डेटा विधेयक: कॉपीराइट कायद्यासाठी निर्णायक क्षण

डिजिटल युगामुळे नवकल्पनांसाठी अभूतपूर्व संधी निर्माण झाल्या आहेत, विशेषत: कृत्रिम बुद्धिमत्ता (AI) क्षेत्रात. तथापि, या प्रगतीमुळे डेटा वापराच्या नैतिक आणि कायदेशीर सीमांबद्दल गंभीर प्रश्न उभे राहिले आहेत, विशेषत: कॉपीराइट केलेल्या सामग्रीच्या संदर्भात. AI मॉडेलला प्रशिक्षण देण्यासाठी पायरेटेड पुस्तकांच्या वापरावरील वाद आता उफाळून आला आहे, ज्यामुळे विद्यमान कॉपीराइट कायद्यांचे पुनर्मूल्यांकन करणे आणि बौद्धिक संपत्तीच्या उल्लंघनाविरुद्ध अधिक कठोर भूमिका घेणे आवश्यक आहे.

मूळ मुद्दा: कॉपीराइट केलेल्या सामग्रीचा अनधिकृत वापर

या प्रकरणाचा मूळ मुद्दा म्हणजे AI मॉडेलला प्रशिक्षण देण्यासाठी कॉपीराइट केलेल्या पुस्तकांचा अनधिकृत वापर. मेटासारख्या (Meta) तंत्रज्ञान क्षेत्रातील दिग्गजांनी हा कथितपणे अवलंबलेला सराव लेखकांनी आणि प्रकाशकांनी त्यांच्या हक्कांचे व्यावसायिक फायद्यासाठी उल्लंघन केल्याच्या भावनेतून तीव्र नाराजी व्यक्त केली आहे. वेट्रोसचे माजी व्यवस्थापकीय संचालक मार्क प्राइस यांनी या प्रथेचे मुखरपणे टीका केली आहे, थेट मेटाचे मुख्य कार्यकारी अधिकारी मार्क झुकरबर्ग यांना संबोधित केले आहे आणि परवानगीशिवाय ब्रिटिश लेखकांच्या कामांचे शोषण करण्याच्या कंपनीच्या न्याय्यतेवर प्रश्नचिन्ह उपस्थित केले आहे.

प्राइस यांची कायदेशीर टीम यूकेमध्ये मेटा (Meta) विरोधात कायदेशीर कारवाई करण्यासाठी अनेक मार्ग शोधत आहे. यूकेमधील चाचेगिरी डेटाबेस लिबजेनमधून (LibGen) घेतलेली पुस्तके यूकेमध्ये "घेतली आणि त्यावर प्रक्रिया केली" गेली आहेत की नाही हे निश्चित करणे यात समाविष्ट आहे. हे सिद्ध झाल्यास, यूकेच्या कॉपीराइट कायद्यानुसार मेटा (Meta) विरोधात स्पष्ट खटला दाखल होऊ शकतो.

आउटपुटची तपासणी: उल्लंघनाचे महत्त्वपूर्ण पुरावे

आणखी एक, कदाचित अधिक मनोरंजक दृष्टीकोन मेटाच्या (Meta) AI मॉडेल, लामाद्वारे (Llama) व्युत्पन्न केलेल्या सामग्रीचे विश्लेषण करण्यावर लक्ष केंद्रित करतो. प्राइस यांचा युक्तिवाद आहे की जर लामा (Llama) ने प्रशिक्षण देण्यासाठी वापरलेल्या पुस्तकांतील उतार्‍यांसारखीच सामग्री तयार केली, तर ते कॉपीराइट उल्लंघनाचे ठोस पुरावे म्हणून काम करू शकते. चौकशीची ही ओळ स्टॅबिलिटी AI (Stability AI) विरोधातील Getty Images च्या चालू असलेल्या खटल्याशी समांतर आहे, जी स्टॅबिलिटी AI च्या स्टेबल डिफ्यूजन (Stable Diffusion) मॉडेलद्वारे कॉपीराइट केलेल्या प्रतिमांच्या कथित पुनरुत्पादनावर केंद्रित आहे.

Getty Images चा खटला जून २०२५ मध्ये सुरू होणार आहे, जो AI- व्युत्पन्न सामग्रीशी संबंधित भविष्यातील कॉपीराइट विवादांसाठी एक महत्त्वपूर्ण उदाहरण ठरू शकतो. Getty Images च्या खटल्यातील याचिकाकर्त्यांचा दावा आहे की स्टेबल डिफ्यूजनने (Stable Diffusion) त्याच्या प्रशिक्षणादरम्यान वापरलेल्या कॉपीराइट केलेल्या प्रतिमांचे महत्त्वपूर्ण भाग पुनरुत्पादित केले. जर Getty Images जिंकले, तर ते लेखक आणि प्रकाशकांना मेटासारख्या (Meta) कंपन्यांविरुद्ध तत्सम कायदेशीर कारवाई करण्यास प्रवृत्त करू शकते.

मेटाने (Meta) असा युक्तिवाद करून आपल्या पद्धतींचे समर्थन केले आहे की त्याचे AI मॉडेल कॉपीराइट केलेल्या कामांचे पुनरुत्पादन करत नाही, तर केवळ प्रशिक्षण उद्देशांसाठी त्यांचा वापर करते. कंपनीने असा दावा केला आहे की लेखकांना त्याचा परिणाम म्हणून कोणतेही आर्थिक नुकसान होत नाही. तथापि, Getty Images हे सिद्ध करू शकले की AI मॉडेल प्रत्यक्षात कॉपीराइट केलेली सामग्री पुनरुत्पादित करू शकतात, तर ते मेटाच्या (Meta) बचावाला कमजोर करेल आणि कंपनीला महत्त्वपूर्ण कायदेशीर उत्तरदायित्वांना सामोरे जावे लागेल.

परवाना करार: संभाव्य उपाय?

AI च्या युगातील कॉपीराइटची गुंतागुंत प्रकाशक आणि AI कंपन्यांमधील परवाना करारांद्वारे अधिक स्पष्ट केली जाते. उदाहरणार्थ, हार्परकॉलिन्सने (HarperCollins) कथितपणे मायक्रोसॉफ्टसोबत (Microsoft) परवाना व्यवस्था केली आहे, ज्यात कराराचा भाग म्हणून प्रवेश करता येणार्‍या पुस्तकाच्या प्रमाणात निर्बंध समाविष्ट आहेत. अशा करारामुळे, कॉपीराइट धारकांना भरपाई देण्यासाठी संभाव्य मार्ग उपलब्ध करून दिला जात आहे, AI प्रशिक्षणात योग्य वापराच्या व्याप्ती आणि मर्यादांबद्दल प्रश्न उभे केले जात आहेत.

मेटा (Meta) आणि अधिकारधारकांमध्ये अशा करारांच्या अनुपस्थितीमुळे कंपनी कायदेशीर आव्हानांना बळी पडते. मेटाच्या (Meta) एका माजी वकिलाने हे देखील मान्य केले आहे की AI प्रणालींचे अनपेक्षित परिणाम संभाव्यतः कॉपीराइटचे उल्लंघन करत आहेत, ज्यामुळे न्यायालयात कंपनीला महत्त्वपूर्ण धोका निर्माण होऊ शकतो.

डेटा (वापर आणि प्रवेश) विधेयक: एक विधायी संधी

यूकेचे डेटा (वापर आणि प्रवेश) विधेयक कॉपीराइट कायदा मजबूत करण्यासाठी आणि AI मुळे निर्माण झालेल्या आव्हानांना संबोधित करण्यासाठी एक महत्त्वपूर्ण संधी सादर करते. या विधेयकात सुधारणा करून, कॉपीराइट नियमांचे पालन, पारदर्शकता आणि अंमलबजावणी सुनिश्चित करण्याचे उद्दिष्ट आहे, ज्यावर हाऊस ऑफ कॉमन्समध्ये (House of Commons) चर्चा होणार आहे. मंजूर झाल्यास, या सुधारणा यूके सरकारचे तांत्रिक कंपन्यांना AI प्रशिक्षणासाठी प्रकाशित सामग्रीच्या वापरासंदर्भात सूट देण्याचे प्रयत्न कमी करू शकतात. अनेक लोकांचा असा विश्वास आहे की सरकारने सुरुवातीपासूनच हे धोरण स्वीकारायला हवे होते.

पब्लिशर्स लायसन्सिंग सर्व्हिसेसचे (Publishers’ Licensing Services) सीईओ टॉम वेस्ट (Tom West) यांचा युक्तिवाद आहे की डेटा (वापर आणि प्रवेश) विधेयक सामग्रीच्या परवानग ीकरणाला "गती देऊ शकते". ते जोर देऊन म्हणतात की उत्तरदायित्वाच्या मागणीचा अर्थ तंत्रज्ञानविरोधी किंवा नवकल्पना विरोधी नाही. त्याऐवजी, हे या वस्तुस्थितीचे प्रतिबिंब आहे की माहितीची अचूकता आणि गुणवत्ता सर्वोपरि आहे कारण जनरेटिव्ह (Generative) AI आपल्या जीवनात अधिकाधिक महत्त्वपूर्ण भूमिका बजावत आहे.

एक निर्णायक वळण: AI च्या परिणामांचे नियमन

सध्याची परिस्थिती एक निर्णायक वळण दर्शवते. AI ची शक्ती आणि प्रभाव वाढत असताना, हानी, गोंधळ किंवा पश्चात्ताप होऊ शकणार्‍या कृती टाळण्यासाठी स्पष्ट सीमा आणि नियम स्थापित करणे अत्यावश्यक आहे. ChatGPT कडून घेतलेले हे तत्त्व, AI तंत्रज्ञानाचा जबाबदार विकास आणि उपयोजन करण्याची आवश्यकता अधोरेखित करते.

कायदेशीर आणि नैतिक अडचणीत अधिक खोलवर जाणे

AI प्रशिक्षणात कॉपीराइट केलेल्या सामग्रीचा वापर करण्याच्या आसपासची चर्चा केवळ कायदेशीर बाब नाही; तर ती मूलभूत नैतिक विचारांनाही स्पर्श करते. AI कंपन्यांना सर्जनशील कामांच्या अनधिकृत वापराद्वारे नफा कमविण्याची परवानगी दिली जावी की नाही हा न्याय आणि बौद्धिक संपत्ती हक्कांचा आदर करण्याचा विषय आहे.

योग्य वापर सिद्धांत: एक जटिल कायदेशीर युक्तिवाद

या বিতর্কের केंद्रस्थळी असलेल्या कायदेशीर युक्तिवादांपैकी एक योग्य वापर सिद्धांताभोवती फिरतो. योग्य वापर हे एक कायदेशीर तत्त्व आहे जे कॉपीराइट धारकाकडून परवानगीशिवाय कॉपीराइट केलेल्या सामग्रीच्या मर्यादित वापरास अनुमती देते. हे तत्त्व अभिव्यक्ती स्वातंत्र्याला प्रोत्साहन देण्यासाठी आणि कॉपीराइट केलेल्या कामांच्या काही परिवर्तनीय वापरांना अनुमती देऊन सर्जनशीलतेला प्रोत्साहन देण्यासाठी आहे.

तथापि, AI प्रशिक्षणाच्या संदर्भात योग्य वापर सिद्धांताची अंमलबजावणी जटिल आणि विवादास्पद आहे. AI कंपन्या अनेकदा असा युक्तिवाद करतात की कॉपीराइट केलेल्या सामग्रीचा त्यांचा वापर योग्य वापराच्या अंतर्गत येतो कारण ते नवीन आणि परिवर्तनीय तंत्रज्ञान तयार करण्यासाठी सामग्रीचा वापर करत आहेत. ते असा युक्तिवाद करतात की AI मॉडेल केवळ कॉपीराइट केलेल्या कामांचे पुनरुत्पादन करत नाहीत, तर त्याऐवजी पूर्णपणे नवीन आउटपुट तयार करण्यासाठी त्यांच्याकडून शिकत आहेत.

दुसरीकडे, कॉपीराइट धारकांचा युक्तिवाद आहे की AI मॉडेलला प्रशिक्षण देण्यासाठी त्यांच्या कामांचा वापर हा एक व्यावसायिक वापर आहे जो त्यांना संभाव्य महसुलापासून वंचित ठेवतो. ते असा युक्तिवाद करतात की AI कंपन्यांना प्रशिक्षणासाठी वापरल्या जाणार्‍या कॉपीराइट केलेल्या सामग्रीसाठी परवाना घेणे आवश्यक आहे, जसे की ते इतर कोणत्याही व्यावसायिक वापरासाठी घेतात.

लेखक आणि प्रकाशकांवर होणारा आर्थिक परिणाम

अनधिकृत AI प्रशिक्षणामुळे लेखक आणि प्रकाशकांवर होणारा आर्थिक परिणाम ही एक महत्त्वपूर्ण चिंता आहे. AI कंपन्यांना कोणत्याही भरपाईशिवाय कॉपीराइट केलेल्या कामांचा मुक्तपणे वापर करण्याची परवानगी दिली गेल्यास, लेखकांना आणि प्रकाशकांना नवीन सामग्री तयार करण्याची प्रेरणा कमी होऊ शकते. यामुळे सर्जनशील कामांच्या गुणवत्तेत आणि उपलब्धतेत घट होऊ शकते, ज्यामुळे समाजाचे एकत्रित नुकसान होते.

शिवाय, कॉपीराइट केलेल्या सामग्रीच्या अनधिकृत वापरामुळे बाजारात असमान संधी निर्माण होऊ शकतात. AI कंपन्या ज्या परवानगीशिवाय कॉपीराइट केलेल्या कामांचा वापर करतात त्यांना परवाना मिळवणार्‍या किंवा स्वतःचा प्रशिक्षण डेटा तयार करणार्‍यांपेक्षा स्पर्धात्मक फायदा होईल. यामुळे नवकल्पना रोखल्या जाऊ शकतात आणि काही शक्तिशाली AI कंपन्यांच्या हातात सत्ता केंद्रित होऊ शकते.

पारदर्शकता आणि उत्तरदायित्वाची आवश्यकता

AI कंपन्यांनी कॉपीराइट केलेल्या सामग्रीचा जबाबदारीने वापर करणे सुनिश्चित करण्यासाठी पारदर्शकता आणि उत्तरदायित्व आवश्यक आहे. AI कंपन्यांनी त्यांची मॉडेल प्रशिक्षित करण्यासाठी वापरलेल्या डेटाच्या स्रोतांची माहिती देणे आवश्यक आहे. यामुळे कॉपीराइट धारकांना त्यांच्या कामांच्या वापरावर लक्ष ठेवता येईल आणि त्यांना योग्य भरपाई दिली जात आहे याची खात्री करता येईल.

शिवाय, AI मॉडेलच्या परिणामी होणार्‍या कोणत्याही कॉपीराइट उल्लंघनासाठी AI कंपन्यांना जबाबदार धरले जावे. यात प्रत्यक्ष उल्लंघनासाठी दायित्व, तसेच AI मॉडेलचा वापर उल्लंघन करणारी कामे तयार करण्यासाठी झाल्यास योगदानात्मक उल्लंघनासाठी दायित्व समाविष्ट असू शकते.

पर्यायी उपायांचा शोध

कॉपीराइट कायदा मजबूत करण्याबरोबरच आणि पारदर्शकता वाढवण्याबरोबरच, AI कंपन्या आणि कॉपीराइट धारकांच्या हिताचे संतुलन राखण्यास मदत करू शकतील अशा पर्यायी उपायांचा शोध घेणे महत्त्वाचे आहे.

सामूहिक परवाना

सामूहिक परवाना हा एक संभाव्य उपाय आहे. सामूहिक परवाना योजनेअंतर्गत, एक सामूहिक व्यवस्थापन संस्था (CMO) कॉपीराइट धारकांच्या वतीने AI कंपन्यांशी परवान्यांसाठी वाटाघाटी करेल. त्यानंतर CMO परवान्यांकडून गोळा केलेली रॉयल्टी कॉपीराइट धारकांना वितरित करेल.

सामूहिक परवाना AI कंपन्यांना आवश्यक असलेल्या कॉपीराइट केलेल्या सामग्रीसाठी परवाना मिळवण्याचा अधिक कार्यक्षम आणि सुव्यवस्थित मार्ग प्रदान करू शकतो. हे कॉपीराइट धारकांना त्यांच्या कामांच्या वापरासाठी योग्य भरपाई सुनिश्चित करू शकते.

ओपन सोर्स डेटा

आणखी एक संभाव्य उपाय म्हणजे AI प्रशिक्षणासाठी ओपन सोर्स डेटा सेट्सच्या विकासाला प्रोत्साहन देणे. ओपन सोर्स डेटा सेट्स हे डेटा सेट्स आहेत जे कोणालाही वापरण्यासाठी, सुधारण्यासाठी आणि वितरित करण्यासाठी मुक्तपणे उपलब्ध आहेत.

ओपन सोर्स डेटा सेट्सच्या विकासामुळे AI कंपन्यांची कॉपीराइट केलेल्या सामग्रीवरील अवलंबित्व कमी होऊ शकते. हे AI उद्योगात नवकल्पना आणि स्पर्धेला प्रोत्साहन देऊ शकते.

तांत्रिक उपाय

AI मुळे निर्माण होणार्‍या कॉपीराइट आव्हानांना संबोधित करण्यात तांत्रिक उपाय देखील भूमिका बजावू शकतात. उदाहरणार्थ, AI प्रशिक्षणात कॉपीराइट केलेल्या सामग्रीचा वापर मागोवा घेण्यासाठी वॉटरमार्किंग तंत्रज्ञानाचा वापर केला जाऊ शकतो. यामुळे कॉपीराइट धारकांना त्यांच्या कामांच्या वापरावर लक्ष ठेवता येईल आणि अनधिकृत वापराच्या घटना ओळखता येतील.

शिवाय, उल्लंघन करणारी कामे शोधण्यासाठी आणि प्रतिबंधित करण्यासाठी AI तंत्रज्ञानाचा वापर केला जाऊ शकतो. उदाहरणार्थ, AI-शक्तीवर आधारित साधने कॉपीराइट केलेल्या कामांसारखीच मोठ्या प्रमाणात असलेली सामग्री ओळखण्यासाठी वापरली जाऊ शकतात.

पुढील मार्ग

AI प्रशिक्षणात कॉपीराइट केलेल्या सामग्रीचा वापर करण्याच्या आसपासची चर्चा जटिल आणि बहुआयामी आहे. याचे कोणतेही सोपे उत्तर नाही. तथापि, कॉपीराइट कायदा मजबूत करून, पारदर्शकता आणि उत्तरदायित्व वाढवून, पर्यायी उपायांचा शोध घेऊन आणि AI कंपन्या आणि कॉपीराइट धारकांमध्ये खुला संवाद साधून, आम्ही एक असे framework तयार करू शकतो जे सर्व भागधारकांच्या हिताचे संतुलन राखेल आणि बौद्धिक संपत्ती हक्कांचे संरक्षण करताना नवकल्पनांना प्रोत्साहन देईल. डेटा (वापर आणि प्रवेश) विधेयक या दिशेने एक महत्त्वपूर्ण पाऊल आहे, जे या गंभीर समस्यांचे निराकरण करण्यासाठी आणि डिजिटल युगात कॉपीराइट कायद्याला आकार देण्यासाठी एक विधायी मार्ग प्रदान करते. आत्ता घेतलेल्या निर्णयांचे सर्जनशील उद्योगांवर आणि AI च्या विकासावर येत्या अनेक वर्षांपर्यंत टिकणारे परिणाम होतील.