Salesforce подала в суд за незаконное использование данных для обучения ИИ

Компания Salesforce столкнулась с иском о классовом действии из-за предполагаемого незаконного использования данных для обучения искусственного интеллекта. Новый иск был подан в федеральный суд Сан-Франциско и обвиняет программного гиганта Salesforce в том, что он построил свои модели ИИ XGen на украденной библиотеке книг, а затем удалил упоминания о источниках после возникновения вопросов.

Иск был подан в среду авторами Э. Молли Танзер и Дженнифер Гилмор, основан под Законом об авторском праве, утверждая о продолжающемся нарушении. В нем говорится, что Salesforce `продолжает это делать, продолжая хранить, копировать, использовать и обрабатывать наборы данных, содержащие копии авторских книг истцов`.

В жалобе говорится, что Salesforce.INC `украл сотни тысяч защищенных авторским правом книг для разработки своей серии больших языковых моделей XGen`, полагаясь на `известные наборы данных RedPajama и The Pile`, которые включают корпус книг, известный как Books3, коллекцию из более чем 196 000 книг, скопированных с частного трекера Bibliotik.

В подаче говорится, что Salesforce изначально указал `RedPajama-Books` среди своих источников обучения, когда запустил XGen в июне 2023 года, с инженером компании, связывающим пользователей GitHub непосредственно с обоими наборами данных.

Однако к сентябрю Salesforce якобы удалил эти ссылки со своего сайта и заменил их расплывчатыми описаниями `данных естественного языка`, извлеченных из `публично доступных источников`.

Платформа Hugging Face, размещающая Books3, удалила набор данных следующим месяцем, сославшись на жалобы об авторских правах, говорится в иске.

В иске утверждается, что Salesforce использовал The Pile для обучения своих моделей CodeGen в 2022 году, а затем коммерциализировал технологию через свою платформу Agentforce AI, включая модель XGen-Sales, выпущенную в октябре 2024 года.

Два месяца спустя Salesforce якобы очистил свои раскрытия, удалив диаграммы и ссылки на `RedPajama-Books` и заменив их расплывчатым языком о `смеси публично доступных данных`, прежде чем заявить к декабрю 2023 года, что его модели использовали `законно соответствующий набор данных` без упоминания RedPajama.

Ишита Шарма, управляющий партнер Fathom Legal, сказала изданию Decrypt, что авторам необходимо `доказать реальный финансовый ущерб, а не только то, что их книги использовались для обучения`, отметив, как судья Винс Чабрия недавно отклонил аналогичные претензии против Meta, утверждая, что `просто утверждать `наша работа использовалась` недостаточно.`

Недавние судебные решения благоприятствовали OpenAI и Anthropic в аналогичных делах, судьи находили, что авторы не смогли доказать ущерб для рынка, хотя один критиковал Anthropic за то, что она поддерживает `постоянную библиотеку украденных книг`.

“Использование публичных наборов данных, таких как RedPajama или The Pile, не автоматически исключает умышленное нарушение,” сказала Шарма, добавив: `если они знали или игнорировали, что защищенные авторским правом произведения были включены, суды все равно могут найти неосторожное пренебрежение.`

“Если ИИ не может воспроизвести части оригинального произведения, сами веса модели не считаются нарушением авторских прав,” добавила она.

Жалоба ссылается на заявления генерального директора Salesforce Марка Бениффа, который в интервью Bloomberg в январе 2024 года сказал, что компании ИИ `украли` данные для обучения и что `все данные для обучения были украдены`.

Авторы требуют сертификации класса для всех держателей авторских прав в США, чьи произведения использовались с октября 2022 года, требуя фиксированных убытков, уничтожения нарушающих копий, возврата прибыли, декларации о преднамеренном нарушении и гонораров адвокатов.