آنتروپیک برای آموزش هوش مصنوعی به سراغ کتاب‌های کره‌ای، ژاپنی و تایوانی رفت

شرکت آمریکایی هوش مصنوعی آنتروپیک برای آموزش مدل‌های خود، ۱۶۵٫۶۹ تن کتاب کره‌ای از یک شرکت کره جنوبی خریداری کرده است. کتاب‌های ژاپنی و تایوانی نیز در فهرست منابع موردنظر این شرکت برای طرح گسترده‌ای موسوم به «پروژه پاناما» قرار گرفته‌اند.

روز شنبه، روزنامه جونگ‌آنگ ایلبو و هفته‌نامه جونگ‌آنگ ساندی گزارش داده بودند که آنتروپیک بین مارس ۲۰۲۵ تا ژوئن سال جاری، طی پنج محموله حدود ۸۰ تن کتاب از یک شرکت کره‌ای خریداری کرده است. بررسی‌های تکمیلی، حجم کل این خرید را به ۱۶۵٫۶۹ تن در هفت محموله رساند. برآورد می‌شود این محموله‌ها حدود ۴۱۴ هزار جلد کتاب داشته باشند؛ تعدادی معادل یک نسخه از هر عنوان جدیدی که طی شش تا هفت سال در کره جنوبی منتشر شده است.

داده‌های وب‌سایت‌های ImportKey و Panjiva که اطلاعات واردات، صادرات و حمل‌ونقل را گردآوری می‌کنند، روز یکشنبه نشان دادند شرکت ووُنجین بوکسن (Woongjin Booxen)، عمده‌فروش و توزیع‌کننده کتاب در کره جنوبی، کتاب‌ها را از طریق بندر بوسان به آمریکا صادر کرده است. این محموله‌ها به بنادر لانگ‌بیچ و لس‌آنجلس در ایالت کالیفرنیا و تاکوما در ایالت واشنگتن رسیده‌اند و شرکت بِتِر وُرلد بوکس (Better World Books یا BWB) به‌عنوان خریدار ثبت شده است.

سند شماره ۱۲ در پرونده قضایی «بارتز علیه آنتروپیک» (Bartz v. Anthropic) که به دادگاهی در آمریکا ارائه شده، جزئیات مذاکرات آنتروپیک با توزیع‌کنندگان آسیایی برای عقد قراردادهای تأمین کتاب را شرح می‌دهد. کره جنوبی، ژاپن و تایوان از جمله بازارهای هدف این قراردادها بوده‌اند.

در جلسه‌ای در ۲۷ نوامبر ۲۰۲۴، آنتروپیک وضعیت توافق‌ها را بررسی کرد. اسناد این جلسه نشان می‌دهند قرارداد تأمین کتاب با شرکت ژاپنی نیپون شوپان هانبای (Nippon Shuppan Hanbai) که با نام نیپان (Nippan) شناخته می‌شود، نهایی شده بود و مفاد قرارداد با ووُنجین بوکسن نیز تأیید داخلی دریافت کرده بود.

شبکه تلویزیونی نیپون تی‌وی ژاپن با استناد به داده‌های ابزار تحلیل تجارت خارجی سایاری (Sayari) گزارش داد که «اسناد نشان می‌دهند یکی از شرکت‌های وابسته به یک گروه بزرگ انتشاراتی ژاپن از سال گذشته بیش از ۵۰ تن کتاب ژاپنی به آمریکا صادر کرده است». این شرکت، نیپان آی‌پی‌اس (Nippan IPS)، یکی از زیرمجموعه‌های نیپان، عمده‌فروش و توزیع‌کننده کتاب در ژاپن است.

بااین‌حال، داده‌های ImportKey از محموله‌هایی به‌مراتب بزرگ‌تر حکایت دارند.

بر اساس برآوردی محافظه‌کارانه، نیپان آی‌پی‌اس بین فوریه ۲۰۲۵ تا ژانویه سال جاری، طی هشت محموله در مجموع ۱۲۲٫۱۵۵ تن کتاب به شرکت BWB فرستاده است. این محاسبه فقط محموله‌هایی را در بر می‌گیرد که محل بارگیری اولیه آن‌ها توکیو در ژاپن ثبت شده است. در سه سابقه دیگر نیز نیپان آی‌پی‌اس فروشنده و BWB خریدار معرفی شده‌اند، اما هم محل دریافت محموله و هم بندر بارگیری بوسان ثبت شده است. وزن مجموع این سه محموله ۸۰٫۷۹۹ تن بوده، هرچند ماهیت این معاملات قابل تأیید نیست.

آنتروپیک همچنین از شرکت تایوانی یونایتد دیستریبیوشن (United Distribution Co. یا UDC)، توزیع‌کننده کتاب، خرید کرده است.

بررسی سوابق حمل‌ونقل از نوامبر ۲۰۲۴ تا سال جاری نشان می‌دهد UDC طی ۱۶ محموله، ۵۶۳٫۱۴۳ تن کتاب برای BWB صادر کرده است. این کتاب‌ها از بنادر تایپه، کائوسیونگ و کیلونگ در تایوان ارسال شده‌اند. یکی از محموله‌ها حتی در ۴ سپتامبر به آمریکا رسیده است.

در اسناد جلسه داخلی آنتروپیک به تاریخ ۲۷ نوامبر ۲۰۲۴، به «سفارش چهارم» از UDC اشاره شده و آمده است که قرارداد در مرحله «دریافت تأییدهای داخلی» قرار داشته است.

یکی از نکات قابل‌توجه در این اسناد، اشاره به «کتاب‌های چینی با خط ساده‌شده که از سرزمین اصلی چین می‌آیند» است. این عبارت احتمال می‌دهد آنتروپیک به‌دلیل دشواری واردات مستقیم کتاب از چین در شرایط تنش میان واشنگتن و پکن، قصد داشته باشد کتاب‌های چینی را به‌طور غیرمستقیم از مسیر تایوان وارد کند. در تایوان از نویسه‌های سنتی چینی استفاده می‌شود، درحالی‌که خط رایج در سرزمین اصلی چین، خط ساده‌شده است.

احتمال روی‌آوردن شرکت‌های هوش مصنوعی به کتاب‌های قدیمی

برخی ناظران گمان می‌کنند آنتروپیک و احتمالاً دیگر توسعه‌دهندگان هوش مصنوعی، پس از استفاده از کتاب‌های تازه‌منتشرشده، اکنون به سراغ کتاب‌های قدیمی‌تر رفته‌اند تا از آن‌ها برای آموزش مدل‌های خود استفاده کنند.

از ابتدای سال جاری، سفارش‌های عمده کتاب‌های دست‌دوم در نقاط مختلف جهان افزایش یافته است. کتاب‌فروشی‌های تخصصی کتاب‌های قدیمی در آلمان ناگهان در ساعات اولیه صبح سفارش‌های بزرگی دریافت کردند. کتاب‌فروشی‌های دست‌دوم در منطقه جیمبوچو توکیو نیز از سفارش‌های عمده خریداران ناشناس خبر دادند.

در کره جنوبی، از ماه اوت درخواست‌هایی برای خرید کتاب‌های دست‌دوم به کتاب‌فروشی‌های دست‌دوم متعلق به یس24 (Yes24) و آلادین (Aladin) و همچنین کتاب‌فروشی سئول بوک بوگو (Seoul Book Bogo) رسیده است.

کیم سو‌هیون، یکی از مدیران سئول بوک بوگو، گفت: «گمان می‌کنم شرکت‌های هوش مصنوعی آموزش مدل‌های خود با کتاب‌های جدید را به پایان رسانده‌اند و حالا برای آموزش با مطالب قدیمی‌تر به دنبال کتاب‌های دست‌دوم هستند.»

درخواست‌های رسیده به شرکت‌های کره‌ای از سوی یک شرکت توزیع کتاب در ایالت آریزونا مطرح شده که در مکاتبات فقط با عنوان «شرکت ب» معرفی شده است. این شرکت در ایمیلی نوشته است که «به دنبال تأمین‌کنندگانی هستیم که بتوانند به‌طور منظم کتاب‌های عمومی به زبان کره‌ای را در حجم پالت یا کانتینر به ما بفروشند».

پیش از آنکه شرکت‌های هوش مصنوعی آموزش مدل‌های خود با کتاب‌های چاپی نو و دست‌دوم را آغاز کنند، از نسخه‌های دیجیتال غیرقانونی کتاب‌ها استفاده کرده بودند؛ موضوعی که در پرونده قضایی «بارتز علیه آنتروپیک» نیز آشکار شد.

آنتروپیک در فاصله سال‌های ۲۰۲۰ تا ۲۰۲۱ حدود چهار میلیون کتاب دیجیتال را از وب‌سایت‌های ناقض حق نشر، از جمله لایبرری جنسیس (Library Genesis یا LibGen)، پایرت لایبرری میرور (Pirate Library Mirror یا PiLiMi) و Books3 دانلود کرد. در رأی صادرشده در مرحله رسیدگی اجمالی این پرونده در ژوئن سال گذشته، مشخص شد که از این کتاب‌های دیجیتال دانلودشده برای آموزش چندین مدل زبانی بزرگ (LLM) استفاده شده است.

دادگاه آمریکا تشخیص داد که دریافت کتاب‌های دیجیتال از وب‌سایت‌های ناقض حق نشر، تحصیل غیرقانونی آثار محسوب می‌شود و آنتروپیک را به پرداخت غرامت به صاحبان حق نشر ملزم کرد. دادگاه از میان حدود چهار میلیون نسخه دانلودشده، ۴۸۲٬۴۶۰ اثر را واجد شرایط دریافت غرامت دانست؛ البته به شرط رعایت الزاماتی از جمله ثبت اثر در اداره حق نشر آمریکا حداکثر تا پنج سال پس از نخستین انتشار.

حتی آثار نویسندگان کره شمالی نیز در فهرست قرار داشتند

در میان آثار واجد شرایط دریافت غرامت، کتاب‌هایی از برخی از برجسته‌ترین نویسندگان کره جنوبی نیز وجود دارد؛ از جمله هان کانگ، برنده نوبل ادبیات، هوانگ، کیم یونگ‌ها و کیم آئه‌ران.

بررسی وب‌سایت تسویه‌حساب حق نشر آنتروپیک تا روز جمعه نشان داد که ۲۵ عنوان از آثار ۱۶ نویسنده کره‌ای در فهرست قرار دارند. علاوه بر این، ۹ عنوان غیرداستانی از نویسندگانی چون راهب بودایی هه‌مین، ها جون چانگ، استاد دانشگاه لندن، و بیونگ‌چول هان، فیلسوف، شناسایی شده‌اند. همه این آثار به زبان انگلیسی ترجمه شده‌اند و نسخه‌های کره‌ای آن‌ها در این فهرست نیست.

از دیگر آثار مشمول غرامت، رمان «اتهام» (The Accusation)، نوشته نویسنده کره شمالی با نام مستعار باندی است که در سال ۲۰۱۸ منتشر شد. این کتاب ابتدا در کره جنوبی انتشار یافت و از طریق ترجمه دبورا اسمیت به خوانندگان انگلیسی‌زبان معرفی شد. اسمیت همچنین رمان «گیاهخوار» (The Vegetarian) اثر هان کانگ را که در سال ۲۰۰۷ منتشر شده بود، ترجمه کرده است.

آنتروپیک موافقت کرده است برای هر اثر ۳۰۰۰ دلار بپردازد و مجموع مبلغ توافق به ۱٫۵ میلیارد دلار می‌رسد. نویسندگان کره‌ای، از جمله هان کانگ، در ماه فوریه اطلاعیه‌های مربوط به غرامت را دریافت کردند. اسناد منتشرشده از سوی دادگاه آمریکا نشان می‌دهند تا ۱۶ آوریل، برای ۴۴۰٬۴۹۰ اثر از مجموع ۴۸۲٬۴۶۰ اثر واجد شرایط، یعنی ۹۱٫۳ درصد، درخواست غرامت ثبت شده بود.

بااین‌حال، تعداد کتاب‌های کره‌ای موجود در این توافق ممکن است ابعاد واقعی مسئله را به‌طور کامل نشان ندهد.

در میان حدود چهار میلیون کتاب دیجیتال غیرقانونی دانلودشده از سوی آنتروپیک، بخش بزرگی از کتاب‌های کره‌ای ترجمه‌شده به انگلیسی وجود داشت. فهرست کتاب‌های دیجیتال در دسترس از طریق PiLiMi و منابع دیگر در پلتفرم توسعه‌دهندگان گیت‌هاب منتشر شده است. این فهرست آثار کره‌ای متعددی را در بر می‌گیرد؛ از رمان‌های اقتباس‌شده از مجموعه‌های تلویزیونی، مانند «آقای آفتاب» (Mr. Sunshine) محصول سال ۲۰۱۸، گرفته تا رمان‌های اینترنتی. همین تنوع، تعیین دامنه کامل مجموعه آثار را دشوار کرده است.

دولت کره جنوبی از ماه فوریه در جریان موضوع بود

بر اساس یافته‌های جدید، مؤسسه ترجمه ادبیات کره (LTI Korea) و دولت این کشور از ماه فوریه از این مسئله اطلاع داشتند.

تأیید شده است که مؤسسه ترجمه ادبیات کره، که از ترجمه آثار ادبی کره‌ای برای انتشار در خارج از کشور حمایت می‌کند، در ماه فوریه نویسندگان کره‌ای را از امکان دریافت غرامت بابت دانلود غیرقانونی کتاب‌های دیجیتال از سوی آنتروپیک مطلع کرده بود.

پس از اطلاع از پرونده، وزارت فرهنگ، ورزش و گردشگری کره جنوبی اطلاعات مربوط را به این مؤسسه منتقل کرد. مؤسسه نیز اطلاعیه‌های رسمی خود را با عنوان «راهنمای جبران خسارت برای نویسندگان ادبی کره‌ای آسیب‌دیده از نقض حق نشر توسط یک شرکت هوش مصنوعی آمریکایی» برای نویسندگان ارسال کرد.

در این اطلاعیه‌ها، روش درخواست غرامت، از جمله مراحل ثبت درخواست در وب‌سایت تسویه‌حساب حق نشر آنتروپیک، توضیح داده شده بود. همچنین مهلت ثبت درخواست‌ها ۳۰ مارس اعلام شده بود.

یکی از مسئولان مؤسسه گفت: «بررسی‌های خود را انجام دادیم و راهنمایی‌ها را عمدتاً در اختیار نویسندگانی قرار دادیم که آثار ترجمه‌شده‌شان با حمایت مؤسسه ترجمه ادبیات کره منتشر شده بود.»

این مؤسسه ۲۰ نویسنده را شناسایی کرد که آثارشان در نتیجه دانلود غیرقانونی آسیب دیده بود؛ این فهرست ۲۱ عنوان را شامل می‌شد. هان کانگ، برنده نوبل ادبیات، و نویسندگان سرشناسی مانند کیم آئه‌ران، کیم یونگ‌ها، شین کیونگ‌سوک، جونگ یو‌جونگ و هوانگ در میان آن‌ها بودند. گزارش شده است که این نویسندگان به مؤسسه گفته‌اند درخواست غرامت را شخصاً یا از طریق آژانس‌های ادبی خود ثبت خواهند کرد.

بااین‌حال، نویسندگان شناسایی‌شده از سوی این مؤسسه تنها بخشی از افراد آسیب‌دیده را تشکیل می‌دهند. حدود چهار میلیون کتاب دیجیتال دانلودشده از سوی آنتروپیک، آثار بسیار بیشتری از نویسندگان کره‌ای را در بر می‌گیرد که نامشان در فهرست آثار واجد شرایط غرامت نیامده است؛ از جمله نویسندگان درگذشته‌ای مانند چو سه‌هی و هوانگ سون‌وون.

مؤسسه ترجمه ادبیات کره در اطلاعیه خود نوشت: «از آنجا که انتظار داریم نویسندگان دیگری نیز، افزون بر افرادی که تاکنون شناسایی شده‌اند، تحت تأثیر قرار گرفته باشند، از شما می‌خواهیم این اطلاعات را به‌طور گسترده با نویسندگان دیگری که می‌شناسید به اشتراک بگذارید.»

خلأ قانونی کره جنوبی در زمینه حق نشر هوش مصنوعی، خطر را افزایش می‌دهد

با گسترش دامنه منابع آموزشی شرکت‌های هوش مصنوعی از کتاب‌های دیجیتال غیرقانونی به کتاب‌های چاپی جدید و سپس کتاب‌های دست‌دوم، ناشران و نویسندگان ابزارهای مؤثر اندکی برای حفاظت از حقوق خود در اختیار دارند.

توافق آنتروپیک برای پرداخت غرامت، صاحبان حق نشر را بابت تحصیل غیرقانونی کتاب‌هایی جبران می‌کند که از وب‌سایت‌های ناقض حق نشر دانلود شده‌اند، نه بابت استفاده از محتوای این کتاب‌ها برای آموزش هوش مصنوعی. در واقع، دادگاه در پرونده «بارتز علیه آنتروپیک» به این نتیجه رسید که خرید کتاب و استفاده از محتوای آن برای آموزش مدل‌های هوش مصنوعی، مصداق استفاده منصفانه است.

در حال حاضر، کره جنوبی مقررات قانونی مشخصی برای رسیدگی به مسائل حق نشر ناشی از آموزش هوش مصنوعی ندارد.

پارک جونگ‌این، استاد پژوهشی در مرکز هوش مصنوعی داینااینفو دانشگاه زنان دوکسونگ و متخصص حقوق مالکیت فکری، گفت: «در سال ۲۰۲۳ تلاش شد قانون حق نشر اصلاح شود تا رضایت صاحبان حق نشر برای آموزش هوش مصنوعی الزامی باشد، اما این تلاش به نتیجه نرسید. اکنون در خلأ قانونی قرار داریم.»

در مقابل، اتحادیه اروپا اجرای قانون هوش مصنوعی خود را از ماه اوت آغاز کرده است. این قانون مقرراتی دارد که در صورت اعلام صریح محفوظ بودن حقوق از سوی نویسندگان یا دیگر صاحبان حق، استفاده از آثار دارای حق نشر برای آموزش هوش مصنوعی را محدود می‌کند.

نهادهای صنفی نشر در کره جنوبی نیز به‌تازگی اعتراض خود را به نبود سازوکارهای حمایتی برای پدیدآورندگان آثار اعلام کرده‌اند.

انجمن ناشران کره روز پنجشنبه در بیانیه‌ای اعتراضی اعلام کرد: «شرکت‌های هوش مصنوعی باید غرامت منصفانه‌ای به صاحبان حقوق نشر پرداخت کنند.» انجمن ناشران کره جنوبی نیز قصد دارد خرید کتاب‌های دست‌دوم از سوی شرکت‌های هوش مصنوعی را بررسی کند.

یون سونگ‌مین و یون سو‌یون