Meta-e-mails onthullen dat er gepirateerde boeken worden gedownload voor AI-training

Nieuw onthulde e-mails zijn naar voren gekomen als wat boekenschrijvers het “meest overtuigende bewijs” noemen tegen Meta in een lopende auteursrechtenzaak, zoals eerst gemeld door Ars Technica.

Ars Technica meldt dat de auteurs beweren dat Meta zijn AI-modellen illegaal heeft getraind op gepirateerde boeken, en de e-mails onthullen interne zorgen over de wettigheid van het downloaden en verspreiden van auteursrechtelijk beschermd materiaal.

Afgelopen maand gaf Meta toe een controversiële dataset genaamd LibGen te hebben gedownload via torrent, die tientallen miljoenen illegaal gekopieerde boeken bevat.

De details bleven echter onduidelijk tot de ongecensureerde e-mails openbaar werden gemaakt.

Volgens de gerechtelijke indiening van de auteurs, heeft Meta “minstens 81,7 terabytes aan data via meerdere schaduwbibliotheken getorrent via de site Anna’s Archief, inclusief minstens 35,7 terabytes aan data van Z-Library en LibGen.” Daarnaast heeft “Meta ook eerder 80,6 terabytes aan data van LibGen getorrent.”

“De omvang van Meta’s illegale torrenting-systeem is verbazingwekkend,” aldus de indiening van de auteurs. Ze merken op dat zelfs “veel kleinere daden van datapiraterij – slechts 0,008 procent van de hoeveelheid auteursrechtelijk beschermde werken die Meta heeft gepirateerd – hebben geleid tot het doorverwijzen van het gedrag naar het kantoor van de Amerikaanse procureurs voor strafrechtelijk onderzoek.”

Ars Technica merkt op dat de e-mails ook interne onrust onder Meta-medewerkers onthullen. In april 2023 schreef onderzoeksingenieur Nikolay Bashlykov: “Torrents downloaden vanaf een zakelijke laptop voelt niet goed,” en voegde daar een smiley-emoji aan toe.

Hij uitte zijn zorgen over het gebruik van Meta IP-adressen “om via torrents illegale inhoud te laden.” Tegen september 2023 had Bashlykov de humor laten varen, raadpleegde het juridische team van Meta en waarschuwde dat “het gebruik van torrents zou inhouden dat de bestanden ‘gezaaid’ worden – d.w.z., het delen van de inhoud naar buiten toe, dit zou wettelijk gezien niet in orde kunnen zijn.”

Ondanks deze waarschuwingen beweren auteurs dat Meta doorging met het torrenten en seeden van illegale inhoud, zelfs pogingen ondernemend om zijn activiteiten te verbergen.

Ars Technica meldt dat interne berichten aantonen dat Meta vermeed om Facebook servers te gebruiken om de dataset te downloaden om zo het “risico” te “vermijden” dat iemand de “seeder/downloader” kan traceren, zoals beschreven door onderzoeker Frank Zhang.

Michael Clark, een Meta-executive, gaf ook toe in een verklaring dat de instellingen waren aangepast “zodat het kleinst mogelijke aantal zaadjes kon plaatsvinden.”

De auteurs beweren nu dat Meta-medewerkers die betrokken waren bij de beslissing over het torrenten opnieuw moeten worden ondervraagd, aangezien het nieuwe bewijs naar verluidt “eerdere getuigenverklaringen tegenspreekt.”

Bijvoorbeeld, hoewel CEO Mark Zuckerberg beweerde geen betrokkenheid te hebben bij het gebruik van LibGen voor AI-training, suggereren ongecensureerde berichten dat de “beslissing om LibGen te gebruiken” plaatsvond na “een eerdere escalatie naar MZ.”

Ars Technica meldt dat Meta volhoudt dat zijn AI-training op LibGen een “fair use” vormt en ontkende elke onwettige verspreiding van de werken van de auteurs. Echter, de onthullingen over torrenting hebben hun verdediging gecompliceerd, waardoor auteurs hun claims van directe auteursrechtschending kunnen uitbreiden.

Naarmate de zaak vordert, wordt Meta steeds nauwlettender bekeken vanwege de manier waarop het omgaat met auteursrechtelijk beschermd materiaal. De auteurs zijn vastbesloten om de tech-gigant verantwoordelijk te stellen voor wat zij omschrijven als een “massaal illegaal torrenting-systeem”.