The Atlantic تتيح البحث في 21 مليون مقطوعة موسيقية استُخدمت في تدريب الذكاء الاصطناعي

نشر الصحفي في The Atlantic أليكس رايسنر نتائج تحقيق كشف فيه عن أربع مجموعات بيانات موسيقية استخدمتها شركات التقنية في تدريب نماذج الذكاء الاصطناعي التوليدي. وإضافة إلى ذلك، أتاح البحث العام في القواعد الأربع كلها. وبذلك يستطيع أي شخص الآن التحقق مما إذا كانت مقطوعاته ضمن بيانات التدريب.

ما الذي وجده رايسنر

تلفت أكبر مجموعتين من البيانات الانتباه بحجمهما: إحداهما تضم 12 مليون مقطوعة، والثانية 9 ملايين. أي أن القاعدتين وحدهما تحتويان على 21 مليون ملف موسيقي. أما المجموعتان الأخريان فهما أصغر حجماً، لكنهما لا تزالان كبيرتين: إذ تضم كل منهما أكثر من 100 000 تسجيل. وفي المجمل يتعلق الأمر بحجم هائل من المحتوى، يمثل الجزء الأكبر من التراث الموسيقي الذي يمكن جمعه آلياً.

جرى تنزيل مجموعات البيانات الأربع آلاف المرات. ولا يمكن تحديد المستخدمين على وجه الدقة، لكن Google وStability AI أكدتا رسمياً في منشوراتهما العلمية أنهما عملتا بهذه البيانات. وهذا دليل موثّق على أن شركات تبلغ قيمتها السوقية مليارات الدولارات اعتمدت على المصادر نفسها التي أصبحت اليوم متاحة للعموم.

من أين تأتي هذه الموسيقى

تختلف مصادر مجموعات البيانات في وضعها القانوني، وهنا يبدأ الجزء الأهم:

• Free Music Archive مجاني للاستماع الشخصي، لكن الاستخدام التجاري وإنشاء الأعمال المشتقة مقيّدان
• نُشر جزء من المقطوعات برخص Creative Commons، غير أن الشروط الفعلية تختلف من مقطوعة إلى أخرى
• بعض المواد محمية بحقوق المؤلف التقليدية، دون استثناءات أو تحفظات
• كانت جميع القواعد متاحة للتنزيل تقنياً دون أي قيود
• لم تكشف أي شركة ذكاء اصطناعي علناً عن التركيبة الدقيقة لمجموعات التدريب الموسيقية الخاصة بها

والفجوة بين «متاح للتنزيل تقنياً» و«يجوز قانونياً استخدامه في التدريب التجاري للذكاء الاصطناعي» هي المساحة القانونية نفسها التي تُنظر فيها حالياً الدعاوى القضائية حول العالم.

أداة لأصحاب الحقوق

أطلقت The Atlantic محرك بحث عاماً يغطي القواعد الأربع كلها. ويمكن لأي موسيقي أو منتج أو شركة إنتاج أو دار نشر أن يتحقق من اسمه أو من عناوين مقطوعاته، ويحصل على إجابة عما إذا كان هذا المحتوى جزءاً من مجموعة التدريب.

وهذا مهم من الناحية العملية. فالدعاوى المرفوعة ضد شركات الذكاء الاصطناعي، ومنها Suno وUdio وOpenAI وStability AI وغيرها، قيد النظر أمام المحاكم بالفعل، لكن المدعين لم تتوفر لهم حتى الآن وسيلة موثوقة لإثبات استخدام أعمال بعينها. وقد تصبح القاعدة العامة التي أتاحتها The Atlantic مادة إثبات في هذه القضايا.

ويندرج تحقيق رايسنر ضمن سلسلة من الكشوفات في السنوات الأخيرة. فقد عُرف أولاً الاستخدام الواسع للكتب دون تصريح (مجموعة Books3)، ثم النصوص المأخوذة من الويب المفتوح (Common Crawl). والآن جاء دور الموسيقى. والمنطق واحد: جمعت شركات الذكاء الاصطناعي كل ما كان متاحاً من الناحية التقنية، دون أن تتساءل عن وضعه القانوني.

ماذا يعني ذلك

ينقل منشور The Atlantic الجدل حول حقوق المؤلف في الذكاء الاصطناعي من الإطار المجرد إلى الإطار الملموس: هذه هي البيانات، وهذه هي الشركات، وهذه هي المقطوعات. وبالنسبة للموسيقيين، هذه أول أداة عامة للتحقق. أما بالنسبة لشركات الذكاء الاصطناعي، فهي إشارة إلى أن الحفاظ على الغموض بشأن بيانات التدريب بات أصعب فأصعب.