Генеративный искусственный интеллект и авторское право

Развитие генеративного искусственного интеллекта (далее - генеративный ИИ), подстегиваемое прорывами в технологиях последних лет – в частности, появлением архитектуры нейронных сетей под названием «трансформер», значительно упростившей их обучение – произвело небольшую революцию и в авторском праве. Право интеллектуальной собственности острее других ощущает на себе подобные технологические скачки. Способность машины к творчеству, ранее считавшаяся привилегией человека, породила закономерный вопрос об авторско-правовом режиме результатов этого творчества1. Количество опубликованных по данной теме научных работ за последние несколько лет таково, что в процентном выражении эта тема, вероятно, преобладает сейчас над любой другой проблематикой, относящейся к сфере интеллектуального права.

Такое положение дел объяснимо, но все же несколько удивительно. До появления нейронных сетей «традиционные» компьютерные программы также были в состоянии создавать объекты, которые применительно к деятельности человека мы характеризуем как результат творческого труда. Например, К. Ригамонти в 2006 г. отмечал, что цифровые мэшапы и сгенерированные компьютером работы ставят под сомнение общепринятое представление об авторстве2, а В.А. Корнеев в 2010 г. предлагал решать проблему авторства на произведение, сгенерированное компьютером, исходя из того, кем были заложены параметры программы (автором программы или пользователем)3. Одним словом, проблема не нова, но ранее она не была en vogue и решалась через адаптацию уже существующей доктринальной конструкции творческого труда человека к новым реалиям.

Можно было бы сказать, что неизвестное, привнесенное в уравнение генеративным ИИ, состоит в принципиально ином механизме его работы. Действительно, принцип действия больших языковых моделей и аналогичных им нейронных сетей, охватываемых ярлыком «генеративный ИИ», базируется на автономном выявлении на основе статистических корреляций тех абстрактных концепций и образов, которые содержатся в данных, предоставленных для обучения. Создаваемое по запросу пользователя изображение определенного объекта будет представлять собой не измененную копию какого-либо одного изображения, содержавшегося в данных, и не механическую комбинацию нескольких таких изображений, а некую усредненную репрезентацию объекта, которую нейронная сеть самостоятельно усвоила на основе изучения и статистического анализа всего датасета.

Результат на выходе носит вероятностный характер и не определяется в полной мере ни инструкциями пользователя, ни алгоритмами машинного обучения, ни исходными данными. Замечено, что это ставит под сомнение возможность рассматривать генеративный ИИ как исключительно техническое средство, что предполагало бы признание автором пользователя, или как набор алгоритмов, детерминирующих результат, что допускало бы признание авторства за условной фигурой программиста или разработчика4. Категория творческого труда всегда была в известном смысле «каучуковой», но и ее пластичность имеет пределы. По блестящему замечанию Дж. Гинзбург, в «офлайн»-мире выдача команды не делает автором отдавшего ее: Юлий II мог заказать роспись потолка Сикстинской капеллы, но с точки зрения Бернской конвенции автором, как и прежде, считается Микеланджело5.

К генеративному ИИ трудно применить и условный «продюсерский» подход. Подобная модель используется, в частности в английском праве: ст. 9(3) Закона об авторском праве, промышленных образцах и патентах 1988 г. указывает, что для сгенерированных компьютером литературных, драматических, музыкальных произведения и произведений изобразительного искусства автором признается лицо, которым были предприняты мероприятия, необходимые для создания работы (arrangements necessary for the creation of the work). Как отмечается, «общее мнение состоит в том, что определить лицо, ответственное за создание произведения в результате генеративного глубокого обучения, сложно, если не невозможно»6.

И все же неочевидно, что вопрос требует пересмотра основ авторского права и радикальных или даже существенных изменений в правовом регулировании. Рассуждения о результатах творчества искусственного интеллекта, кажется, часто базируются на невысказанной вслух мысли, что те достойны охраны уже в силу того, что в обыденном понимании обладают оригинальностью, имеют определенную экономическую ценность и могут быть использованы в коммерческих целях. Д. Жервэ, указывая на несостоятельность подобного аргумента, говорит, что закон может охранять то, что имеет экономическую ценность, равно как и то, что этой ценности не имеет, но нет правила, которое предписывало бы, что закон должен охранять все, что имеет экономическую ценность7. Обратный ход мысли, кажется, во многом и рождает потребность найти субъекта, которому можно было бы приписать права на такую ценность.

Необходимость охраны произведения диктуется не только и не столько его характером и свойствами, сколько осознаваемой обществом важностью охраны интересов лица, вложившего в него свой творческий труд. Тот факт, что работа по внешним признакам оригинальна, не может служить достаточным основанием для распространения на нее режима охраняемого произведения, если субъект, чьи интересы гражданский закон призван гарантировать, не существует. Как верно отмечается в литературе, проблема искусственного интеллекта – это проблема правосубъектности, а не правообъектности8. Сказанное кажется бесспорным, когда речь идет о произведениях народного творчества. В дискуссиях же о генеративном ИИ подчас забывается, что авторское право – это частное право и охраняет, строго говоря, не произведение, а связанные с ним частные интересы конкретных лиц.

В чем мог бы заключаться смысл распространения на пользователя нейронной сети статуса автора, если его творческий вклад не просто незначителен (проблема, слишком хорошо известная российскому праву в контексте охраны фотографических произведений), а сводится к формулированию одного или нескольких предложений, более или менее соответствующих правилам орфографии и грамматики? В мире, где произведение может быть создано всяким и каждым по первому требованию и без приложения усилий, признание прав на него было бы равнозначно отречению от тех теоретико-философских оснований, на которых литературная и художественная собственность покоилась с момента своего зарождения.

Аргументы, всегда служившие оправданием авторской монополии, будь то лично-правовая теория (произведение как часть личности автора), трудовая теория (произведение как приложение и результат труда автора) или теория экономического стимула (произведение как благо, создание которого обусловлено надеждой извлечь из его использования экономическую выгоду), в равной мере утрачивают смысл: генерация произведения не требует от пользователя вложения труда в объеме, которым закон не мог бы пренебречь, не нуждается в стимулировании, а ее результат не несет на себе отпечатка личности конкретного человека. Утверждение, что каждого пользователя следует признавать автором всех созданных по его запросу объектов, с точки зрения политики права тождественно ровно обратному утверждению: никто из пользователей не достоин признаваться автором, потому что каждый объект в равной степени мог быть создан по запросу любого из них.

С учетом сказанного заслуживает поддержки мнение о невозможности отнести генерируемые произведения к объектам авторских прав9. Подобные объекты по аналогии с фольклором (и по тем же причинам) должны быть выведены из-под охраны. Более того, именно задача их отделения от результатов подлинного творческого труда человека представляется первоочередной, хотя можно предположить, что решаться она должна прежде всего техническими средствами – невидимыми водяными знаками и их функциональными аналогами, возможность нанесения которых признают сами разработчики генеративного ИИ. Роль права в этой части должна сводиться к наложению на последних обязанности внедрить подобные технические средства.

Нужно заметить также, что некоторые из идей, таких как идея признания особых смежных прав за разработчиками или собственниками систем искусственного интеллекта10, вероятно, должны восприниматься с учетом потенциального риска создания монополии крупнейших технологических компаний на значительную (в будущем, надо полагать, преобладающую) часть всего творческого «контента» на планете. Механизм стимулирования экономически полезной активности через наделение смежными правами хорошо известен, и такие предложения, без сомнения, имеют смысл.

Вместе с тем опыт последних лет демонстрирует, что развитие генеративного ИИ требует столь значительных финансовых и организационных затрат, что связано исключительно с несколькими всем известными технологическими гигантами, которые имеют множество других способов возмещения своих инвестиций и едва ли нуждаются в дополнительном стимуле. Установление смежных прав стало бы привилегией в пользу сильнейшего, способной привести к очевидному дисбалансу частных и общественных интересов, а потому нежелательной. Кроме того, энтузиазм юристов несколько превышает энтузиазм самих этих компаний, которые до сих пор, кажется, не высказывали подобных мыслей и, напротив, с трудом отбиваются от обвинений в нарушении авторских прав.

Наряду с этим генеративный ИИ ставит перед нами несколько других – менее глобальных – вопросов, требующих решения. Один из них – вопрос о субъекте ответственности в случае создания произведения, нарушающего интеллектуальные права на существующие работы. Как уже было сказано, сам принцип действия нейронных сетей таков, что получаемые на выходе сведения в большинстве случаев было бы неправильно считать результатом переработки исходных данных в том смысле, какой придает этому термину авторское право, хотя нужно признать, что данный вопрос в настоящий момент нормативно остается открытым. Тем не менее возможны ситуации, в которых создаваемое произведение бесспорно может рассматриваться как производное или даже копия существующего.

М. Сэг выделяет два подобных пограничных случая. Первый связан с эффектом «меморизации» – способности нейронной сети запоминать произведения, на которых производилось обучение, что ведет к их частичному или почти полному воспроизведению. Со ссылкой на проводившиеся исследования он указывает, что данный эффект крайне редок (вероятность запоминания составляет 0,03 процента), но может проявить себя, если одно и то же изображение встречалось в данных для машинного обучения несколько раз или же в них ему было присвоено уникальное текстовое описание11.

Второй случай он шутливо именует «проблемой Снупи»12. Она, как следует из названия, наиболее активно проявляет себя в контексте охраняемых персонажей и является предельным выражением эффекта меморизации. Ее существо упрощенно можно раскрыть следующим образом: в силу того, что персонаж представляет собой набор узнаваемых, единообразных черт, которые нейронная сеть усвоила в процессе изучения множества его изображений, она воспроизведет набор этих черт, если получит запрос, содержащий отсылку к персонажу. Например, при запросе, включающем слова «дом в лесу», будет создано изображение дома в лесу, которое с высокой вероятностью не будет обладать существенным сходством ни с одним конкретным произведением. Запрос с именем персонажа при отсутствии какой-либо системы ограничения выходных данных может привести к созданию изображения, содержащего его легко опознаваемый образ.

Кто будет субъектом ответственности при использовании подобных произведений? Учитывая промышленные масштабы, в которых они могут создаваться, а также отсутствие контроля над этим процессом разработчика нейронной сети было бы явно несправедливым возлагать ответственность на него. Следует руководствоваться общим правилом, применяемым к производным и составным произведениям: нарушение исключительного права образует не их создание, а их использование без согласия правообладателя. В рамках этой логики субъектом ответственности должно быть лицо, фактически использовавшее сгенерированный объект. Это не только укладывается в уже существующую догматику авторского права, но и является, на наш взгляд, единственно возможным способом решения проблемы. Обратный подход накладывал бы на разработчика невыносимое бремя ответственности за поведение неограниченного круга лиц в ситуации, где он сам не совершал никаких действий, нарушающих исключительные права.

Другая проблема, требующая осмысления, в отличие от предыдущих связана с входными данными, то есть сведениями, используемыми для обучения нейронной сети. Машинное обучение предполагает ее тренировку на огромных объемах информации, при этом качество и точность выходных данных находится в зависимости от количества входных. Вероятность «запоминания» и, как следствие, нарушения авторских прав тем ниже, чем выше процент и общее количество уникальных, неповторяющихся элементов в датасете.

Наборы данных, которые в настоящий момент используются для обучения, включают в себя не только произведения, находящиеся в общественном достоянии, но и охраняемые работы. Включение произведений в датасет, однако, технологически предполагает их воспроизведение (запись и хранение в памяти компьютера), составляющее прерогативу правообладателя. Можно ли говорить о том, что использование произведения для тренировки нейронной сети без его согласия образует нарушение исключительного права?

Этот вопрос закономерен и имеет не только правовой, но также этический и экономический аспекты. Обученный на доступных в сети охраняемых произведениях искусственный интеллект способен давать адекватный и достаточный ответ на запросы пользователя, избавляя последнего от необходимости обращаться к первоисточнику. Тем самым правообладатель лишается рекламных доходов или иных средств монетизации, основанных на прямом взаимодействии с пользователем. Еще острее эта проблема стоит для генерации изображений, лишающих дохода компании, которые занимаются лицензированием графических произведений и фотографий.

Действительно, аргумент о незаконности обучения генеративного ИИ на охраняемых произведениях используется правообладателями в судебных спорах с компаниями-разработчиками нейронных сетей. Широко известны несколько текущих судебных процессов, ответчиком в которых выступает компания Stability AI – владелец сети Stable Diffusion, преобразующей текстовые запросы в изображения. Истцом по одному из них выступает компания Getty Images, на фотографиях из банка которой, как утверждается, в том числе была обучена модель. С похожими исками сталкивается также компания Midjourney и ряд других.

Позиция истцов, согласно авторитетному мнению П. Самуэльсон, во многом основана на некорректных утверждениях. В частности, нейронная сеть не содержит в себе экземпляров произведений и сама не является их экземпляром. Она была лишь обучена на них, и авторское право не распространяется на эту ситуацию так же, как оно не распространяется на читателя, изучившего чужое произведение и сделавшегося свои выводы13. Не могут рассматриваться как нарушение и созданные ей изображения, так как они не будут обладать достаточно существенным сходством с уже существующими14.

Остается аргумент, согласно которому воспроизведение и включение в датасет работ без согласия их правообладателей само по себе образует нарушение. В США эта проблематика исследуется в контексте доктрины добросовестного использования (fair use). Замечено, что в силу того, что нарушение авторского права в этой стране влечет строгую (безвиновную) ответственность, не имеет значения, знал ли разработчик о том, что использует охраняемое произведение15, и существо дела логически сводится к вопросу о fair use.

Напомним, что данная доктрина представляет собой уникальную для США и заимствованную некоторыми странами, в частности Израилем, систему регулирования свободного использования со следующими характерными чертами. Во-первых, ей свойственно отсутствие закрытого перечня случаев разрешенного использования: при любых фактических обстоятельствах оно гипотетически может быть признано добросовестным, а потому правомерным. Во-вторых, правовая оценка этих обстоятельств при проверке на добросовестность использования дается судом исходя из четырех критериев (17 U.S.C. § 107): 1) цели и характера использования; 2) природы используемого произведения; 3) объема использованной части произведения; 4) влияния использования на доходы правообладателя. В-третьих, суду императивно не предписан вес и значение каждого из критериев при оценке обстоятельств: он может отдать предпочтение какому-либо из них или учесть иные факторы, хотя обычно суды не выходят за рамки четырех названных.

Американские исследователи в целом склоняются к тому, что использование произведения для цели обучения нейронной сети следует считать добросовестным. Доктрина fair use уже использовалась для преодоления коллизий, рождаемых цифровыми технологиями, причем в ситуациях, которые в рамках здравого смысла могут быть названы сопоставимыми. Чаще всего речь заходит о деле Authors Guild v. Google16, в котором рассматривалась законность оцифровки компанией Google миллионов бумажных книг для индексации с последующем размещением в сети небольших отрывков из них в сервисе Google Books. Суды признали такое использование добросовестным, опираясь преимущественно на анализ цели и характера использования, а также возможных экономических последствий для правообладателей.

Это и ряд других дел приводятся в поддержку fair use17. Впрочем, высказываются и сомнения в ее применимости к генеративному ИИ18. Одним из основных аргументов против может быть названо то, что разработчик нейронной сети, особенно в контексте генерации изображений и видео, оказывается на одном «товарном рынке» с правообладателями, произведения которых он использовал: генерируемые объекты напрямую конкурируют с потенциально лицензируемыми.

В дополнение к этому правообладатель в настоящий момент ни имеет никаких правовых оснований требовать выплаты от разработчика вознаграждения за использование его работ в обучении. Нужно сказать, что эта проблема уже сейчас может быть решена техническими средствами. Так, в США некоторые крупные интернет-ресурсы и издательские дома начали запрещать индексирование своих веб-сайтов, в связи с чем технологические компании вынуждены заключать с ними соглашения, предусматривающие плату за использование содержимого сайтов для тренировки ИИ.

Тем не менее влияние нейронных сетей на доходы правообладателя в глазах судей может быть столь велико, что четвертый фактор при оценке fair use перевесит все остальные соображения. Известно, что обратной стороной гибкости доктрины добросовестного использования служит создание ею правовой неопределенности и непредсказуемости в судебной практике19. Неудивительно, что некоторые американские авторы предлагают защищать интересы разработчиков с помощью введения «безопасной гавани», то есть специального изъятия в законе, а не с помощью fair use20.

Подобное изъятие уже несколько лет существует в Европейском Союзе и содержится в Директиве (ЕС) 2019/790 от 17 апреля 2019 г. «Об авторском праве и смежных правах в рамках единого цифрового рынка и о внесении изменений в Директивы 96/9/EC и 2001/29/EC». Среди прочего этот документ призван регулировать отдельные аспекты деятельности, связанной с так называемым «text and data mining» (TDM) – интеллектуальным (глубоким) анализом текста и данных. В статье 2 Директивы содержится понятие TDM – это любая автоматизированная аналитическая методика, направленная на анализ текста и данных в цифровой форме с целью производства информации, включающей в себя (но не ограничивающейся ими) закономерности, тенденции и корреляции.

Специально регулирование в части изъятий для целей TDM состоит в следующем. Во-первых, п. 1 ст. 3 гарантирует право на воспроизведение, а также на извлечение информации из произведений и других объектов для целей глубокого анализа. Это изъятие ограничено тремя условиями: 1) оно распространяется лишь на исследовательские организации и организации, занимающиеся вопросами культурного наследия: 2) эти действия могут осуществляться лишь в научно-исследовательских целях; 3) доступ к произведениям, в отношении которых осуществляется анализ, должен быть получен на законном основании (lawful access).

Преамбула Директивы (п. 14) в качестве примеров законного доступа приводит доступ к материалам, размещенным в рамках политики открытого доступа; доступ на основе соглашения с правообладателем, в том числе на основе подписки; доступ к контенту, который находится в свободном доступе онлайн; доступ, полученный другими законными средствами.

Во-вторых, ст. 4 содержит то же изъятие, не ограниченное научно-исследовательскими целями, но обусловленное уже другим обстоятельством – воспроизведение и извлечение данных возможно лишь в том случае, если правообладатель прямо не заявил о запрете на эту деятельность «надлежащим образом, в том числе машиночитаемыми способами для контента, публично доступного онлайн» (п. 3). Подразумевается, в частности, запрет на индексирование интернет-сайта в файле robots.txt.

Методики машинного обучения, используемые при тренировке генеративного ИИ, полностью подпадают под понятие TDM, данное в Директиве. На момент написания данной статьи отсутствует практика европейских судов, которая подтвердила бы применимость этих положений к обучению нейронных сетей (вероятно, следует ожидать ее скорого появления), а формулировки текста Директивы, по замечанию европейских авторов, не отличаются ясностью. Так, указывается, что само понятие TDM настолько размыто и широко, что под него подпадает любая автоматизированная обработка, Директива не была направлена на регулирование вопросов искусственного интеллекта, а TDM «не является синонимом ИИ»21. Однако в целом в литературе не оспаривается тот факт, что указанные изъятия предположительно распространяют или должны распространять свое действие на эту сферу, и данный вопрос часто даже не поднимается при анализе22.

При сопоставлении американского и европейского подходов к регулированию обучения генеративного ИИ, как и при сравнении свойственных им систем свободного использования в целом, отмечается гибкость первого и жесткость второго23. Вытекающая из Директивы необходимость проверять наличие запрета правообладателя на анализ принадлежащих ему произведений кажется особенно строгим и в значительном числе случаев трудновыполнимым условием.

Доктринальный вектор, тем не менее, один: тренировка нейронных сетей осмысляется в терминах свободного использования и рассматривается если не как уже существующее ограничение исключительного права, то как нечто, что в будущем вполне может стать таковым. Последнее слово по обеим сторонам Атлантического океана, кажется, будет принадлежать судебной практике. В США она может распространить действие доктрины fair use на обучение генеративного ИИ или отказаться это делать. В ЕС, по-видимому, именно на плечи судов ляжет устранение неясностей в вопросах применения Директивы ЕС 2019/790 к генеративному ИИ.

Следует отметить, что европейскую модель в интересующей нас части нельзя назвать механизмом свободного использования в строгом смысле слова, так как у правообладателя сохраняется само право запрета. Речь в этом случае должна идти о частном случае отказа от нормы абз. 2 п. 1 ст. 1229 ГК РФ (отсутствие запрета правообладателя не считается согласием) и переходе к презумпции согласия на использование. На первый взгляд подобная модель кажется привлекательной: правообладатель сохраняет возможность контроля над использованием, что обеспечивает равновесие интересов сторон. Но ее практическая реализация применительно к генеративному ИИ, скорее всего, оказалась бы настолько сложной, что перечеркнула бы это умозрительное преимущество.

Необходимо осознавать, что уже сейчас в процессе обучения используется, в сущности, весь творческий багаж человечества, оказавшийся беднее, чем представлялось: разработчики вынуждены включать в датасеты синтетические данные – произведения, ранее сгенерированные самой нейронной сетью. Учитывая поистине гигантский объем данных, возложение на разработчика обязанности проверять наличие запрета в отношении каждого произведения или даже каждого правообладателя стало бы предписанием, установленным из благих побуждений, но в прикладном смысле негодным.

Как же быть с аргументом, что созданные нейронной сетью объекты конкурируют с «творческими» произведениями? Во-первых, он носит экономический характер и в этом качестве требует соответствующих исследований и подтверждений. В настоящий момент нам достоверно неизвестны степень и характер влияния генеративного ИИ на экономическое благосостояние правообладателей. Значительно важнее то, что эта проблема имеет лишь косвенное, весьма слабое отношение к вопросам свободного использования: генеративный ИИ неизбежно будет составлять конкуренцию результатам труда человека независимо от того, были они использованы в машинном обучении или нет. Технический прогресс в известном смысле диктует свои правила, освободить от которых нас мог бы лишь запрет на использование нейронных сетей.

Комплекс общественных отношений, связанных с искусственным интеллектом в целом и его обучением в частности, находится на этапе активного становления и развития, в связи с чем было бы опасно «идти перед прогрессом» и высказывать излишне категоричные суждения о деталях их правового регулирования. Юридическая литература в этой части уже содержит достаточно примеров мнений, которые не в полной мере соотносятся с реальностью, а иногда и здравым смыслом. Тем не менее изложенные выше соображения позволяют заключить, что квалификация обучения генеративного ИИ в качестве нового случая свободного использования стала бы наиболее разумным решением проблемы.