Meta, telifli veriler içeren 81,7 TB'lık veri setini torrent ile indirip seed etti
(arstechnica.com)- Kamuya açılan iç e-postalar ve mahkeme belgeleri, Meta'nın yapay zeka eğitimi için korsan kitap veri setlerini torrent ile indirip bir kısmını seed ettiğine dair yazarların iddialarını somutlaştırıyor
- Tartışmanın odağında, Anna’s Archive ve LibGen gibi kaynaklardan elde edilen verinin ölçeğinin en az 81,7 TB olup olmadığı ve bu sürecin yalnızca indirmeyle sınırlı kalmayıp dağıtıma da dönüşüp dönüşmediği yer alıyor
- İç mesajlarda, şirket dizüstü bilgisayarları ve Meta IP adresleriyle torrent kullanılması konusunda kaygılar yer alıyor; yazarlar da bunu Meta'nın hukuki riskin farkında olduğuna işaret eden bir unsur olarak görüyor
- Meta'nın Facebook sunucularını kullanmaktan kaçınıp ayarları değiştirerek seeding'i en aza indirmeye çalıştığına dair işaretler, indirme ve seeding takibinin farkında olup olmadığını belirlemede temel dayanak haline geliyor
- Meta ise LibGen tabanlı yapay zeka eğitiminin adil kullanım kapsamında olduğunu savunuyor ve davacıların üçüncü tarafların gerçek indirme örneklerini kanıtlayamadığını öne sürüyor
Kamuya açılan e-postaların ortaya koyduğu dava başlıkları
- Kitap yazarlarının Meta'ya karşı açtığı telif hakkı davasında kamuya açılan e-postalar, Meta aleyhine önemli deliller olarak kullanılıyor
- Yazarlar, Meta'nın AI modellerini korsan kitaplarla eğittiğini öne sürüyor
- Meta, geçen ay tartışmalı büyük veri seti LibGen'i torrent ile indirdiğini kabul etmişti; ancak yöntemin ve ölçeğin ayrıntıları kamuya açılana kadar net değildi
Torrentin ölçeği ve verinin kaynağı
- Yazar tarafının mahkemeye sunduğu belgelere göre Meta'nın Anna’s Archive üzerinden çeşitli shadow library kaynaklarından en az 81,7 TB veriyi torrent ile indirdiği iddia ediliyor
- Bunun en az 35,7 TB'ı Z-Library ve LibGen verileriydi
- Meta'nın daha önce yalnızca LibGen'den 80,6 TB veri torrent ile indirdiği iddiası da yer alıyor
- Yazar tarafı, Meta'nın torrent hacmini “şaşırtıcı düzeyde” olarak nitelendiriyor ve Meta'nın kopyaladığı öne sürülen eserlerin yalnızca %0,008'ine denk gelen çok daha küçük çaplı veri korsanlığının bile cezai soruşturma talebine konu olduğu örnekleri mahkemeye sunduğunu belirtiyor
Seeding'in doğrudan ihlal iddiasına etkisi
- Yazarlar, Meta'nın torrent kullanımının yalnızca indirmeyle sınırlı kalmayıp seeding içerip içermediğine odaklanıyor
- Seeding, torrent dosyalarının dışarıya paylaşılmasına yol açabildiği için, yazar tarafının doğrudan telif hakkı ihlali iddiasındaki dağıtım teorisini güçlendiren bir unsur olarak öne çıkıyor
- Meta, yazarların Meta'nın torrent ve seeding verilerini inceleme girişimlerine karşı çıktı; mahkeme de daha önce yazarların inceleme talebini reddetti
- Bunun ardından yazarlar ayrı deliller elde ettiklerini ve iç belgelerde Meta çalışanlarının torrent kullanımının hukuki risklerinin farkında olduğunu gösteren işaretler bulunduğunu öne sürüyor
İç mesajlarda görülen hukuki kaygılar
- Meta araştırma mühendisi Nikolay Bashlykov, Nisan 2023 tarihli bir mesajında “şirket dizüstü bilgisayarında torrent kullanmak doğru hissettirmiyor” diye yazdı ve Meta IP adresleri üzerinden “torrent yoluyla pirate content yüklenmesi” konusunda kaygı dile getirdi
- Eylül 2023'te Bashlykov, hukuk ekibine doğrudan danışarak torrent kullanımının dosyaların seed edilmesi, yani içeriğin dışarıyla paylaşılması anlamına geldiğini ve bunun “hukuken sorunlu olabileceğini” vurguladı
- Yazar tarafı, bu e-postaları Meta'nın söz konusu eylemin yasadışılığını bildiğine dair kanıt olarak görüyor
- Yazar tarafının iddiasına göre Meta, Nisan 2024'e kadar çeşitli shadow library kaynaklarından terabaytlarca veriyi indirip seed ederken torrent kullanımını mümkün olduğunca gizlemeye çalıştı
Seeding'i gizleme iddiası ve Meta'nın yanıtı
- Yazar tarafı, Meta'nın veri setlerini indirirken Facebook sunucularını kullanmayarak “seeder/downloader” faaliyetinin Facebook sunucularına kadar izlenmesi riskinden kaçınmaya çalıştığını iddia ediyor
- Meta araştırmacısı Frank Zhang'ın iç mesajında bu çalışma stealth mode olarak tanımlanıyor
- Proje yönetiminden sorumlu yönetici Michael Clark'ın ifadesine göre Meta, mümkün olduğunca seeding'i en aza indirmek için ayarları değiştirdi
- Yazar tarafı, yeni bilgilerin önceki ifadelerle çeliştiğini ve LibGen torrent kararına dahil olan Meta çalışanlarının yeniden sorgulanması gerektiğini savunuyor
- Mark Zuckerberg, LibGen'in AI model eğitiminde kullanılması kararına dahil olmadığını savundu; ancak yazar tarafı kamuya açılan mesajların kararın “MZ”ye önceden eskale edilmesinden sonra alındığını gösterdiğini öne sürüyor
Adil kullanım savunması ve kalan süreç
- Meta, dava süreci boyunca LibGen kullanılarak yapılan AI eğitiminin adil kullanım kapsamına girdiğini savunmayı sürdürdü
- Meta, geçen ayki reddetme başvurusunda davacıların, Meta'nın torrenti üzerinden üçüncü tarafların kitapların bir bölümünü gerçekten indirdiğine dair tek bir örnek bile sunamadığını ve davacıların kitaplarının Meta tarafından dağıtıldığını da kanıtlayamadığını ileri sürdü
- Sınırlı delil toplama süreci Meta'nın seeding meselesine odaklanarak ilerlerken, Meta şu anda doğrudan telif hakkı ihlali talebinin seeding kısmına özel olarak itiraz etmiyor
- Meta, özet karar aşamasında kaydı düzelteceğini ve söz konusu iddiaların temelsiz olduğunu mahkemede göstereceğini bildirdi
1 yorum
Hacker News yorumları
LLM'lerin telifli eserleri ansiklopedi gibi bildiğine bakınca, hepsinin benzer şeyler yaptığını düşünüyorum.
Daha geniş bakarsak YouTube da başta bir hayalet şehirdi; telif hakkı olan TV programları yüklenince büyüdü. Google da başkalarının verilerini karşılık ödemeden indeksleyerek büyüdü; Spotify'ın ilk müzik arşivi de korsandı.
Şirketler kendi fikri mülkiyet haklarını agresif biçimde korurken başkalarının haklarını ihlal etmekten çekinmiyor; ama bireylerin böyle bir ayrıcalığı yok. MIT'de bir dolaba dizüstü bilgisayar takıp makale indirirseniz hayatınızı kaybedersiniz.
Dijital ürünlere para vermeyin. Netflix fiyat artırsa da tüm diziler torrent'te var; Spotify fiyat artırsa da sevdiğiniz sanatçının tüm diskografisi torrent'te var; oyun şirketleri dijital kıyafetlere gerçek hayattaki fiyatları isterse crack bulun ve özel sunucuda oynayın.
Milyar dolarlık şirketler sizi umursamadıklarını gösterdi; maaş kaybetmekten yakınanlara verilecek tek cevap “para ödediğiniz için teşekkürler” olmalı. Yaratıcıları doğrudan desteklemek istiyorsanız konsere gidin ya da çek gönderin; gerçekten zarar görecek kişiyi işaret edemiyorsanız bunu dert etmeyin.
Artık “telif hakkı yaratıcılığı teşvik eder” mantığına neredeyse hiç inanmıyorum. Telif hakkı, reklam gibi dev şirketlerin üretimini teşvik ediyor; ama yine reklam gibi çoğunlukla düşük değerli üretimi de teşvik ediyor.
Yaratıcı bireylerin ihtiyacı olan şey telif hakkı değil; doğal olarak fışkıran yaratıcılığa zaman ayırma özgürlüğü veren bir güvenlik ağı. Amaç yaratımı teşvik etmekse, telif hakkı temel gelirin berbat ve pahalı bir ikamesi.
Reddit'in kurucu ortaklarından ve bir aktivist olan Swartz, sırf JSTOR'dan çok sayıda akademik makale indirdiği için 35 yıl hapis ve 1 milyon dolar para cezası riskiyle karşı karşıya kaldı; bu baskı yüzünden sonunda hayatını kaybetti. Huzur içinde yatsın.
Herkese açık web sitelerini tarayıp arama indeksi oluşturmak, kaynak göstermeden orijinal metni aynen yeniden üretebilen bir LLM yapmakla aynı şey değil. Yine de LLM'in nihai dönüştürücü niteliği konusunda tartışma payı var.
Spotify'ın müzik arşivi de halka genel olarak sunulan sürüm değildi; bunu hak sahiplerinin izniyle yapmış gibi görünüyor.
Ondan daha önce de Britanya İmparatorluğu, İspanyollardan altın çalarak sıçrama yaptı; İspanya da Azteklerden ve Meksika'nın yerli halklarından sömürüyle besleniyordu.
Bunlar hep olan şeyler; ama kültür fiziksel bir widget gibi işlemez. Bu yüzden DRM, telif hakkı, patent gibi yapay kıtlık araçlarıyla dijital kopyalamanın faydalarının az sayıdaki kişi tarafından çalınmasına izin verilmemeli.
Yapay zeka şirketlerinin modellerini nasıl eğittiğini öğrendikçe, geri kalanımızın sadece enayi olduğu daha da netleşiyor.
Hukukun önemli olduğuna, işimizde yaptığımız şeyleri asla çarpıtmamamız veya gizlemememiz gerektiğine, kendi kullanım şartlarımıza ve diğer site/ürünlerin şartlarına uymamız gerektiğine inanıyorduk.
Web sitelerine ya da içeriklere kayıt olurken, karşı tarafın erişime izin verip vermemeye makul biçimde karar verebilmesi için her zaman şirket e-postası kullanmamız gerektiğini düşünüyorduk; ama aslında en başından YOLO tarzı bastırmamız gerekiyormuş. Yakalanana kadar yasa dışı değildir; yakalanmadan önce yeterince büyürseniz kurallar size uygulanmaz.
Etik davranmanın ödülü, ne yazık ki bazen yalnızca kişisel tatmin oluyor. Çocukların çevrelerinde gördüğü örnekleri düşününce, böyle bir ortamda çocuk yetiştirmek gerçekten zor olmalı.
Kendinize duyduğunuz saygı için bile olsa ahlak ve dürüstlük ile hareket etmelisiniz. Büyük teknoloji şirketlerinin hukuka saygı duyduğunu hiçbir zaman sanmadım; ama bu benden ayrı bir mesele.
Görünüşe göre pek risk değerlendirmesi ya da etik bilinci olmadan, büyüme hackleme deneylerini el yordamıyla tek tek yapmışlar.
Yakalandığınızda yalnızca yanlış türden insan iseniz yasa dışıdır. Doğru türden insan için bileğe hafifçe vurmak bile yok.
Meta'nın LLM'i telifli materyallerle eğitip eğitmediğinin neden soru konusu olduğunu anlamıyorum. Makalelerinde böyle yazıyor
LLaMA makalesinde [Touvron et al., 2023] “eğitim veri setine iki kitap derlemi dahil ettik: Gutenberg Project ve ThePile'ın Books3 bölümü” deniyor
Bu referansı takip edince Books3'ün, Shawn Presser'ın yayımladığı Bibliotik özel tracker içerik kopyasından türetilmiş bir kitap veri seti olduğu görülüyor. (Presser, 2020) https://twitter.com/theshawwn/status/1320282149329784833 adresine işaret ediyor ve komik biçimde şu DMCA politikasına da atıf yapıyor: https://the-eye.eu/dmca.mp4
Üstelik GitHub, web sayfaları ve ArXiv ile de eğittiklerini söylediler; bunların hepsi telifli içerik barındırıyor. Asıl soru, telifli materyallerle eğitilmiş yapay zeka modellerini, ağırlıklarını ve çıktılarını eğitmenin, kullanmanın ve dağıtmanın yasal olup olmadığı; telifli materyallerle eğitildiği gerçeği ise kesin
[Touvron et al., 2023] https://arxiv.org/pdf/2302.13971
[Gao et al., 2020] https://arxiv.org/pdf/2101.00027
Bu, eğitilmiş LLM'lere ilişkin tartışmadan bağımsız, ayrı bir ihlal
İlki, kamuya açık şekilde erişilebilen telifli materyallerle eğitim. Bir şiir yazıp tüm dünyanın okuması için internete koyarsanız bu sizin fikri mülkiyetinizdir ve başkası alıp satamaz; ama okumak ve ilham almak serbesttir. Bu durumda eğitimin yasallığı mahkemelerde ele alınıyor ve şu ana kadar LLM tarafı lehine görünüyor
İkincisi, kamuya açık olmayan telifli materyallerle eğitim. Fiilen korsan kopyalar ya da bedel ödemekten kaçınmak için dolambaçlı yoldan elde edilmiş materyaller. Bir ödeme duvarının arkasındaki şiir, karşılığı ödenmeden LLM'e öğretilmişse, eseri görmek için yasal olarak para ödemek gerektiğinden bu basbayağı yasa dışıdır. Ancak bir arşive erişim hakkı satın alıp içindeki her şeyi eğitmek gibi koşullar ayrıca değerlendirilebilir
Kullanıcı modelden ham veri parçalarını hack'leyip kolayca çıkarıyor ve sadece stilini değiştirerek benzer görünmesini sağlıyorsa, bunun gerçekten telif hakkı ihlali olup olmadığı tartışmalı. Ya iki model gerekiyorsa?
Artık insanların doğrudan intihal girişimlerini ayırt etme yetisinin çoktan sınırına dayandığını kabul etmemiz gerekebilir. Sky sesi ile Her sesini ayırt etmenin zor olması gibi
Thomas Babington Macaulay'in telif hakkı konuşmasını mutlaka okumanızı şiddetle öneririm. Telif hakkının amacını, süresini ve risklerini çok mantıklı biçimde açıklıyor
Özellikle, bir yazarın ailesini yoksulluk içinde bırakıp öldüğü durumlar örnek gösterilerek telif süresini uzatmanın bunu önlemenin adil bir yolu olduğu sıkça savunulmuştu; fakat çoğu durumda geride kalan aile hiçbir zaman telif hakkına sahip olmamıştı
Yazar başta çoğaltma hakkını yayıncıya satmış, yayıncı da eseri yayımlamadan bekletmiş ve yoksulluğa düşen yazarı telif hakkını tamamen çok düşük bir bedelle devretmeye zorlamıştı. Böyle durumlarda telif süresinin uzatılması yalnızca yayıncıya yarar sağlar ve hatta telif hakkını gasp etme teşvikini artırır
Böyle biri bize telif hakkı mı öğretecek? Almayayım
Yazar haklarını satsa da satmasa da, telif hakkı olduğunda yazar ve ailesi aynı şekilde daha iyi durumda olur
Libgen kovuşturulması değil, desteklenmesi gereken medeniyet ölçeğinde bir proje
Umarım bir gün insanlar, insanlık tarihinin en büyük edebiyat eseri koleksiyonunu dışlayan bugünkü bizlerin ne kadar aptalca davrandığına dönüp bakar
Sitede buna özel bir sayfa var ve ödeme yaparsanız tüm veri setini yüksek hızda indirmenizi sağlıyor
Metallica Napster'a dava açtığında pek çok kişinin tepkisi “Bir dakika, müziği bedavaya indirebiliyor muyuz?” olmuştu
Çünkü bu ya GPU üreticilerine para kazandırıyor ya da OpenAI gibi ücretli hizmetlerle kendilerinin para kazanmasına yol açıyor
Yerel kütüphaneniz de muhtemelen kütüphaneler arası ödünç verme sistemine dahildir; böylece ülkedeki herhangi bir kütüphaneden bir kitabı ücretsiz talep edebilirsiniz
LibGen, bu ikisinden çok daha küçük bir eser kümesine erişim sağlıyor ve yalnızca biraz daha kullanışlı. En büyük fark, yazara hiçbir şekilde karşılık ödememesi. Gidip gerçek bir kütüphaneyi kullanın
Herkes büyük şirketlerden, özellikle de Meta’dan nefret etmeyi seviyor ve bunu cezalandırma çağrısı için bir fırsat olarak görüyor gibi
Ama daha akıllıca yol, fikri mülkiyet hukukunun değiştirilmesini savunmak olur
https://en.wikipedia.org/wiki/Aaron_Swartz#United_States_v._...
https://en.wikipedia.org/wiki/Aaron_Swartz#Death
Aaron Swartz, tacizlerin sonunda intihara sürüklendi; bu şirketler ise ellerini kollarını sallayarak çıkıp milyarlar kazanacak. Bana kalırsa tüm teknoloji şirketi CEO’larına Swartz’a yapılan muamele uygulanmalı, sonra yasa değiştirilmeli
Büyük şirketler fazla büyük ve var olmamaları gerekiyor. Bir şirket en büyük eyalet yönetimlerinden daha güçlü hâle geldiğinde bu bir özellik değil, hatadır
Fikri mülkiyet hukukunun yeniden değerlendirilmesi gerekebilir. Ama büyük şirketler hukukun üstünde olduğu için hukuku kaldıralım demek işe yaramaz. Önce büyük şirketleri ortadan kaldırmalı, sonra adil bir yasa düşünmeliyiz. Yasayı şimdi değiştirseniz de bu şirketler zaten hukukun üstünde olduğu için hiçbir şey değişmez
Yine de yanmaları gerekiyorsa doğru nedenle yanmalılar. Kamuya açık olması gereken verileri indirmiş olmaları o neden değil
Meta’ya ya da Zuck’a şikâyet etmenin anlamı yok. Meta, tasarlandığı gibi davranıyor. Hoşunuza gitmiyorsa daha fazla düzenleme için oy vermelisiniz
Eskinin çılgın internet insanlarının telif hakkı yasasının fazla katı olduğunu ve insanlığın bilgiye erişimini böyle kısıtlamanın, çok küçük bir azınlığın çıkarı uğruna herkesi geride bıraktığını düşündüğü zamanlar aklıma geliyor
Yani davalar, hapis cezaları, milyonlarca dolarlık para cezaları gerekli. Üstelik bu sadece korsanlık kısmı; bir de yalanlar ve dolandırıcılık kısmı var
İlginçtir, Hollanda’daki bir LLM projesi, yerel telif hakkı lobisi korsan e-kitap yığınlarıyla eğitildiğini öğrendikten sonra durdurma talebi aldı. Mahkemede mücadele edememeleri üzücü; aynı şeyi yapan ChatGPT ve diğer yapay zeka şirketlerini de o lobinin aşağı çekip çekemeyeceğini görmek isterdim
Milyarlarca dolarlık kaynakları var; bunun bir kısmını yeni verileri dijitalleştirmeye harcayacak kimse yok muydu? Google bile bunu yaptı
Kendi hayatına zarar verecek idealleri gerçekten savunan insanlar inanılması güç derecede nadir
Telifli içeriğin yasa dışı indirilmesi ve dağıtılmasının ötesinde, makalede Meta çalışanlarının ifadelerinde bu konuda yalan söylemiş gibi göründüğü de yazıyor
Buna potansiyel olarak Mark Zuckerberg’in kendisi de dahil olabilir
Hafif bir tepki belki ama çok fazla insan istihdam yaratanlar sunağına tapıyor ve bu kişilerin ahlaklı, iyi vatandaşlar olduğuna inanıyor
Torrent’ten indirip seed etseydim, ticari amaçla değil kişisel eğlence amacıyla yapmış olurdum; yine de büyük telif hakkı sahipleri peşime düşerdi
Meta yapınca daha iyi avukatları olduğu için sorun olmuyor mu? İlginç bir emsal karar olabilir
Şu anda aklıma Aaron Swartz geliyor