Μια νέα, ηχηρή νομική αντιπαράθεση ξεκινά στις Ηνωμένες Πολιτείες, καθώς κορυφαίοι εκδοτικοί οίκοι και συγγραφείς κατηγορούν την Google για εκτεταμένη παραβίαση πνευματικών δικαιωμάτων. Στην αγωγή που κατατέθηκε την Παρασκευή σε ομοσπονδιακό δικαστήριο της Νέας Υόρκης, οι Hachette Book Group, Cengage Learning, Elsevier και ο συγγραφέας Scott Turow στρέφονται κατά του τεχνολογικού κολοσσού από το Silicon Valley, υποστηρίζοντας ότι η εταιρεία χρησιμοποίησε αυθαίρετα έργα τους για να εκπαιδεύσει τα μοντέλα τεχνητής νοημοσύνης Gemini.
Η αγωγή, έκτασης σχεδόν 60 σελίδων, κάνει λόγο για εσκεμμένες επιλογές της Google, η οποία «παρέκαμψε σκόπιμα το καθιερωμένο σύστημα προστασίας πνευματικών δικαιωμάτων». Σύμφωνα με τους ενάγοντες, ο τεχνολογικός γίγαντας αντέγραψε βιβλία που προορίζονταν για περιορισμένη χρήση μέσω της υπηρεσίας Google Books, ενώ παράλληλα χρησιμοποίησε «web scrapes» από ολόκληρο το διαδίκτυο, συμπεριλαμβανομένων πειρατικών πηγών και περιεχομένου πίσω από paywalls.
Οι εκδότες υπογραμμίζουν ότι η Google γνώριζε τους νομικούς κινδύνους, καθώς εσωτερικά έγγραφα προειδοποιούσαν ότι η εκπαίδευση μοντέλων τεχνητής νοημοσύνης με χρήση βιβλίων θα μπορούσε να οδηγήσει σε πρόστιμα έως και 100 δισεκατομμυρίων δολαρίων. Από την πλευρά της, η Hachette δήλωσε ότι οι συγγραφείς και οι εκδότες παραμένουν ενωμένοι στον στόχο τους να προστατεύσουν την πνευματική τους ιδιοκτησία, που περιλαμβάνει από παιδικά βιβλία και ποίηση μέχρι ακαδημαϊκά άρθρα.
Η υπόθεση αυτή αποτελεί μέρος ενός ευρύτερου κύματος δικαστικών διαμαχών που πλήττουν τις εταιρείες τεχνητής νοημοσύνης. Αντίστοιχες νομικές ενέργειες έχουν ξεκινήσει κατά της OpenAI από συγγραφείς όπως ο George RR Martin, αλλά και από ειδησεογραφικούς οργανισμούς, συμπεριλαμβανομένων των The New York Times, ενώ παρόμοιες καταγγελίες έχουν κατατεθεί στον τομέα της μουσικής βιομηχανίας κατά των Suno και Anthropic. Οι νομικοί αναλυτές επισημαίνουν ότι το ζήτημα της «θεμιτής χρήσης» (fair use) παραμένει ακανθώδες και το κρίσιμο ερώτημα για τα αμερικανικά δικαστήρια είναι πώς μπορεί να αποδειχθεί η ακριβής πηγή των δεδομένων που «αφομοιώνονται» κατά την εκπαίδευση ενός μοντέλου τεχνητής νοημοσύνης.
