Googleがプライバシーポリシー改定：公開ウェブデータでBardなどのAIを学習と明記

ウェブ上に公開された文章やデータは、すでにAIの格好の学習材料になっています。そして今回、Googleはその現実をはっきりと規約に刻み込みました。

米Gizmodoの指摘をきっかけに、The Vergeが7月5日に報じたところによると、Googleはプライバシーポリシーを改定しました。これまでGoogle翻訳などに利用するとしていた公開ウェブデータについて、今後は対話型AIのBardやCloud AIなどのモデル学習にも活用すると明記したのです。

Googleの広報担当者Christa Muldoon氏は、以前からオープンウェブの公開情報で言語モデルを学習させてきた経緯を挙げ、今回の更新はBardなどの新サービスも対象に含まれることを明確にしたに過ぎないと説明しています。

「言語モデル」から「AIモデル全般」へ

しかし、変更履歴をたどると、単なる文面の微修正にとどまらない意図が見えてきます。

改定前の規約で対象とされていたのは「言語モデル」でしたが、改定後は「AIモデル」へと文言が変更されました。この変更により、Googleは大規模言語モデルにとどまらず、自社が手がけるあらゆるAIシステムの学習に公開データを転用できる余地を広げたことになります。

さらに、この重要な説明は目立つ場所ではなく、ポリシー内の「お客様の地域情報」タブの下にある公開情報源へのリンク内に埋め込まれていました。

規約には公開情報を利用すると書かれているものの、著作権で保護されたコンテンツをどう除外するのか、あるいは除外する意思があるのかについては一切触れられていません。現在、多くのウェブサイトがAI学習目的のスクレイピングを規約で禁止しており、欧州のGDPRをはじめとするデータ保護規制との整合性も大きな論点となっています。

激化するデータ争奪戦と高まる防壁

ウェブデータを巡るAI開発各社の動きは、法的なグレーゾーンの中で揺れ動いています。

OpenAIがGPT-4の学習データの内訳について極めて口を閉ざしているように、著作権侵害の追及を恐れる企業は慎重にならざるを得ません。フェアユース（公正利用）の法理がAI学習にどこまで通用するかは未確定のままで、各地で訴訟の動きが活発化しています。全米最大の新聞発行元GannettはGoogleを提訴しており、GoogleのAI検索機能はサイトへのアクセスを奪う「剽窃エンジン」だと批判を浴びています。

一方、膨大なテキストが集まるTwitterやRedditは、他社による無断スクレイピングを阻止するため、API制限や閲覧規制という強硬策に出ました。その結果、コミュニティの反発を招き、ユーザー体験を損なう事態に発展しています。

また、収集された膨大なデータから有害情報を取り除く現場では、作業員が過酷な労働環境に置かれているという課題も根深く残っています。

なぜ重要か

一般のユーザーやコンテンツ発信者にとって、オープンなウェブに何かを書く行為は、巨大テック企業のAIモデルを無償で強化することと同義になりつつあります。明示的な拒否手段や報酬の仕組みは存在せず、自分の創作物がAIの回答の一部として消費されていく現実に直面しています。

業界全体で見れば、Googleは長年培ってきた検索エンジンのクロール網を武器に、データ獲得競争での優位を固めようとしています。学習データの枯渇が囁かれる中、利用規約を書き換えることで、公開ウェブ全体を自社の学習資源として囲い込む方針を既成事実化した形です。

私たちは、この動きがオープンウェブの終焉を早めることになると見ています。データを無断で吸い上げられることを恐れたプラットフォームや個人サイトがアクセス遮断や有料の壁を築き、インターネットは分断された閉鎖空間へと向かっています。AIを育てた自由なウェブそのものが、AIの食欲によって締め出されようとしています。