La Wikimedia Foundation, l'organizzazione no-profit che gestisce Wikipedia, ha deciso di prendere posizione nelle cause legali che vedono contrapposti editori come il New York Times a OpenAI e Microsoft. In un parere legale depositato venerdì, l'ente ha scelto una via di mezzo: difendere l'addestramento dei grandi modelli linguistici (LLM) su opere protette da copyright come fair use, ma senza concedere licenza di riprodurre pedissequamente quei contenuti agli utenti. Una sentenza troppo netta, avverte, rischia di privare i wikipediani di strumenti IA utili o di mettere in pericolo il web aperto.
Un equilibrio necessario per la conoscenza libera
Nel documento, Wikimedia spiega che le posizioni delle parti in causa spingono per un'applicazione «ampia e semplificata» della dottrina del fair use. Una vittoria senza sfumature per gli editori potrebbe consentire ai titolari dei diritti di fare da «guardiani» anche degli usi innovativi e trasformativi delle loro opere. Al contrario, un successo delle aziende di IA potrebbe diventare «un via libera per ignorare i termini delle licenze e frammentare il flusso di conoscenza tra autori umani e pubblico».
La posta in gioco è esistenziale per Wikipedia. I suoi siti sono «una delle fonti di dati più critiche per l'addestramento di tutta l'intelligenza artificiale e del machine learning», si legge nella memoria. Ma questi stessi sistemi sottraggono visitatori, indebolendo le comunità che curano le voci. Inoltre, secondo Wikimedia, violano il copyright: servizi come ChatGPT riproducono testi concessi in licenza Creative Commons senza rispettarne i termini. Allo stesso tempo, però, i modelli linguistici sono utili a Wikipedia: aiutano gli editori a combattere il vandalismo, rilevare violazioni di copyright e doxxing, e individuare articoli da migliorare.
La proposta di compromesso di Wikimedia
La Fondazione propone una soluzione intermedia. Lo scraping dei siti web non dovrebbe essere considerato violazione del copyright, e usare opere protette per pre-addestrare gli LLM senza licenza dovrebbe rientrare nel fair use quando il risultato è «qualcosa di nuovo e diverso dalle fonti originali». Tuttavia, se i modelli estraggono copie di materiale in risposta alle richieste degli utenti e le consegnano «sostituendo il coinvolgimento dei lettori con le opere originali», allora dovrebbe essere richiesta una licenza. La differenza chiave è che in quest'ultimo caso l'output dell'IA si limita a sostituire l'opera originale, senza trasformarla abbastanza da qualificarsi come fair use.
In tali circostanze, le aziende di IA dovrebbero rispettare i requisiti di licenza. Per Wikipedia, ciò significa attribuire la fonte originale secondo la licenza Creative Commons, che impone che «qualsiasi remix o adattamento» rimanga sotto la stessa licenza. «Prendiamo posizione per difendere la conoscenza umana libera e aperta da cui Wikipedia dipende», ha dichiarato l'amministratrice delegata Bernadette Meehan. «Ampliare l'accesso alla conoscenza tramite l'IA è un obiettivo potente, ma deve rispettare le persone, i contributori e le comunità che rendono possibile una conoscenza affidabile. Trovare questo equilibrio è sia un beneficio reciproco sia una responsabilità condivisa per l'intero ecosistema dell'informazione».
