Обучение ИИ на общедоступных данных стало предметом дискуссии между разработчиками, правообладателями и государственными ведомствами. Бизнесу нужно разобраться, достаточно ли законной публикации материала для его использования в датасете, когда могут возникнуть выплаты правообладателям и какие расходы закладывать в проект уже сейчас.

Что означает обучение ИИ на общедоступных данных

При обучении модели алгоритмы анализируют большие массивы текстов, изображений, музыки и других материалов, чтобы выявить закономерности и настроить параметры нейросети. Данные могут быть собраны из сайтов, открытых каталогов, публичных архивов и других источников.

Сам факт доступности материала без регистрации не дает универсального ответа на вопрос о правомерности его использования. Значение имеют способ получения данных, условия публикации, лицензия и возможные ограничения со стороны правообладателя. Именно поэтому авторские права и обучение ИИ сейчас обсуждаются вместе: нужно определить, считается ли анализ произведения в составе обучающего массива отдельным использованием объекта права.

Какие предложения обсуждаются в России

Рабочая группа под руководством Павла Крашенинникова предложила считать обучение ИИ использованием объектов авторских и смежных прав. В этой модели правообладателям может полагаться однократное вознаграждение за произведения, которые использовались при обучении нейросетей, сообщает Forbes.

Обязательные выплаты в представленном виде не поддержало Минцифры. По данным Forbes, ведомство связывает такую модель с дополнительной технической и административной нагрузкой, а также с ростом стоимости разработки ИИ-моделей.

Против обязательных платежей за правомерно полученную и общедоступную информацию выступила Ассоциация больших данных. В нее, среди прочих компаний, входят «Яндекс», VK, «Сбер», Т-Банк, МТС и «Билайн». Об этом писали Forbes и RB.RU.

Позиция АБД и Альянса в сфере искусственного интеллекта состоит в том, что обучение можно разрешить для материалов, полученных законно или размещенных в открытом доступе, если правообладатель не установил технический запрет. При этом автору или владельцу прав предлагается оставить возможность отказаться от использования контента через понятный машиночитаемый механизм. Такой подход описывает Sostav.ru.

Речь идет о предложениях и продолжающемся обсуждении, а не об уже установленной системе выплат. Конкретные размеры вознаграждений, перечень обязательных лицензий и порядок распределения денег между правообладателями в рассмотренных материалах не определены.

Почему единая система выплат сложна для бизнеса

Чтобы начислять вознаграждение, разработчику пришлось бы установить несколько параметров: какие именно материалы попали в датасет, кому принадлежат права на каждый объект, действительна ли лицензия, кто должен получить деньги и каков размер выплаты. По позиции АБД, эти сведения пришлось бы регулярно обновлять, поскольку права и условия использования контента могут меняться.

Еще сложнее задача выглядит для уже обученных моделей. Как отмечает Pravo.ru, разработчику может потребоваться восстановить состав массивов, которые использовались в обучении, и проверить права на отдельные материалы. АБД указывает, что такие наборы могут включать миллиарды объектов.

На практике это затрагивает не только платежи. Компании могут столкнуться с расходами на очистку датасетов, ведение реестра источников, проверку лицензий, хранение подтверждающих документов и повторное обучение модели после удаления запрещенного контента.

Как может работать отказ от использования контента

Предлагаемый механизм выглядит так: правообладатель размещает запрет в технически распознаваемой форме, а разработчик учитывает его при сборе и обновлении обучающих данных. В этом сценарии компания должна уметь проверить статус материала до включения в датасет и исключить его из следующих циклов обучения.

Такой подход не отменяет операционные задачи. Нужно определить, какие форматы запрета поддерживаются, как часто обновляется база ограничений, кто отвечает за проверку и что делать с данными, которые уже попали в модель. Если процесс обновления не настроен, ранее разрешенный материал может остаться в новом датасете после изменения условий его использования.

Для правообладателей механизм отказа создает способ заявить о своих ограничениях без индивидуальных переговоров с каждым разработчиком. Для бизнеса он означает необходимость поддерживать процесс управления правами на протяжении всего жизненного цикла модели.

Что это значит для бизнеса

Компании, которые создают собственные модели или готовят крупные датасеты, могут заранее разделить контент по уровню риска: материалы с ясной лицензией, данные с неочевидными условиями и источники, использование которых запрещено. Для каждой группы стоит хранить источник, дату получения, текст лицензии и решение о включении в обучение.

До появления окончательных правил полезно закладывать в бюджет не только расходы на обучение ИИ, но и юридическую проверку, очистку данных, технический учет разрешений, обновление датасетов и возможное повторное обучение. Уже работающим проектам стоит провести инвентаризацию происхождения данных: восстановить источники настолько, насколько это возможно, и зафиксировать пробелы, которые могут помешать подтвердить правомерность использования материалов.

Если компания использует внешнюю модель, нужно отдельно проверить условия поставщика: кто отвечает за данные обучения, распространяются ли ограничения на коммерческое применение результата и предусмотрен ли механизм обработки претензий правообладателей. Такая проверка не заменяет будущих требований, но помогает не смешивать собственные риски с рисками провайдера.

Что считать безопасной позицией до принятия правил

Публичность материала сама по себе не закрывает вопрос лицензирования контента для ИИ. Пока обсуждение продолжается, наиболее управляемый подход для бизнеса состоит в документировании происхождения данных, проверке условий их использования и готовности исключать материалы по подтвержденному требованию правообладателя.

Обязательные выплаты правообладателям за обучение ИИ пока остаются предметом предложений и дискуссии. Поэтому компаниям стоит следить не только за возможной суммой платежей, но и за тем, появятся ли требования к реестрам данных, машиночитаемым запретам, отчетности и уже обученным моделям.