Конфликт интересов авторов и разработчиков ИИ: где выход?

Совсем недавно Forecasting Research Institute опубликовал отчет «Assessing Near-Tear Accuracy in the Existential Risk Persuasion Tournament»1, который показал, что все прогнозы лучших экспертов мира в области искусственного интеллекта (ИИ) провалились, скорость развития ИИ была недооценена в 5-10 раз, что делает новые прогнозы бессмысленными. В этой сумасшедшей гонке приходится сложно всем, а особенно юристам – от которых в условиях неупорядоченности и нарастающей неопределенности требуют создания новых правил. Эти правила, с одной стороны, не должны тормозить развитие новых технологий, на которые делают ставки все экономики мира. С другой стороны – нельзя допустить разрушения системы, обеспечивающей защиту прав авторов и правообладателей контента, используемого для обучения ИИ.

Техническая составляющая процессов использования охраняемых авторским и смежными правами объектов для целей обучения ИИ постоянно изменяется, что дополнительно затрудняет правовой анализ складывающейся ситуации. Существующие в настоящее время подходы к регулированию в области защиты авторских прав, в основном, исходят из того, что при обучении моделей ИИ наиболее часто используется технология TDM («text and data mining» – технология интеллектуального (глубокого) анализа текста и данных). Директива 2019/790/ЕС от 17 апреля 2019 г. «Об авторском праве и смежных правах в рамках единого цифрового рынка и о внесении изменений в Директивы 96/9/EC и 2001/29/EC» (далее – Директива CDSM)2 в статье 2 определяет TDM как «любую автоматизированную аналитическую методику, направленную на анализ текста и данных в цифровой форме с целью получения информации, которая включает, помимо прочего, закономерности, тенденции и корреляции».

Хотя положения об способе свободного использования для TDM были сформулированы до актуализации вопросов обучения ИИ, очевидно, что методики машинного обучения, которые используются для обучения систем искусственного интеллекта, подпадают под понятие TDM3.

Современная система защиты интеллектуальных прав, в том числе авторских и смежных, которые чаще всего затрагиваются при обучении ИИ, построена на предоставлении автору и правообладателю определенной экономической власти, часто называемой своеобразной «монополией», которая основана на необходимости получения разрешения от правообладателя на использование охраняемых объектов, если только нет специальных изъятий, установленных законом.

Соответственно, на первый план выходят вопросы, является ли процесс обучения моделей ИИ случаем, который подпадает под действие исключительных («монопольных») прав; и требует ли использование охраняемых авторским и смежными правами объектов для этих целей разрешения правообладателя и/или выплаты ему материального вознаграждения.

Российская правовая система пока не предложила законодательных решений задачи согласования целей развития новых технологий ИИ и защиты интеллектуальных прав. Построение возможных моделей затрудняет отсутствие судебных прецедентов, а также определенной позиции регуляторов, что можно объяснить колебаниями в выборе основного курса – давать ли разработчикам ИИ право свободно и бесплатно использовать информацию, включающую в себя и охраняемые результаты интеллектуальной деятельности (тем самым способствуя ускоренному развитию инноваций) или приоритетно обеспечивать защиту правообладателей и их право на справедливое вознаграждение.

Сложности выбора направления объяснимы: слишком серьезные альтернативы должны быть взвешены. Тем не менее затянувшуюся паузу все равно необходимо прервать, и сделать это возможно с учетом оценки плюсов и минусов различных экономических моделей и уже имеющегося опыта регулирования.

В настоящее время подавляющее большинство специалистов полагает, что использование защищенных авторским правом произведений в виде данных для обучения систем ИИ предоставляет разработчикам определенную экономическую выгоду и, по общему правилу, требует согласия правообладателя4. Исходя из этого, в различных правовых системах перешли к поиску оптимальной экономической модели, обеспечивающей оптимального соотношения между интересами авторов (правообладателей) и разработчиков ИИ.

Европейский подход к регулированию, основные черты которого определены Директивой CDSM, Директивой 96/9/ЕС (Директива о базах данных)5, Директивой 2001/29/ЕС (Директива «информационное общество»)6, а также Законом ЕС об искусственном интеллекте (AI Act) 7, характеризуется строгим и достаточно казуистичным подходом к разрешению противоречий, связанных с использованием охраняемых произведений, программ для ЭВМ и баз данных в случаях их воспроизведения и извлечение информации из них для целей глубокого анализа. Действия, направленные на извлечение и анализ данных, охраняемых в качестве объектов авторских и иных интеллектуальных прав, признаются правомерными, если они подпадают под предусмотренные ст. 3 и 4 Директивы CDSM исключения.

Статья 3 Директивы предусматривает, что правообладатели не могут противостоять практике использования TDM, когда она осуществляется научно-исследовательскими организациями или учреждениями культурного наследия в целях научного исследования. По смыслу п. 17 и 18 преамбулы Директивы использование TDM в соответствии со ст. 3 не может быть исключено или ограничено условиями договора, а государства-члены не могут для этих случаев устанавливать механизмы справедливой компенсации для правообладателей.

Данная статья вводит исключения в отношении прав на воспроизведение объектов авторских и смежных прав, баз данных, защищенных авторским правом; прав на извлечение и повторное использование баз данных sui generis; прав на воспроизведение издателей онлайн-прессы.

В статье 4 (п. 3) Директивы содержится иное изъятие: воспроизведение и извлечение данных возможно лишь в том случае, если правообладатель прямо не заявил о запрете на эту деятельность «надлежащим образом, в том числе машиночитаемыми способами для контента, размещенного в открытом доступе в Интернете». Так, данная норма допускает использование TDM при условии, что использование контента не было зарезервировано их правообладателями надлежащим образом8.

Это исключение охватывает авторские права, права на базы данных и права издателей, а также право на воспроизведение и изменение компьютерных программ.

Таким образом, для сохранения прав на воспроизведение и извлечение (если только речь не идет об извлечении в научных целях – ст. 3 Директивы) от правообладателя требуется активное действие - заявление, что он отказывается от предоставления принадлежащих ему объектов для анализа текста и данных TDM.

Сложность состоит в том, что, во-первых, проверка наличия запрета правообладателя является трудновыполнимым условием (нет сложившихся стандартов выражения запретов; четкого представления, кем, помимо самого правообладателя, такие запреты могут быть даны; какое действие будет иметь запрет в отношении иных ресурсов; где могут быть размещены те же объекты и т.д.). Во-вторых, наличие такого запрета означает необходимость индивидуального согласования использования контента с правообладателем (или иным лицом, действующим в его интересах) для заключения лицензионного договора; это требует больших затрат и связано с еще не выявленными полностью юридическими рисками.

В отношении исключения для научных организаций неясно, могут ли быть использованы полученные в научных целях данные, содержащие охраняемые объекты, самими научными организациями для обработки ТDM, и не запускается ли таким образом механизм обхода ст. 4 Директивы. Сложность возникает также при соотнесении практики использования TDM с точки зрения общего правила, допускающего «временные исключения для воспроизведения», когда воспроизведение носит краткосрочный характер и не имеет самостоятельного экономического значения.

Другое важное требование европейского регулятора – это закрепленная в AI Act (ст. 53) необходимость для поставщиков моделей генеративного ИИ общего назначения обеспечивать публичную доступность данных о том, какие объекты использовались для обучения. Требования к порядку раскрытия пока находятся в процессе разработки и обсуждения для определения необходимого и достаточного уровня детализации отчетов об использовании.

Малочисленная судебная практика судов ЕС, в основном, связана с толкованием положений Директивы CDSМ, касающихся действия предусмотренных в ней исключений, допустимости резервирования прав не правообладателями, формы резервирования прав, в том числе толкования понятия «машиночитаемая форма»9.

Европейская модель, настроенная на необходимость при проведении анализа контента для целей обучения ИИ учитывать запрет правообладателя, в большей степени ориентирована на индивидуальные или коллективные договоренности разработчиков с правообладателями.

В США, Великобритании и ряде других стран подход к регулированию отличается большей мягкостью и традиционно основывается на использовании доктрины fair use (добросовестного использования), которая допускает ограниченное использование объектов авторского права без разрешения правообладателя в случаях, когда произведение используется в некоммерческих, образовательных, научных, критических, пародийных целях, при небольшом объеме копирования (но иногда может быть признан нарушением даже небольшой объем копирования, если речь идет о ключевой части произведения). Использование не должно наносить ущерб потенциальному рынку оригинала, при наличии такого ущерба использование не признается добросовестным.

Несомненные плюсы доктрины fair use состоят в ее гибкости и простой адаптации к новым условиям. Но эта гибкость одновременно является и минусом, поскольку не создает определенного правила, как это сделано в европейском праве, и судебная практика может сильно колебаться в оценке обстоятельств дел.

Активное использование этой доктрины приводит к тому, что правообладатели лишаются возможности потребовать от разработчиков систем искусственного интеллекта вознаграждения на использование охраняемых объектов авторского и смежных прав.

Судебная практика в США последних лет стандартно применяет к спорным ситуациям положения доктрины добросовестного использования и достаточно часто признает ответчика действующим добросовестно. Так, в деле Bartz против Anthropic PBC. (США, Северный округ Калифорнии) суд пришел к выводу, что использование компанией Anthropic книг авторов для обучения языковых моделей было добросовестным. В частности, анализируя такой критерий добросовестности, как влияние на конкуренцию, суд установил, что ответчик указывал на добросовестное использование, поскольку:

1) обучение языковых моделей не привело к снижению спроса на произведения авторов и не предоставило общественности каких-либо заменяющих копий;

2) любая общая конкуренция со стороны произведений, созданных с помощью искусственного интеллекта, не является тем видом творческого вытеснения, которое стремится предотвратить Закон об авторском праве; и

3) если предположить, что существует развивающийся рынок лицензирования произведений, охраняемых авторским правом, для обучения языковых моделей, устранение такого рынка не является той потерей, предотвращение которой входит в цели Закона об авторском праве10.

Модель, основанная на доктрине «добросовестного использования», в силу очень гибкого подхода подталкивает правообладателей к судебным тяжбам, а признание судами использования объектов интеллектуальных прав при обучении ИИ добросовестным – к сложностям при заключении лицензионных соглашений.

Своеобразный подход демонстрирует Япония, где в 2009 г. Закон об авторском праве11 допустил возможность свободного использования объектов интеллектуальной собственности для TDM, независимо от наличия научной или исследовательской цели. Впоследствии возможности использования технологии TDM были значительно расширены. В введенной в 2018 г. ст. 30-4 Закона об авторском праве предусматривается, что разрешается использовать произведение любым способом в той мере, в какой это считается необходимым, в любом из следующих случаев или в любом другом случае, когда целью не является наслаждение (англ. «enjoying») формами выражения мыслей и мнений, содержащихся в произведении; <…> положения этой статьи не применяются, если использование будет необоснованно ущемлять интересы автора».

Использованием формы выражения закон считает любую обработку без восприятия данных органами чувств человека, в том числе обработку машинными средствами, включая TDM.

Принятие этой статьи в 2018 г., согласно разъяснению Japan Copyright Office (JCO) обосновывается тем, что экономическая ценность произведения выражается в том, что человек платит вознаграждение автору за наслаждение формой выражения идей и эмоций, содержащимися в произведении, поэтому все действия, не связанные с этим, не могут нарушить права автора, охраняемые законом12.

Вместе с тем агентство по делам культуры при Министерстве образования, культуры, спорта, науки и технологий Японии в мае 2023 г. разъяснило13, что на этапе создания и использования синтетического контента решение о нарушении авторских прав при загрузке и публикации изображений, созданных искусственным интеллектом, а также при ином их коммерческом использовании рассматривается так же, как и обычное нарушение авторских прав, за исключением случаев, когда использование разрешено в соответствии с законодательством об авторском праве.

Прежде всего это касается ситуаций, когда сгенерированный контент похож на оригинальный объект, защищенный авторским правом; такие ситуации свидетельствуют о нарушении прав правообладателя.

На фоне разнообразия подходов правовых систем к условиям допуска к использованию объектов авторских и смежных прав для целей обучения ИИ появляется все больше различных вариантов договорного урегулирования отношений разработчиков моделей ИИ и правообладателей.

Правообладатели и иные лица, законно использующие объекты авторских и смежных прав, могут ограничить возможность использования объектов посредством договорных механизмов, например, предусматривающих Протоколы исключения роботов (Robots exclusion protocols – REP), которые дают указание веб-сканерам не заходить на сайт или определенные его части. Ограничения могут быть сформулированы как общие условия использования или как положения, которые запрещают определенные действия, например, автоматизированное извлечение, воспроизведение или использование данных без разрешения.

С другой стороны, многие крупные правообладатели заключают прямые лицензионные договоры, предоставляющие право компаниям, обрабатывающим данные для целей обучения моделей ИИ, использовать технологии извлечения и обработки данных на основе охраняемых объектов авторских и смежных прав.

В свою очередь практика индивидуального лицензирования сталкивается с целым рядом проблем. В частности, пока нет четкого понимания, как должна строится система лицензирования в ситуации, когда в цепочке сбора исходного материала для обучения моделей искусственного интеллекта участвуют несколько субъектов, в том числе: лица, агрегирующие массивы первоначальных исходных данных; лица, осуществляющие первичную подготовку таких материалов для субъектов, непосредственно осуществляющих процесс обучения ИИ; разработчики систем ИИ, поставщики таких систем, и так далее. Не сформировались подходы к формированию цены использования, в том числе порядок расчета роялти и т.д.

Даже факт распространения объектов на условиях открытых лицензий не является гарантией нарушения, поскольку и в этом случае необходимо учитывать содержание соответствующих соглашений. В частности, открытая лицензия, допускающая воспроизведение для целей анализа текста или изображения, может не предоставлять прав на воспроизведение системой ИИ самого использованного объекта на стадии выдачи результата по запросу.

Кроме того, индивидуальное лицензирование затруднено и экономически невыгодно, когда речь идет об огромных массивах самого разнообразного контента, принадлежащего самостоятельным небольшим правообладателям. Правовые риски увеличивает и трансграничный характер отношений (очень часто участники отношений находятся в различных юрисдикциях), и различия в подходах национальных регуляторов.

В связи с этим появляются и другие инициативы, направленные на организацию взаимодействия между крупными правообладателями и разработчиками ИИ, облегчение поиска и обеспечение законного использования объектов интеллектуальных прав. Например, Cloudflare анонсировал создание летом 2025 г. системы, в рамках которой крупные правообладатели размещают данные на определенных ресурсах для безвозмездного использования, а на других – с условием выплаты вознаграждения. Система гарантирует выплаты при каждом использовании соответствующих платных ресурсов, начисления производятся автоматически14.

Действующее российское законодательство об интеллектуальных правах не содержит норм, прямо устанавливающих правила использования объектов авторских и смежных прав для обучения ИИ. Положения ГК РФ, касающиеся использования объектов авторского права (ст. 1229, 1270), предусматривают общее правило: использование может осуществляться только с согласия обладателя исключительного права независимо от цели и способов использования; отсутствие запрета само по себе не считается согласием. Согласие правообладателя необходимо и для использования объектов смежных прав (ст. 1317, 1324, 1330, 1334 ГК РФ).

Исключения должны быть прямо установлены законом (свободное использование, использование без согласия правообладателя, но с выплатой вознаграждения, специальные случаи, установленные в отношении использования программ для ЭВМ). Следовательно, использование таких объектов для машинного обучения без согласия правообладателя в случаях, не охватываемых специальными правилами, является нарушением.

Специальных положений, касающихся свободного использования охраняемых авторским и смежными правами результатов для целей обучения ИИ, в российском праве не установлено.

Рассмотрение технической стороны процессов обучения ИИ показывает, что в их рамках может осуществляется воспроизведение объектов, а в ряде случаев – копирование и переработка. Поскольку ГК РФ содержит открытый перечень способов использования произведений и иных объектов, в литературе также предлагается рассматривать использование в процессах обучения как самостоятельный вид использования15.

В научных публикациях подробно анализируются варианты применения к рассматриваемой ситуации предусмотренных законом исключений16, например, о краткосрочных (временных) записей произведения, не имеющих самостоятельного значения – подп. 1 п. 2 ст. 1270 ГК РФ не признает такие действия воспроизведением.

Сложность состоит в том, что решение – подпадают ли процессы, осуществляемые в ходе обучения ИИ, под данное исключение, — зависит от характера используемых в конкретном случае технологий.

В отношении другого случая свободного использования – использование произведения в информационных, научных или культурных целях (ст. 1274 ГК РФ), в частности, цитирования, в целом признается, что использование технологий глубокого анализа текста и изображений могут им охватываться, но только при условии, что процесс будет соответствовать критериям допустимого цитирования с точки зрения цели, объема, указания необходимых данных17.

В отношении баз данных действуют положения ст. 1334, 1335.1 ГК РФ которые предусматривают, что право извлекать из базы данных материалы и осуществлять их последующее использование принадлежит изготовителю базы данных; определяют понятие, цели допустимый объем извлечений. Не допускается неоднократное извлечение или использование материалов, составляющих несущественную часть базы данных, если такие действия, во-первых, противоречат нормальному использованию базы данных и, во-вторых, ущемляют необоснованным образом законные интересы изготовителя базы данных (п. 3 ст. 1335.1 ГК РФ).

Использование материалов, извлеченных из базы данных, способом, предполагающим получение к ним доступа неограниченного круга лиц, должно сопровождаться указанием на базу данных, из которой эти материалы извлечены. Для оценки существенности в российской практике используют количественный критерий18.

Очень краткий обзор российского регулирования демонстрирует общие для большинства правовых систем недостатки: казуистичность регулирования, сложность применения критериев допустимого использования к процессам, используемым для обучения моделей ИИ. Очевидно, что в процесс приспособления правовой системы к новым реалиям увеличит количество судебных споров и повлечет значительные издержки компаний-разработчиков ИИ на обеспечение правового сопровождения.

В российском праве, кроме того, полностью отсутствует понятийный аппарат, отражающий появление новых технологий анализа и обработки данных, и развитие связанных ними рынков. В частности, нет определения технологий исследования массивов электронных данных, не выявлены участники отношений по созданию, обучению и развертыванию ИИ и их роль в использовании охраняемых объектов авторских и смежных прав в процессе обучения и продвижения моделей ИИ. Это еще больше осложняет ситуацию.

Рассмотренные выше правовые подходы к регулированию, предложенные иными правовыми системами, по сути, основаны на одной экономической модели, предполагающей использовании прямых лицензионных договоров. Она имеет свои плюсы (прозрачность, юридическая чистота, обеспечение справедливого вознаграждения правообладателям), и минусы (огромные транзакционные издержки, связанные с отслеживание использования, предъявлением претензий в случае нарушений). Такая модель вполне приемлема, если речь идет о крупных игроках на рынке («оптовые правообладатели» - издательства, киностудии, стоковые коллекции и т.д. и крупные компании – разработчики ИИ). Однако она с трудом масштабируется: она неэффективна при наличии миллионов правообладателей и многочисленных ИИ-компаний, часто небольших стартапов.

Формат индивидуального лицензирования, но технологически обеспечивающий широкий охват участников, лежит в основе предложений по созданию глобальной цифровой системы учета данных объектов авторских прав. Предполагается, что современные системы учета (в том числе построенные на основе блокчейна) позволят учитывать число использований объектов для обучения ИИ, автоматически (с использованием смарт-контрактов) рассчитывать и уплачивать вознаграждение правообладателям. Однако на настоящий момент такие системы если и существуют, но вряд ли в ближайшем будущем станут глобальными, а без этого мы возвращаемся к обсуждению привычной индивидуальной системы лицензирования.

Еще одним вариантом, частично нивелирующим недостатки предыдущих подходов, является модель, основанная на использовании для обучения готовых коллекций обработанной информации, которые предлагают специализированные организации (дата-центры), обеспечивающие юридическую чистоту контента. Для разработчиков ИИ минимизируются юридические риски, однако существенно уменьшается доступный для анализа объем данных. Такая модель требует специального регулирования в отношении деятельности дата-центров, устраняющего в том числе значительные риски монополизации рынка.

Обсуждается также возможность использования публично-правовых мер, например, введение специального налога на ИИ-компании при одновременном введении правил о свободном использовании ими охраняемых результатов. Поощрение авторов и правообладателей предполагается посредством внесения государством средств в целевые фонды. Данная модель предлагалась и обсуждалась еще и как средство замены современной патентной системы, однако такой подход пока не находит поддержки ни в одной правовой системе.

Одновременно предлагается и модель, основанная на создании специальной системы коллективного управления авторскими и смежными правами. Ее реализация позволит правообладателям передать свои права организации по коллективному управлению, которая заключает единый лицензионный договор в отношении всех переданных ей прав с разработчиком ИИ, собирает платежи и распределяет их по установленной методике. Такая система может охватывать значительное количество правообладателей и резко снижает затраты на юридическое оформление отношений для правообладателей и разработчиков ИИ. Основной недостаток такой модели состоит в отсутствии понимания, как должно рассчитываться вознаграждение правообладателей, какие факторы должны учитываться и на каком этапе (оплата за сам факт использования для обучения, оплата с учетом выручки разработчика и т.д.).

Сходным вариантом решения является создание специального централизованного фонда вознаграждения, аккумулирующего платежи разработчиков ИИ (рассчитываемые как процент от выручки или прибыли), и распределение средств фонда между правообладателями. Основой для распределения могут быть, например, данные о том, какие данные в большей степени повлияли на результат работы модели ИИ или данные о популярности используемого контента в интернете, количество упоминаний и т.д. Очевидно, что технически пока все варианты расчета труднореализуемы, кроме расчета на основе выручки ИИ-компаний. Для устранения распространенного опасения, что введение обязательных и экономически необоснованных платежей может существенно увеличить стоимость разработки ИИ и будет препятствовать инновациям, размеры лицензионных выплат в рамках системы коллективного управления должны быть минимальными.

С учетом плюсов и минусов рассмотренных вариантов наиболее оптимальным вариантом представляется гибридная модель, объединяющая модели индивидуального лицензирования и модели коллективного управления (вариант – централизованного фонда), в которой крупные правообладатели заключают индивидуальные договоры с разработчиками или дата-центрами, а отдельные правообладатели (художники, исполнители, фотографы и т.д.) передают права на управление исключительными правами организации по коллективному управлению. Одновременно может быть решен вопрос о наделении такой управляющей организации правом лицензировать использование контента и без договора с правообладателем. Сходная модель была реализована в законе в отношении «сиротских» произведений19.

Естественно, сам по себе выбор модели не устраняет необходимость внесения назревших изменений в законодательство об интеллектуальных правах, в частности, касающихся определения субъектов и оснований ответственности за нарушение интеллектуальных прав при обучении и использовании ИИ, уточнения случаев свободного использования произведений и объектов авторских и смежных прав, определение позиции в отношении договорных и технических запретов на использование объектов, размещенных в интернете.