığına ve tüm insanlığın ifadesinin sömürülmesine yol açan başlangıç atışını yaptı,” dedi. 

Bu ayın başlarında, iki büyük yayıncı mahkemeye, 2023 yılında açılan Google aleyhine telif hakkı davasına yazar ve illüstratörlerden oluşan bir gruba katılmalarına izin verilmesi için başvurdu.

Cornell Tech hukuk profesörü Grimmelmann, AI şirketlerinin telif hakkıyla korunan verilerin kullanımı konusunda “kendilerini bir yanılgıya sürüklediklerini” söyledi.

ChatGPT ve benzeri araçların arkasındaki atılımlar, eğitim için telif hakkıyla korunan materyallerin kullanımının yaygın olarak kabul gördüğü akademik araştırmalarda başladı, ancak araştırmacılar, AI modelleri ticarileştirilse bile bu uygulamayı sürdürdüler.

Grimmelmann, “Gerilim belirginleştiğinde, telif hakkıyla korunan verileri iş akışlarına dahil etmek için büyük yatırımlar yapmışlardı ve daha yeni ve daha iyi modeller piyasaya sürmek için hızlı tempolu, yüksek riskli bir rekabetin içine girmişlerdi,” dedi.