حقوق مالکیت در برابر امنیت ملی؛ چالش جدید آموزش مدل‌های زبانی

اگر امروز یک نویسنده یا روزنامه‌نگار هستید، احتمالاً متوجه شده‌اید که آثار شما بدون پرداخت حتی یک سنت، سوختِ موتورهای هوش مصنوعی شده است. اکنون دولت آمریکا رسماً اعلام کرده که این روند نه تنها قانونی است، بلکه برای امنیت ملی ضروری است.

وزارت دادگستری ایالات متحده (DOJ) در اقدامی جنجالی وارد پرونده‌های حقوقی خصوصی شده تا استدلال کند که آموزش مدل‌های زبانی بزرگ (LLM) — شبیه کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — مصدااق «استفاده منصفانه» (Fair Use) است. این حرکت عملاً وزن دولت فدرال را پشت OpenAI و سایر آزمایشگاه‌های هوش مصنوعی قرار می‌دهد و احتمالاً حق دریافت هزینه‌ی لایسنس را از تولیدکنندگان محتوا می‌گیرد.

این نبرد حقوقی در حالی رخ می‌دهد که شرکت‌های هوش مصنوعی از چت‌بات‌های ساده به سمت عامل‌های (Agents) پیچیده حرکت می‌کنند. همان‌طور که در تحلیل قبلی ما درباره‌ی پیشرفت‌های مدل‌های استدلالی اشاره کردیم، دست‌یابی به نرخ موفقیت ۷۲.۶ درصدی مدل GPT-6 Astra در وظایف OSWorld 2.0، کاملاً به مجموعه‌داده‌های عظیم و اغلب بدون مجوز وابسته است. اکنون بحث دیگر بر سر مالکیت معنوی نیست؛ بحث بر سر این است که چه کسی مواد خامِ «هوش» را در اختیار دارد.

تصور کنید اینترنت کتابخانه‌ای غول‌پیکر است که شرکت‌های هوش مصنوعی نه تنها کتاب‌ها را می‌خوانند، بلکه میلیون‌ها جلد را اسکن کرده و نسخه‌های اصلی را دور می‌اندازند. طبق گزارش‌های منتشر شده، برخی شرکت‌ها کتاب‌های فیزیکی را به‌صورت عمده می‌خرند، آن‌ها را تکه‌تکه کرده، اسکن می‌کنند و باقی‌مانده‌ها را دور می‌ریزند. برای بسیاری از ناشران، این «نوآوری» نیست، بلکه سرقت در مقیاس صنعتی است.

زمینه‌ی بلع گسترده داده‌ها

از ابتدای سال ۲۰۲۳ و ظهور هوش مصنوعی زاینده، این صنعت بر پایه‌ای از دانش تقریباً نامحدود استوار بوده است. مدل‌های OpenAI و Anthropic تقریباً تمام محتواهای دارای حق چاپ که در وب در دسترس بود را بلعیده‌اند.

این فرآیند بلع داده‌ها اغلب برای سازندگان نامرئی است. برای مثال، بررسی پایگاه داده تسویه‌های شرکت Anthropic نشان می‌دهد که این شرکت کتاب The Flexible Enterprise را اسکن کرده و آن را در مجموعه‌ی داده‌های مدل Claude گنجانده است، بدون آنکه از نویسنده اجازه بگیرد یا حتی یک حساب کاربری رایگان در اختیار او قرار دهد.

این تصاحب سیستماتیک مالکیت معنوی منجر به موجی از شکایت‌ها از سوی هر دو گروه، یعنی شرکت‌های عظیم و سازندگان مستقل شده است. این نبرد حقوقی اکنون به تقابلی تبدیل شده است میان میل به سلطه‌ی تکنولوژیک و حق بنیادین سازندگان برای دریافت دستمزد در برابر آثارشان.

قمار حقوقی وزارت دادگستری

در ۱ سپتامبر ۲۰۲۶، وزارت دادگستری آمریکا یک «بیانیه‌ی علاقه» (Statement of Interest) را به دادگاه منطقه‌ی جنوبی نیویورک ارائه کرد. دولت در این پرونده‌ها طرف دعوا نیست، اما تلاش می‌کند بر حکم دادگاه در پرونده‌های مربوط به Ziff Davis، The New York Times و نویسندگانی چون جورج آر. آر. مارتین تأثیر بگذارد. این رویکرد در راستای سیاست‌های کلی دولت است که پیش‌تر نیز در پرونده نیویورک تایمز، آموزش مدل‌های هوش مصنوعی را مصداق استفاده منصفانه دانست تا مسیر توسعه این فناوری هموار شود.

این اقدام به‌ویژه غیرمعمول است زیرا دولت در اختلافی میان دو طرف خصوصی، عملاً «کفه ترازو را به نفع یکی سنگین می‌کند». اظهارات وزارت دادگستری فراتر از پرونده Ziff Davis است و گروه گسترده‌تری از شاکیان را شامل می‌شود؛ از جمله Chicago Tribune, The Sun-Sentinel Company, The San Jose Mercury News و هنرمندانی مثل مایکل شابون و سارا سیلورمن.

مقاماتی چون استنلی وودوارد جونیور (Associate Attorney General)، برت شومیت (Assistant Attorney General for the Civil Division) و مایکل ویسبوک (Senior Counsel) استدلال می‌کنند که آموزش مدل‌های زبانی «به‌شدت تحول‌آفرین» (Exceedingly Transformative) است. آن‌ها معتقدند چون مدل نهایی، بیان، معنا یا پیام جدیدی خلق می‌کند، طبق دکترین استفاده منصفانه، باید از اتهام نقض حق چاپ معاف شود.

چهار ستون استدلال دولت

موضع وزارت دادگستری بر چهار ادعای اصلی استوار است:

• آسیب بازار: دولت این ایده را که آثار تولید شده توسط هوش مصنوعی در همان ژانر آثار اصلی باعث ضرر مالی می‌شوند، رد می‌کند. این ادعا واقعیت تلخ این است که بسیاری از سایت‌ها به دلیل قابلیت AI Overviews، نزدیک به ۴۰ درصد از ترافیک جست‌وجوی خود را از دست داده‌اند.
• رقابت‌پذیری آمریکا: دولت مدعی است الزام به پرداخت لایسنس، سرعت توسعه هوش مصنوعی در آمریکا را مختل می‌کند و امنیت ملی به سرعت تکرار و بهبود مدل‌ها وابسته است. با این حال، منتقدان می‌گویند بازنشر یک نقد مقایسه‌ای درباره «موس‌های عمودی» در ChatGPT برای کاربران، در واقعیت هیچ تاثیری بر ارتقای امنیت ملی ندارد.
• موانع ورود: DOJ پیشنهاد می‌کند که هزینه‌ی لایسنس باعث می‌شود برای شرکت‌های جدید ساخت LLMها بیش از حد گران شود. این استدلال این حقیقت را نادیده می‌گیرد که مانع اصلی ورود، قدرت محاسباتی (Compute) در مقیاس سیاره‌ای است، نه هزینه‌ی محتوا.
• متخاصمان خارجی: دولت استدلال می‌کند چون رقبای خارجی در هر صورت محتوا را می‌دزدند، آمریکا باید برای حفظ برتری و داشتن مزیتی معادل، حق چاپ را نادیده بگیرد. این یعنی آمریکا باید برای رقابت، رفتارهای غارتگرانه سایر ملت‌ها را تقلید کند.

استدلال اقتصادی متقابل

ویوک شاه، مدیرعامل Ziff Davis، معتقد است ادعای «مانع ورود» از نظر منطقی غلط است. او اشاره می‌کند که مانع واقعی، سخت‌افزار و قدرت پردازش است نه هزینه‌ی لایسنس.

شاه خاطرنشان می‌کند که OpenAI به سرمایه‌گذاران خود گفته است که انتظار دارد تا سال ۲۰۳۰ حدود ۷۵۰ میلیارد دلار هزینه محاسبات داشته باشد. در مقابل، کل پرداخت‌های لایسنس و حق‌الامتیاز صنعت موسیقی آمریکا سالانه زیر ۲۰ میلیارد دلار است. برای شرکتی که نزدیک به یک تریلیون دلار خرج تراشه و برق می‌کند، هزینه‌ی لایسنس تنها یک «خطای گرد کردن» (Rounding Error) در حساب‌هاست.

او هشدار می‌دهد که استفاده بدون مجوز، تهدیدی وجودی برای اقتصاد تولید محتوای اصیل است. شاه با اشاره به سازمان‌های مدیریت حقوق اجرای موسیقی مثل ASCAP (انجمن آهنگسازان، نویسندگان و ناشران آمریکا) و BMI (شرکت موسیقی پخش)، می‌گوید ساختارهای آماده و ساده‌ای برای پرداخت حق‌الامتیاز وجود دارد که می‌توان آن‌ها را برای هوش مصنوعی به کار گرفت.

تهدید برای اکوسیستم اطلاعاتی

اگر تولیدکنندگان حرفه‌ای محتوا ورشکست شوند، «قرارداد نانوشته‌ی وب آزاد» می‌شکند. دهه‌ها ناشران اجازه دادند موتورهای جست‌وجو محتوا را ایندکس کنند تا در عوض ترافیک بگیرند. اما مدل‌های هوش مصنوعی کاربر را در خود نگه می‌دارند و پاسخ را مستقیماً ارائه می‌دهند، بنابراین انگیزه‌ی بازدید از منبع را از بین می‌برند.

این وضعیت خلأ خطرناکی ایجاد می‌کند. اگر سازمان‌های معتبری مثل نیویورک تایمز یا Ziff Davis نابود شوند، جای آن‌ها را این‌ها می‌گیرند:

۱. پروپاگاندای دولتی: رسانه‌هایی مثل RT (روسیه امروز) که بخشی از نهاد دولتی ANO TV-Novosti است و با بودجه دولتی برای پیشبرد دستور کارهای خاص اداره می‌شود. این رسانه‌ها اغلب محتوای خود را از طریق فیس‌بوک به آمریکایی‌هایی می‌رسانند که شاید متوجه نشوند در حال مصرف پروپاگاندای دولتی هستند.
۲. زباله‌های هوش مصنوعی (AI Slop): محتواهای بی‌کیفیت و خودکار که برای فریب الگوریتم‌ها ساخته می‌شوند، نه برای آگاه کردن انسان‌ها.
۳. جزیره‌های پولی (Paywalls): وب‌سایتی که هر تکه اطلاعات مفید در آن پشت اشتراک پولی است و جریان آزاد دانش می‌میرد و دسترسی به اطلاعات در وب آزاد محدود می‌شود.

ریسک «ساده‌لوحی» جمعی

خطر جدی توقف تولید محتوای حرفه‌ای وجود دارد. اگر بعد از سال ۲۰۲۳ محتوای انسانی جدیدی تولید نشود، جهان به آینده‌ای شبیه فیلم Idiocracy می‌رود؛ جایی که سطح هوش جامعه افت می‌کند و محیط اطلاعاتی به یک حباب ایدئولوژیک تبدیل می‌شود.

در دهه‌های ۸۰ و ۹۰، هوش مصنوعی در قالب «سیستم‌های خبره» وجود داشت. این سیستم‌ها برای حوزه‌های خاص دست‌چین شده بودند، اما چون اقتصاد محتوا و اینترنت پرسرعت فعلی وجود نداشت، هرگز بازار بزرگی نشدند. بدون تولیدکنندگان حرفه‌ای که توسط یک اقتصاد سالم حمایت شوند، ما لایه‌ی سازندگان حرفه‌ای را از دست می‌دهیم و فقط با کسانی می‌مانیم که محتوا می‌سازند تا دستور کاری را پیش ببرند یا داده‌های موجود را مسموم کنند.

پیامدهای امنیت ملی

امنیت ملی واقعی از داشتن سریع‌ترین مدل نمی‌آید، بلکه از داشتن یک اکوسیستم اطلاعاتی پویا، مستقل و دقیق حاصل می‌شود. اگر آمریکا احترام به مالکیت معنوی را رها کند، ریسک آینده‌ای را می‌پذیرد که در آن تنها منابع «معتبر»، منابعی هستند که توسط متخاصمان تامین مالی شده‌اند.

اگر دولت رقابت‌پذیری هوش مصنوعی را اولویت می‌داند، باید پایداری اقتصادی سازندگانی که سوخت این هوش مصنوعی هستند را هم اولویت ببیند. بدون داده‌های تازه و انسانی، مدل‌های هوش مصنوعی در نهایت دچار رکود می‌شوند و در حلقه‌ای از آموزش روی خروجی‌های خودشان، دچار کاهش هوش می‌گردند.

این تغییر در سیاست‌ها می‌تواند اساساً نحوه ارزش‌گذاری ما از دانش را تغییر دهد. ما به سمتی می‌رویم که عملِ خلق از عملِ دریافت دستمزد جدا شود. اگر سودآوری تحریریه از بین برود، تنها منابع باقی‌مانده برای محتوای «جدید»، فروشندگان محصولات، سازمان‌های دولتی و شیادان تبلیغاتی خواهند بود.

تعمیق بحث لایسنس

لایسنس یک مانع فنی یا غیرقابل عبور نیست؛ پرداخت‌های خرد دیجیتال صرفاً مجموعه‌ای از فراخوانی‌های API هستند. مدل صنعت موسیقی ثابت می‌کند که این سیستم قابل اجراست و ادعای کاهش رقابت‌پذیری آمریکا در برابر آن غیرقابل دفاع است:

• دسترسی همگانی: لایسنس باید برای همه باشد، نه فقط ستاره‌ها. همان‌طور که اسپاتیفای هم تیلور سویفت (با ۱۰۰ میلیون شنونده بیشتر) و هم یک هنرمند مستقل را شناسایی و به BMI متصل می‌کند، این زیرساخت برای محتوا هم ممکن است.
• لایسنس لایه‌بندی شده: برای عملکردهای مختلف هوش مصنوعی، لایسنس‌های متفاوتی لازم است. آموزش، بازیابی آنی (Retrieval)، نقل‌قول، خلاصه‌سازی و تولید پاسخ هر کدام اهداف متفاوتی دارند و ممکن است به ساختارهای پرداخت متفاوتی نیاز داشته باشند.
• سیستم‌های قابل حسابرسی: برای موفقیت، این چارچوب باید شفاف و قابل حسابرسی باشد تا سازندگان مطمئن شوند بابت استفاده از اثرشان منصفانه پرداخت دریافت کرده‌اند.

تکامل دسترسی به اطلاعات

ما شاهد تغییر دسترسی از کتابخانه‌های فیزیکی به باز بودن دیجیتال بودیم. در گذشته، دانش به موجودی یک کتابخانه کوچک محلی یا توانایی خرید یک کتاب خاص از فروشگاه محدود بود. آمازون و وب این وضعیت را تغییر دادند و دسترسی آنلاین را جایگزین مجلات تخصصی کردند.

اما تحول فعلی متفاوت است. این فقط تغییر در نحوه تحویل نیست، بلکه تغییر در «پایداری اقتصادی منبع» است. اگر اقتصاد محتوا نابود شود، دوباره به دنیای اطلاعات بسته برمی‌گردیم، اما این بار با دیوارهای دیجیتال و خزنده (Crawler)های محدود شده.

ملاحظات نهایی برای وزارت دادگستری

اگر دولت آمریکا هوش مصنوعی را اولویت امنیت ملی می‌داند، باید داده‌های تغذیه‌کننده آن را هم یک دارایی امنیت ملی ببیند. اجازه دادن به نابودی بازار اطلاعات حرفه‌ای از طریق اسکرپینگ (Scraping)، یک نقطه ضعف استراتژیک ایجاد می‌کند.

وقتی رسانه‌های حرفه‌ای دیگر نتوانند هزینه‌های خود را تامین کنند، این خلأ توسط کسانی پر می‌شود که دستور کار سیاسی دارند. سازمان‌های خبری مورد حمایت دولت‌ها فرصتی طلایی خواهند داشت تا به «منابع حقیقت» جدید برای موتورهای جست‌وجو و مجموعه‌های آموزشی هوش مصنوعی تبدیل شوند. این ریسک بسیار بیشتر از هزینه لایسنس‌هایی است که به گفته ویوک شاه، در برابر بودجه ۷۵۰ میلیارد دلاری OpenAI تا سال ۲۰۳۰، تنها یک عدد ناچیز است.

روند احکام دادگاه منطقه‌ی جنوبی نیویورک را دنبال کنید، زیرا این حکم تعیین می‌کند آیا دفاع از «استفاده منصفانه» می‌تواند مدل کسب‌وکار فعلی هوش مصنوعی را از نظر قانونی پشتیبانی کند یا خیر.

گام بعدی شما

• اگر تولیدکننده محتوا هستید، ابزارهای مدیریت حق چاپ و پلتفرم‌های لایسنسینگ جدید را دنبال کنید.
• برای کسب‌وکارها: استراتژی توزیع محتوا را از تکیه بر ترافیک جست‌وجو به سمت ساخت برندهای مستقیم تغییر دهید.
• روند احکام دادگاه منطقه‌ی جنوبی نیویورک را دنبال کنید، زیرا این حکم تعیین می‌کند مدل کسب‌وکار فعلی هوش مصنوعی قانونی است یا خیر.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.