大手出版社5社がMetaを提訴、海賊版サイト使ったLlama学習を著作権侵害と主張

大学の微分積分学の教科書から冒頭の2文を入力するだけで、AIがその後の文章を一言一句違わずに復唱し始める。

教科書や学術出版の大手にとって、これは見事な技術革新ではなく、明らかな著作権侵害です。Macmillan、McGraw Hill、Elsevier、Hachette、Cengageの出版大手5社と作家のScott Turow氏は、Metaを相手取り、歴史上最大規模の著作権侵害を行ったとして集団訴訟を提起しました。

海賊版サイトをAIの教科書にした代償

訴状によると、Metaは自社のAIモデルであるLlamaの学習において、著作権で保護されたコンテンツを意図的に無断使用していたとされています。

具体的には、LibGen、Anna’s Archive、Sci-Hub、Sci-Magといった著名な海賊版サイトから学術論文や書籍データを直接ダウンロードし、モデルに学習させたと指摘されています。さらに、Metaが利用したCommon Crawlデータセットの中にも、不正にコピーされた著作物が溢れていたと主張しています。

その結果として、Llamaは元の文章をそのまま、あるいはほぼそのまま出力する能力を持ってしまいました。訴状では例として、Cengageのベストセラー教材であるジェームズ・スチュワート著『Calculus: Early Transcendentals』第9版から2文プロンプトを与えただけで、AIが後続のセクションを一字一句漏らさずに出力し始めたことが挙げられています。

内部メールの発覚とAnthropicの巨額和解

Metaが学習データを巡って訴えられるのはこれが初めてではありません。

過去の作家らによる訴訟では、Metaの社内メッセージが証拠として提出され、海賊版と知りながら使用しているデータセットに関するメディア報道への対応策を協議していたことが明るみに出ています。昨年に連邦判事がMeta側の主張を一部認める判断を示した際も、著作権素材による学習が全面的に適法であると認めたわけではないと釘を刺していました。

さらに出版業界を後押ししているのが、AI企業Anthropicの前例です。合法的に購入した書籍での学習はフェアユースと認められ得るものの、数百万冊に及ぶ海賊版データの利用を理由に訴訟が進められ、Anthropicは昨年15億ドルを支払って和解に応じました。

原告側はMetaに対し、損害賠償と権利侵害行為の差し止めに加え、Llamaの学習に利用したすべての書籍や学術記事のリストを開示するよう求めています。一方、Metaの広報担当Dave Arnold氏は、著作権素材での学習がフェアユースに該当し得ると裁判所も認めているとし、徹底抗戦する姿勢を示しました。

なぜ重要か

この裁判は、生成AIの学習データが法的に許容される境界線を決定づける重要な節目になります。

AI各社はこれまで、文章の特徴や規則性を学習するだけで元データを複製しているわけではないとして、フェアユースを盾にしてきました。しかし、教科書の本文を一言一句出力してしまう現状や、Sci-Hubなどの明らかな海賊版サイトからデータを取得していた事実が証明されれば、その防壁は一気に崩れることになります。

利用者の視点で見れば、Llamaのようなオープンモデルを自社の商用サービスに組み込んでいる開発者にとって、モデルそのものが違法データの上に成り立っていると認定されるリスクは無視できません。

私たちは、Metaにとって最も手痛いのは金銭的な賠償以上に、学習データ一覧の開示命令が出ることだと考えています。ネット上の海賊版データを無差別に学習させてきたこれまでの手法に終止符が打たれれば、今後のフロンティアモデル開発のコスト構造は激変せざるを得ません。