Yapay zeka müzik üreticileri eğitim verisini nereden buluyor ve bu neden hep tartışmayla sonuçlanıyor

Önde gelen yapay zeka müzik üretimi girişimlerinden biri olan Suno'nun iç kaynak koduna erişim sağlayan bir hacker, şirketin eski bir çalışanın kimlik bilgilerini kullanarak kod tabanına girip, eğitim veri kümesini kısmen YouTube'dan doğrudan on yıllarca süren sesleri kazıyarak oluşturduğunu düşündüren kanıtlar ortaya çıkardı. Suno, temel modellerini nasıl inşa ettiğini tam olarak detaylandırmadı ve olay şimdi tanıdık bir soruyu yeniden kamuoyunun gündemine getiriyor: üretken bir yapay zeka modelini eğiten veri gerçekte nereden geliyor ve bu kaynak yasal mı?

Görüntü üreticilerinden büyük dil modellerine ve şimdi müzik araçlarına kadar bu incelemeyle karşılaşan neredeyse her büyük üretken yapay zeka şirketi için kısa cevap, eğitim verisinin genellikle kamuya açık internet içeriğinin geniş, otomatik olarak kazınmasından geldiği ve bu içeriğin bireysel yaratıcılarından açık izin alınmadan yapıldığı yönünde. YouTube özellikle tekrarlayan bir çatışma noktası haline geldi, çünkü türleri, dilleri ve on yılları kapsayan devasa, kolayca erişilebilir bir ses ve video kütüphanesine ev sahipliği yapıyor; bu da onu ölçekte bir eğitim veri kümesi bir araya getirmeye çalışan herhangi bir şirket için çekici bir hedef haline getiriyor.

Hukuki soru büyük ölçüde Amerika Birleşik Devletleri'nde telif hakkı yasasının adil kullanım doktrinine dayanıyor; bu doktrin, yorum, araştırma veya önemli ölçüde yeni bir şeye dönüştürme gibi amaçlar dahil belirli koşullar altında izin almadan telif hakkıyla korunan materyalin kullanılmasına izin veriyor. Yapay zeka şirketleri genellikle, model orijinal eserleri saklamadığı veya yeniden üretmediği, bunlardan istatistiksel örüntüler öğrendiği için telif hakkıyla korunan içerik üzerinde bir model eğitmenin adil kullanım tarafından korunan dönüştürücü bir kullanım olduğunu savundu. Müzisyenler, plak şirketleri ve hak sahipleri dahil eleştirmenler, bu çerçevelemenin adil kullanımı orijinal amacının çok ötesine gerdiğini ve yapay zeka şirketlerinin fiilen başkalarının yaratıcı çalışmasının lisanssız kullanımı üzerine ticari ürünler inşa ettiğini savunuyor.

Birden fazla yargı bölgesindeki mahkemeler hâlâ bu sorularla aktif olarak boğuşuyor ve şimdiye kadarki hukuki sonuçlar her iki yönde de net bir çözümden çok karışık oldu. Bazı kararlar belirli adil kullanım gerekçeleriyle yapay zeka şirketlerini desteklerken, diğerleri, özellikle bir modelin çıktısının genel bir stil veya örüntüden çok belirli bir mevcut eseri yakından yeniden ürettiği gösterilebilen davalarda, telif hakkı ihlali iddialarının davaya doğru ilerlemesine izin verdi. Belirsizliğin kendisi ticari hesabın bir parçası haline geldi: birkaç büyük yapay zeka laboratuvarı, altta yatan hukuki sorunun çözülmesi için yıllarca davanın sonuçlanmasını beklemek yerine, özellikle haber kuruluşları ve bazı müzik hak sahipleriyle lisanslama anlaşmaları müzakere etmeyi tercih etti.

Suno durumunu bu daha geniş örüntü içinde dikkat çekici kılan şey, birden fazla modalitedeki çok sayıda yapay zeka şirketinin benzer iddialarla karşılaşmış olması nedeniyle, iddia edilen YouTube içeriği kullanımının kendisinden çok, kanıtın nasıl ortaya çıktığı. Dava keşfi veya araştırmacı bir haber aracılığıyla ortaya çıkmak yerine, eski bir çalışanın hâlâ aktif olan kimlik bilgilerini kullanarak şirketin kendi sistemlerine izinsiz bir sızma yoluyla geldi; bu da altta yatan veri kaynağı anlaşmazlığının yanı sıra Suno'nun iç güvenlik uygulamaları hakkında ayrı bir soru gündeme getiriyor.

Özellikle müzik endüstrisi için, yapay zeka tarafından üretilen müzik, akış çağının akış başına ödemeler üzerindeki anlaşmazlıklarına kadar uzanan, teknoloji platformlarıyla telif ve gelir paylaşımı konusunda zaten gergin olan bir ilişkinin üzerine oturuyor. Müzisyenler ve plak şirketleri, yapay zeka müzik üretimini kayıtlı müziğin değerinin daha da erozyona uğraması olarak görüyor, çünkü mevcut kayıtlar üzerinde eğitilmiş bir model, o stili şekillendiren sanatçıların hiçbirine telif ödemeden benzer bir stilde yeni parçalar üretebiliyor; bu, altta yatan telif hakkı sorunuyla ilişkili ama ondan farklı bir endişe.

Suno, kendi adına, benzer iddialarla karşılaşan birkaç emsal şirket gibi, daha önce adil kullanımın eğitim yaklaşımını koruduğunu ve araçlarının mevcut kayıtları yeniden üretmek yerine yeni kompozisyonlar üretmek üzere tasarlandığını savundu. Bu argümanın tutup tutmayacağı, muhtemelen bu tür bir hack'in ardından gelen kamuoyu duyarlılığından çok, yapay zeka şirketlerine karşı devam eden telif hakkı davası dalgasının sonunda mahkemede nasıl çözüleceğine bağlı olacak; bu süreç, sektörün tamamı için henüz çok uzak.

İhlal aynı zamanda yapay zeka şirketlerinin artık hukuki risklerinin yanı sıra yönetmesi gereken yapısal bir gerilimi de gözler önüne seriyor: hızlı hareket eden bir girişimin modellerini hızlıca eğitmesine ve geliştirmesine yardımcı olan aynı iç belgeler ve kod, sızması halinde bu modellerin gerçekte nasıl inşa edildiğini pek de hoş olmayan ayrıntılarla ortaya koyma olasılığı en yüksek malzeme de oluyor. Bu şirketlerin giderek daha fazlası düzenleyicilerden, hak sahiplerinden ve kendi ayrılan çalışanlarından paralel bir baskıyla karşılaştıkça, bu türden olayların, mahkemelerin çözebileceğinden daha hızlı bir şekilde aynı temel soruyu gündeme getirmeye devam etmesi muhtemel.