{"id":946,"date":"2024-10-15T12:00:38","date_gmt":"2024-10-15T10:00:38","guid":{"rendered":"https:\/\/sites.unica.it\/holmes\/?p=946"},"modified":"2024-10-15T12:04:01","modified_gmt":"2024-10-15T10:04:01","slug":"ia-generativa-e-legale-esplorando-le-sfide-del-diritto-dautore-nellera-degli-llm","status":"publish","type":"post","link":"https:\/\/sites.unica.it\/holmes\/ia-generativa-e-legale-esplorando-le-sfide-del-diritto-dautore-nellera-degli-llm\/","title":{"rendered":"IA Generativa \u00e8 Legale? Esplorando le Sfide del Diritto d’Autore nell’Era degli LLM"},"content":{"rendered":"\n

Ti sei mai chiesto se l’intelligenza artificiale generativa che usi quotidianamente \u00e8 legale? Molti strumenti popolari come ChatGPT, Claude, LlaMA3, Mistral e altri potrebbero violare il diritto d’autore. Ma non solo strumenti basati su testo (LLM \u2013 Large Language Models): anche modelli basati su immagini, video, audio o altro. In questo articolo andremo ad analizzare come funziona la raccolta dati dell\u2019IA, perch\u00e9 la maggior parte dell’IA generativa potrebbe essere illegale e cosa significa per il futuro della tecnologia.<\/em><\/p>\n\n\n\n

\n\n\n\n

Introduzione<\/strong><\/p>\n\n\n\n

Focalizziamoci sugli LLM, ma questo ragionamento \u00e8 valido per qualsiasi tipo di contenuto. Gli LLM vengono addestrati su enormi quantit\u00e0 di dati raccolti dal web. Questi modelli utilizzano tecniche di web scraping per raccogliere testi da siti web, articoli, forum, social media e altre fonti online, al fine di apprendere schemi linguistici e generare risposte coerenti e pertinenti.<\/p>\n\n\n\n

La protezione del diritto d’autore \u00e8 cruciale in questo contesto. Molti dei dati utilizzati per addestrare questi modelli sono protetti da copyright, e l’uso non autorizzato di tali dati pu\u00f2 costituire una violazione legale. \u00c8 essenziale rispettare i diritti dei creatori di contenuti, garantendo che i loro lavori non vengano utilizzati senza il loro permesso.<\/p>\n\n\n\n

In questo articolo cercheremo di analizzare come avviene questa elaborazione dati per l\u2019addestramento dei modelli di IA generativa, quali sono le motivazioni e quali tecniche si possono utilizzare per contrastare la violazione del diritto d\u2019autore.<\/p>\n\n\n\n

L\u2019insaziabile fame di dati degli LLM<\/strong><\/p>\n\n\n\n

L’IA generativa sta infrangendo l’etichetta consolidata di internet per soddisfare un’insaziabile fame di dati per l’addestramento. In generale, pi\u00f9 dati significano modelli di intelligenza artificiale migliori \u2013 anche se non \u00e8 sempre vero. \u00c8 questo che scatena la corsa ai dati in questa prima era dell\u2019IA Generativa.<\/p>\n\n\n\n

Secondo Business Insider, OpenAI, sostenuta da Microsoft, e Anthropic, supportata da Amazon, ignorano il file robots.txt<\/em> per raccogliere dati dai siti dei publisher senza permesso. Il file robots.txt \u00e8 lo standard con cui i publisher web designano se e quali parti dei loro siti possono essere accessibili agli indicizzatori dei motori di ricerca e ad altri crawler web. Ma non esiste uno standard legale o un’entit\u00e0 per far rispettare la conformit\u00e0.<\/p>\n\n\n\n

Quindi, secondo TollBit, una startup che facilita la concessione di licenze pagate tra publisher e aziende di IA, OpenAI e Anthropic apparentemente scelgono di ignorare il file robots.txt e raccogliere dati da tutte le parti di una pagina [1]<\/a>.<\/p>\n\n\n\n

Sia OpenAI che Anthropic affermano pubblicamente di rispettare il file robots.txt. Ma le aziende di IA generativa, inclusa OpenAI, hanno sostenuto davanti ai regolatori che qualsiasi contenuto pubblicamente accessibile su internet \u00e8 aperto al fair use per l’addestramento dei modelli di IA. Su questo ci sono quindi messaggi discordanti, dovuti al fatto che non esiste un\u2019entit\u00e0 di controllo.<\/p>\n\n\n\n

L’impatto del diritto d’autore sulla condivisione dei dati per l’IA Open Source<\/strong><\/p>\n\n\n\n

La legge sul diritto d’autore presenta sfide significative per la condivisione di dataset aperti utilizzati nell’addestramento di modelli di intelligenza artificiale, specialmente nel contesto dell’IA Open Source. Secondo un articolo pubblicato dalla Open Source Initiative (OSI) [2]<\/a>, la distribuzione di dataset che contengono opere protette da copyright pu\u00f2 costituire una violazione legale. Questo rende difficile per gli sviluppatori condividere liberamente i dataset necessari per addestrare modelli IA open source.<\/p>\n\n\n\n

La OSI suggerisce che, invece di distribuire dataset aperti, si dovrebbe focalizzare sulla condivisione di “informazioni sui dati” o metadati che descrivono i dataset, senza includere le opere protette da copyright. Questo approccio consentirebbe agli sviluppatori di costruire modelli IA rispettando le leggi sul diritto d’autore, promuovendo al contempo l’innovazione e la collaborazione nella comunit\u00e0 open source.<\/p>\n\n\n\n

Il Garante della Privacy fornisce solide basi teoriche<\/strong><\/p>\n\n\n\n

Il Garante della Privacy in Europa, rappresentato dal Comitato Europeo per la Protezione dei Dati (EDPB), ha fornito diverse linee guida sull’uso dei dati personali pubblicati sui siti web. \u00c8 importante distinguere tra due aspetti: la protezione dei dati personali e il diritto d’autore. Di seguito, una panoramica di come questi due aspetti si intersecano:<\/p>\n\n\n\n