Компания NVIDIA оказалась в центре судебного разбирательства, связанного с нарушением авторских прав при разработке технологий искусственного интеллекта. В обновленном иске, поданном в Федеральный окружной суд Северного округа Калифорнии, утверждается, что технологический гигант использовал огромные массивы нелицензионного контента для обучения своих больших языковых моделей, включая платформу NeMo.
Масштабы использования теневых библиотек
Согласно материалам дела, NVIDIA инкриминируется использование ресурсов так называемых «теневых библиотек», среди которых фигурируют Anna’s Archive, LibGen, Sci-Hub и Z-Library. Совокупный объем данных, загруженных из этих источников для тренировки нейросетей, оценивается в 500 терабайт. Истцы подчеркивают, что эти ресурсы специализируются на распространении пиратских копий книг и научных публикаций, защищенных авторским правом.
- Anna’s Archive — агрегатор метаданных и книг из различных теневых источников.
- NeMo — программная среда NVIDIA для создания и развертывания генеративных моделей ИИ.
- 500 ТБ — предполагаемый объем данных, ставший предметом судебного спора.
Внутренняя переписка как доказательство
Ключевым аргументом обвинения стали внутренние электронные письма сотрудников компании. По версии истцов, переписка свидетельствует о том, что руководство NVIDIA было осведомлено о сомнительном происхождении используемых наборов данных. В документах утверждается, что топ-менеджмент санкционировал сбор информации, несмотря на прямые предупреждения технических специалистов о незаконности подобных действий. Это может указывать на умышленный характер правонарушения, что существенно влияет на размер потенциальных компенсаций.
В иске утверждается, что внутренние электронные письма показывают разрешение руководства на получение около 500 ТБ данных, несмотря на предупреждения о незаконном происхождении ресурсов библиотеки.
Данный инцидент подчеркивает растущую напряженность между разработчиками ИИ и правообладателями контента. Исход дела в Калифорнии может создать важный юридический прецедент, который определит границы допустимого использования данных из открытых и «серых» источников для машинного обучения. В условиях ужесточения регулирования ИИ-отрасли юридические риски, связанные с качеством обучающих выборок, становятся критическим фактором для крупнейших технологических корпораций.