Posizione di Wikimedia sul copyright dell'AI: proteggere l'addestramento senza giustificare le risposte copiate

La Wikimedia Foundation chiede a un tribunale federale di proteggere l'addestramento dell'AI, respingendo al contempo una tutela generalizzata per i chatbot che riproducono materiale protetto da copyright. La sua posizione sul copyright dell'AI di Wikimedia colloca l'operatore di Wikipedia tra le aziende tecnologiche che cercano margini per sviluppare modelli e gli editori che chiedono controllo sulle proprie opere. La fondazione sostiene che entrambi gli estremi minacciano le fonti informative di cui Wikipedia ha bisogno.

In un annuncio del 30 ottobre, Wikimedia ha descritto il proprio intervento in una causa consolidata sul copyright che coinvolge OpenAI e Microsoft a New York. Vuole che i tribunali distinguano tra l'addestramento di un grande modello linguistico, un sistema addestrato a generare linguaggio, e il recupero e la riproduzione di materiale per gli utenti. Questa distinzione mette in discussione l'idea che una singola risposta debba disciplinare tutto ciò che un servizio AI fa con testo protetto da copyright.

Il conflitto va oltre OpenAI e The New York Times. Wikipedia ha bisogno di tecnologia utile, ma i suoi redattori hanno anche bisogno di reportage affidabili e altre fonti prodotte in modo indipendente. La posizione della fondazione considera queste esigenze interconnesse. Proteggere lo sviluppo dei modelli indebolendo al contempo chi produce conoscenza lascerebbe l'enciclopedia a difendere gli strumenti a scapito della loro materia prima.

Le argomentazioni di Wikimedia sul copyright dell'AI separano l'addestramento dal recupero

Wikimedia chiede al tribunale di valutare separatamente i diversi usi del materiale protetto da copyright.

L'annuncio sul deposito relativo al copyright della fondazione descrive una memoria amicus, un documento che offre la prospettiva di una parte esterna. La causa è pendente presso il Southern District of New York e riunisce procedimenti contro OpenAI, inclusa la controversia che coinvolge The New York Times.

Wikimedia sostiene che l'addestramento meriti la protezione del fair use quando produce un modello con uno scopo diverso dalle opere originali. Il fair use consente alcuni utilizzi di materiale protetto da copyright senza autorizzazione. La fondazione giunge a una conclusione diversa per i sistemi che recuperano contenuti protetti e li riproducono nelle risposte, sostenendo che tali usi debbano rispettare le licenze applicabili.

Si tratta di un'argomentazione presentata a un tribunale, non di una decisione giudiziaria. Wikimedia non ha stabilito una nuova eccezione per l'addestramento né una nuova regola per le risposte dei chatbot. Il suo intervento chiede al giudice di preservare una distinzione che la fondazione considera essenziale per la conoscenza aperta.

La distinzione conta perché un servizio AI può utilizzare testi in momenti diversi. Il materiale impiegato durante lo sviluppo del modello svolge una funzione immediata diversa da quella di un articolo recuperato per rispondere a una domanda attuale. Un utente vede un'unica interfaccia, ma tale interfaccia può nascondere diversi utilizzi separati del lavoro altrui.

Si consideri una richiesta esemplificativa su una causa in evoluzione. Un modello potrebbe generare una spiegazione a partire da schemi appresi durante l'addestramento. Un servizio connesso potrebbe invece recuperare un reportage recente e usarne dei passaggi per costruire una risposta. Le risposte risultanti possono apparire simili pur sollevando questioni diverse su copia, autorizzazione e sostituzione.

L'approccio di Wikimedia pone queste azioni sottostanti al centro dell'analisi. Definire l'intero processo “AI” fa poco per stabilire cosa sia accaduto a un determinato articolo. Le domande rilevanti riguardano quale materiale sia entrato nel sistema, perché vi sia entrato e cosa il servizio abbia infine fornito.

Questo limita anche l'ampiezza con cui i lettori dovrebbero interpretare la notizia. Il sostegno ad alcuni usi per l'addestramento non stabilisce l'autorizzazione per ogni dataset o metodo di raccolta. L'opposizione al recupero sostitutivo non stabilisce che ogni risposta contenente informazioni recuperate violi il copyright.

L'importanza del deposito risiede nella scelta che presenta. I tribunali possono esaminare gli atti compiuti all'interno di un sistema AI invece di concedere o negare protezione al sistema nel suo insieme. Per l'operatore di Wikipedia, questo offre un modo per sostenere uno sviluppo utile senza abbandonare le condizioni che mantengono disponibile il materiale fonte.

Wikipedia dipende sia da un'AI utile sia dalla sopravvivenza delle fonti

L'interesse di Wikipedia si estende alla produzione continua di conoscenza, non al solo accesso al testo esistente.

Un'enciclopedia può distribuire informazioni liberamente pur dipendendo da organizzazioni che operano secondo modelli economici diversi. I suoi redattori hanno bisogno di reportage, ricerca accademica e altre pubblicazioni affidabili per stabilire cosa debba comparire in un articolo. L'accesso aperto all'enciclopedia non elimina lo sforzo necessario per produrre tali fonti sottostanti.

Questo crea una tensione pratica per Wikimedia. Una regola restrittiva sull'addestramento potrebbe complicare lo sviluppo di strumenti che assistono i contributori. Una regola eccessivamente permissiva sulla riproduzione del materiale fonte potrebbe indebolire le pubblicazioni consultate da tali contributori. Nessuno dei due esiti favorisce automaticamente la missione dell'enciclopedia.

La precedente strategia AI incentrata sulle persone di Wikimedia aiuta a spiegare perché stia difendendo spazio per lo sviluppo dell'AI. Annunciata nell'aprile 2025, la strategia dà priorità al sostegno dei volontari anziché alla sostituzione del loro giudizio. Le sue aree dichiarate includono flussi di lavoro di moderazione, scoperta delle informazioni, traduzione e onboarding.

Si tratta di esigenze editoriali concrete, non di una promessa di automatizzare un'enciclopedia. Un contributore alle prese con attività di manutenzione ripetitive ha esigenze diverse da quelle di un servizio che vende risposte finite. Un'assistenza che libera attenzione per la valutazione delle fonti persegue uno scopo diverso da un prodotto che elimina la necessità di visitare una fonte.

Tuttavia, la strategia non dimostra che una particolare pratica commerciale di addestramento sia necessaria per ottenere tali benefici. Gli strumenti preferiti da Wikimedia e la condotta contestata di OpenAI sono questioni distinte. La preoccupazione più ampia della fondazione è che una regola giuridica radicale possa influire su sviluppi socialmente utili insieme ai prodotti dei convenuti.

L'addestramento AI di Wikipedia si collega quindi a un problema più ampio di dipendenza. Gli strumenti possono aiutare le persone a elaborare conoscenza, ma non possono garantire che nuovo materiale affidabile continui a essere pubblicato. Un'interfaccia efficiente diventa meno preziosa se il reportage alla base delle sue risposte diventa più difficile da trovare o smette di essere prodotto.

Si immagini un redattore che aggiorna una voce dopo che un'azienda modifica una politica. La spiegazione sicura di sé di un chatbot non è intercambiabile con un annuncio tracciabile o un resoconto riportato in modo indipendente. Il redattore ha bisogno di prove che possano essere verificate, interpretate e citate da altri contributori.

La stessa preoccupazione vale per i knowledge worker che costruiscono una base di conoscenza personale. I riepiloghi pratici aiutano nella scoperta, ma i documenti sottostanti restano essenziali quando un'affermazione richiede verifica. L'accesso a una risposta e l'accesso alle sue prove servono scopi diversi.

L'avvertimento di Wikimedia si comprende meglio come una preoccupazione per questa relazione. Non basta che un sistema AI fornisca oggi informazioni plausibili. Il web circostante deve continuare a sostenere le persone e le istituzioni capaci di produrre informazioni affidabili domani.

Che specifiche funzionalità dei chatbot minaccino tale relazione richiede prove. Il deposito alza la posta dell'indagine senza risolverne l'esito. Chiede al tribunale di considerare cosa accada oltre la transazione immediata tra uno sviluppatore di modelli e un titolare di copyright.

Le licenze aperte rendono possibile il riutilizzo senza eliminare le condizioni

Il materiale disponibile liberamente può essere soggetto a condizioni di riutilizzo applicabili.

Il testo di Wikipedia illustra perché “aperto” non possa semplicemente significare “disponibile per qualsiasi scopo a qualsiasi condizione”. La licenza pertinente autorizza il riutilizzo del materiale preservando al contempo gli obblighi collegati a tale autorizzazione. Questi obblighi fanno parte dell'accordo che rende possibile una condivisione diffusa.

La licenza Attribution-ShareAlike consente la condivisione e l'adattamento, compreso il riutilizzo commerciale, alle sue condizioni. L'attribuzione richiede crediti appropriati e informazioni correlate. ShareAlike richiede che gli adattamenti qualificanti utilizzino la stessa licenza o una licenza compatibile quando vengono condivisi.

Tali condizioni non significano che ogni prodotto AI che utilizza Wikipedia debba pubblicare l'intero sistema software con la licenza dell'enciclopedia. Gli obblighi dipendono dal materiale e dall'uso. Né ogni affermazione fattuale appresa da un articolo diventa un adattamento della sua formulazione.

La licenza riconosce inoltre che eccezioni e limitazioni possono applicarsi indipendentemente. Se un utilizzo rientra in un'eccezione legale, l'utente non necessita dell'autorizzazione della licenza per tale utilizzo. Ecco perché la controversia sul fair use conta anche quando il materiale è già soggetto a una licenza aperta.

Wikimedia vuole che i tribunali distinguano tra gli usi che si qualificano indipendentemente e quelli che dovrebbero rispettare i termini della licenza. La sua posizione lascia spazio all'addestramento, opponendosi però all'assunto che un'interfaccia chatbot annulli gli obblighi collegati al materiale recuperato. È un argomento più circoscritto rispetto alla richiesta di autorizzazione per ogni interazione con la conoscenza.

L'attribuzione svolge anche una funzione pratica che va oltre il riconoscimento dell'autorialità. Consente a un lettore di esaminare il contesto, valutare le prove e scoprire eventuali correzioni. Rimuovere questo percorso può rendere una risposta più difficile da valutare anche quando la sua formulazione immediata appare accurata.

Un link da solo, tuttavia, non risolve ogni questione di licenza o copyright. Crediti, informazioni sulla licenza, avvisi di modifica e obblighi ShareAlike possono sollevare questioni separate. Il fatto che un'interfaccia includa citazioni non stabilisce che ogni uso alla base dell'interfaccia rispetti i requisiti applicabili.

Al contrario, una citazione imperfetta non stabilisce automaticamente una completa pretesa di violazione. Restano rilevanti il materiale protetto, la natura della copia e qualsiasi difesa applicabile. Il design dell'interfaccia fornisce prove su come funziona un servizio, ma non può sostituire l'analisi giuridica.

Per i lettori che cercano una spiegazione del fair use di Wikimedia, questa è la distinzione essenziale: l'autorizzazione prevista da una licenza e quella prevista da un'eccezione legale sono percorsi diversi. La proposta di Wikimedia chiede ai tribunali di identificare quale percorso si applichi a ciascun uso contestato, anziché trattare l'accesso come autorizzazione universale.

L'implicazione più ampia è che la pubblicazione aperta dipende da regole di partecipazione durature. I contributori possono accogliere il riutilizzo aspettandosi al contempo che altri rispettino i termini che lo rendono possibile. Se l'apertura significa sistematicamente perdere tali termini, gli editori hanno meno ragioni per rendere il proprio lavoro riutilizzabile apertamente.

Gli editori contestano la stessa eccezione per l'addestramento

La posizione intermedia di Wikimedia lascia irrisolto un importante disaccordo: se l'addestramento stesso sfrutti ingiustamente opere protette.

L’Association of American Publishers e altre organizzazioni editoriali hanno annunciato un memoriale amicus curiae degli editori il 29 ottobre. Hanno sostenuto gli attori autori, editori ed editori di notizie nel contenzioso consolidato. Il loro intervento mostra che la controversia non riguarda soltanto il comportamento dei chatbot finiti.

Per i titolari dei diritti d’autore, una regola che protegge l’addestramento può eliminare il controllo nel momento in cui materiale di valore entra in un processo di sviluppo commerciale. Citazioni migliori nelle risposte successive non risolverebbero necessariamente tale obiezione. Un editore può riconoscere l’importanza dell’attribuzione continuando al tempo stesso a contestare la legittimità della copia precedente.

Questo è il principale punto di pressione nella proposta di Wikimedia. Separare le fasi produce una questione più chiara, ma la chiarezza non stabilisce quale parte debba prevalere. Il tribunale deve comunque valutare i fatti e gli argomenti pertinenti all’interno di ciascuna fase.

Una prospettiva contraria arriva da Public Knowledge. La sua dichiarazione del 30 ottobre descrive un documento a sostegno della posizione di OpenAI sul fair use e sollecita un trattamento distinto di addestramento, acquisizione dei dati e output. L’argomento dell’organizzazione sul fair use nell’addestramento coincide con l’insistenza di Wikimedia sull’esame di attività distinte.

Questa convergenza non dovrebbe cancellare la differenza tra i loro interventi. Public Knowledge ha annunciato il sostegno alla mozione di OpenAI per ragioni di fair use. Wikimedia ha presentato la propria posizione incentrandola sulla tutela della conoscenza aperta e sul rispetto delle licenze negli usi di retrieval. L’accordo sulla separazione analitica non implica accordo su ogni pratica contestata.

Ne deriva una mappa più utile di una semplice contrapposizione tra tecnologia ed editoria. Alcuni sostenitori vogliono che i tribunali distinguano le fasi, pur giungendo a conclusioni diverse su tali fasi. Altri si oppongono a un’ampia esenzione per l’addestramento perché ritengono che la copia e le sue conseguenze economiche meritino un esame più attento.

OpenAI e Microsoft subiscono pressioni affinché giustifichino usi specifici, anziché affidarsi esclusivamente all’utilità dei loro prodotti. Gli editori subiscono pressioni affinché spieghino il danno e i diritti coinvolti da pratiche particolari. Wikimedia affronta una sfida diversa: dimostrare che il confine proposto protegge sia gli strumenti utili sia le fonti che li sostengono.

Il confronto evidenzia anche il problema di trattare tutte le applicazioni dell’IA come equivalenti. Uno strumento che supporta la revisione di un editor e un servizio che fornisce un’esperienza di lettura sostitutiva possono avere rapporti diversi con una fonte. La stessa architettura generale di modello non rende tali rapporti identici.

Tuttavia, un’applicazione socialmente utile non può dimostrare la legittimità di ogni pratica a monte. Né un’applicazione commercialmente concorrente dimostra che ogni atto di addestramento abbia lo stesso effetto. Ciascuna parte acquista forza retorica scegliendo esempi favorevoli, il che rende particolarmente importante disporre di prove precise.

Il disaccordo centrale sopravvive quindi all’intervento di Wikimedia. La sua proposta offre al tribunale un quadro per evitare una risposta tutto-o-niente. Non elimina la necessità di decidere se specifici usi di addestramento e retrieval siano conformi alla legge.

Il confine sarà più difficile da applicare che da descrivere

Addestramento e retrieval sono categorie utili, ma nessuna delle due determina da sola la legittimità.

I fattori del fair use dell’U.S. Copyright Office comprendono lo scopo, la natura dell’opera, la quantità utilizzata e gli effetti sul mercato. I tribunali valutano tali considerazioni nel contesto. Non esiste un conteggio universale di parole o una percentuale di copia che garantisca protezione.

Questo quadro pone un limite immediato alle interpretazioni estensive della posizione di Wikimedia. Un sistema non dimostra il fair use semplicemente etichettando un’operazione come “addestramento”. Un titolare dei diritti non sconfigge il fair use semplicemente etichettando un’operazione come “retrieval”. La descrizione deve essere collegata a ciò che è realmente avvenuto.

La generazione aumentata dal recupero, o RAG, fornisce materiale recuperato a un modello mentre prepara una risposta. Questo processo può supportare prodotti molto diversi. Un’implementazione potrebbe indirizzare i lettori verso documenti fonte. Un’altra potrebbe riprodurre un’espressione protetta in misura sufficiente a soddisfare la domanda servita da quei documenti.

Questi esempi illustrano differenze tra prodotti, non conclusioni su alcun convenuto. Il loro valore consiste nel mostrare perché un’etichetta tecnologica non può risolvere la controversia. Tribunali e sviluppatori hanno bisogno di prove sul materiale fonte, sul suo trattamento e sul servizio risultante.

L’addestramento introduce un proprio problema di confine. La memorizzazione significa che un modello può riprodurre specifico materiale di addestramento, anziché generare soltanto un linguaggio genericamente simile. Questa possibilità complica qualsiasi affermazione secondo cui l’eliminazione del retrieval in tempo reale elimini necessariamente il rischio di output copiato.

Una difesa dell’addestramento e una difesa dell’output affrontano quindi questioni diverse. Anche una decisione favorevole sullo sviluppo non risolverebbe automaticamente ogni richiesta relativa a una risposta. Allo stesso modo, una risposta contestabile non spiegherebbe da sola lo status giuridico di ogni opera utilizzata durante lo sviluppo.

Anche la sostituzione è difficile da valutare. Una risposta può discutere gli stessi fatti di una notizia senza copiarne l’espressione protetta. Una risposta può inoltre abbreviare un’opera mantenendo materiale centrale per il suo valore. La sola lunghezza non può cogliere tale differenza.

Per i knowledge worker, questa incertezza si presenta come un familiare problema di verifica. Una risposta concisa può omettere cautele, metodi di documentazione o correzioni successive. Anche quando la questione del copyright resta irrisolta, tali omissioni possono rendere la risposta meno utile per decisioni rilevanti.

Per gli sviluppatori, l’implicazione analitica è che le prove dovrebbero seguire il flusso di lavoro effettivo. Un resoconto chiaro della selezione delle fonti, dei passaggi recuperati, della generazione delle risposte e dell’attribuzione renderebbe più facile esaminare la distinzione proposta. Un’ampia assicurazione secondo cui un prodotto “usa l’IA in modo responsabile” rivelerebbe molto meno.

Le argomentazioni di Wikimedia sul copyright dell’IA comportano anche il rischio di semplificare eccessivamente il rimedio. Rispettare le licenze può affrontare alcuni usi, ma opere diverse hanno autorizzazioni diverse. Il modello di licenza di Wikipedia non può essere semplicemente trasferito al giornalismo proprietario, ai libri o a ogni documento recuperato dal web.

La distinzione della fondazione è quindi un quadro di partenza, non una formula universale di conformità. Il suo contributo più forte consiste nel resistere a conclusioni categoriche. Il suo compito più difficile è mostrare come il confine dovrebbe operare quando il comportamento del modello, l’accesso alle fonti e le risposte rivolte agli utenti si sovrappongono.

Osservate il ragionamento del tribunale, le prove sui prodotti e la risposta delle fonti

I prossimi segnali utili riguardano il funzionamento del confine, piuttosto che quale parte rivendichi un’ampia vittoria.

Innanzitutto, osservate se il ragionamento del tribunale distingue lo sviluppo del modello dal retrieval e dall’output. La questione pertinente è più precisa del fatto che “l’addestramento dell’IA vince”. Una decisione può risolvere una questione particolare lasciando aperte altre condotte, controversie fattuali o teorie giuridiche.

Un’analisi specifica per uso rafforzerebbe il quadro proposto da Wikimedia anche se il tribunale respingesse parti del suo esito preferito. Una conclusione ampia richiederebbe una lettura attenta per stabilirne la reale portata. I titoli su un’autorizzazione generale o un divieto generale meriterebbero un controllo rispetto alla decisione stessa.

Nessuna data verificata della decisione stabilisce che queste questioni saranno risolte nei prossimi mesi. Il segnale immediato è il trattamento riservato dal tribunale agli argomenti e alle prove. Uno sviluppo procedurale non dovrebbe essere scambiato per una risposta definitiva sulla legittimità di ogni servizio di IA.

In secondo luogo, osservate le prove sui prodotti che mostrano come il materiale recuperato diventi una risposta. I dettagli rilevanti includono ciò che il servizio ottiene, ciò che riproduce e come presenta la fonte. Tali fatti aiuterebbero a distinguere la scoperta delle fonti da un’esperienza di lettura sostitutiva.

Anche modifiche alle citazioni o alle pratiche di licenza sarebbero rilevanti, ma il loro significato dipenderebbe dall’implementazione. Un link visibile alla fonte può migliorare la verifica senza risolvere ogni questione di copia. Un accordo di licenza può autorizzare gli usi coperti senza stabilire una regola per il materiale esterno a tale accordo.

È qui che il dibattito diventa concreto per gli utenti dell’IA. Un servizio che aiuta qualcuno a esaminare un documento crea un’esperienza diversa da uno che rende difficile l’ispezione. La distinzione è importante per la fiducia anche prima che un tribunale decida come si applichi il copyright.

In terzo luogo, osservate come rispondono editori e organizzazioni della conoscenza aperta. Termini di riuso più chiari, accordi di accesso autorizzato o restrizioni alla raccolta automatizzata rivelerebbero come i fornitori di fonti comprendano le opzioni disponibili. Tali risposte non dimostrerebbero autonomamente una violazione, ma plasmerebbero l’accesso al materiale futuro.

Per l’addestramento dell’IA su Wikipedia, l’esito utile preserverebbe spazio per strumenti vantaggiosi mantenendo al tempo stesso fonti affidabili disponibili agli editor. È uno standard impegnativo. Richiede di esaminare sia la capacità tecnologica sia le condizioni in cui le persone continuano a produrre conoscenza.

Nei prossimi mesi, valutate gli annunci sul copyright alla luce di queste questioni pratiche. Una decisione spiega quale uso protegge? Una modifica del prodotto rende più facile esaminare la fonte? Un accordo di licenza chiarisce i diritti coinvolti? Questi segnali offrono più informazioni della dichiarazione secondo cui un settore ha sconfitto un altro.

Prima di fare affidamento sulla prossima spiegazione di un chatbot, seguite le sue prove fino al materiale sottostante. Verificate se la risposta preserva le qualificazioni della fonte e se un resoconto più recente modifica il quadro. Leggete i futuri sviluppi sul copyright dell’IA di Wikimedia con la stessa disciplina. Chiedetevi quale atto abbia affrontato il tribunale, i cui diritti fossero coinvolti e cosa sia rimasto indeciso. La fondazione ha proposto un confine tra l’abilitare modelli utili e il giustificare copie sostitutive. Se tale confine proteggerà il web aperto dipenderà dal ragionamento adottato dai tribunali e dal comportamento reso possibile dai prodotti. Il servizio può aiutarvi a comprendere la fonte mantenendo quella fonte degna di essere prodotta?