Meta emails afslører torrenting af piratkopierede bøger til AI-træning

Nyligt afslørede emails er dukket op som det, bogforfattere kalder det “mest fordømmende bevis” mod Meta i en igangværende ophavsretssag, som først blev rapporteret af Ars Technica.

Ars Technica rapporterer, at forfatterne anklager Meta for ulovligt at have trænet deres AI-modeller på piratkopierede bøger, og e-mails afslører interne bekymringer om lovligheden af at torrente og seede ophavsretligt beskyttet materiale.

Sidste måned indrømmede Meta at have downloadet et kontroversielt datasæt kendt som LibGen, som indeholder titusindvis af piratkopierede bøger.

Dog forblev detaljerne uklare, indtil de ucensurerede emails blev offentliggjort.

Ifølge forfatternes retsdokument, har Meta torrentet “mindst 81,7 terabyte data på tværs af flere skyggebiblioteker via hjemmesiden Anna’s Archive, herunder mindst 35,7 terabyte data fra Z-Library og LibGen.” Desuden har “Meta også tidligere torrentet 80,6 terabyte data fra LibGen.”

“Størrelsen af Metas ulovlige torrentordning er fantastisk,” fastslog forfatternes indlæg, og bemærkede, at selv “væsentligt mindre handlinger af datapirateri – bare 0,008 procent af mængden af ophavsretligt beskyttede værker, Meta pirated – har resulteret i dommere, der henviser adfærden til det amerikanske statsadvokatkontor for strafferetlig undersøgelse.”

Ars Technica bemærker, at e-mailene også afslører intern utilfredshed blandt Meta-medarbejdere. I april 2023 skrev forskningsingeniør Nikolay Bashlykov, “At torrente fra en virksomhedslaptop føles ikke rigtigt,” og tilføjede en smiley emoji.

Han udtrykte bekymring om brugen af Meta IP-adresser “til at indlæse piratindhold gennem torrents.” I september 2023 havde Bashlykov droppet humoren, konsulterede Meta’s juridiske team, og advarede om, at “brug af torrents ville indebære ’seeding’ af filerne—dvs., deling af indholdet udadtil, dette kunne juridisk set være ikke OK.”

Til trods for disse advarsler hævder forfatterne, at Meta fortsatte med at downloade og seede piratkopieret indhold, og forsøgte endda at skjule sine aktiviteter.

Ars Technica rapporterer, at interne beskeder viser, at Meta undgik at bruge Facebooks servere til at downloade datasættet for at “undgå” “risikoen” for at nogen “sporer seeder/downloaderen” tilbage, som beskrevet af forsker Frank Zhang.

Michael Clark, en Meta-chef, indrømmede også i en afhøring, at indstillingerne blev ændret “så den mindst mulige mængde seeding kunne finde sted.”

Forfatterne argumenterer nu for, at Meta-personale involveret i beslutningen om torrenting, skal afhøres igen, da de nye beviser angiveligt “modsiger tidligere afhøringsvidnesbyrd.”

For eksempel, selvom CEO Mark Zuckerberg hævdede, at han ikke var involveret i at bruge LibGen til AI-træning, antyder urørlige beskeder, at “beslutningen om at bruge LibGen” skete efter “en tidligere eskalering til MZ.”

Ars Technica rapporterer, at Meta har fastholdt, at dets AI-træning på LibGen udgør “fair use” og afviste enhver ulovlig distribution af forfatternes værker. Dog har afsløringerne om fildeling kompliceret dens forsvar, hvilket har gjort det muligt for forfattere at udvide deres påstande om direkte ophavsretskrænkelser.

Efterhånden som sagen skrider frem, står Meta over for stigende granskning af deres håndtering af ophavsretligt beskyttet materiale, med forfattere, der er fast besluttet på at gøre tech-giganten ansvarlig for, hvad de beskriver som et “massivt ulovligt torrenting-skema”.