Czy da się w 100% zablokować sztuczną inteligencję przed korzystaniem z naszych zasobów, czyli czego nie da się obiecać?
Rozpoczęcie praktycznego artykułu – mającego być realną pomocą „dla laika”, który chce ograniczyć możliwość korzystania z własnych treści przez sztuczną inteligencję – od stwierdzenia, czego nie da się obiecać, jest uczciwym postawieniem tematu. Niestety, obecnie możemy mówić o zwiększeniu naszych szans w starciu z AI, ale nie o gwarancji osiągnięcia sukcesu na tym polu. Innymi słowy, nie istnieje jeden, uniwersalny przycisk „nie trenuj na moich treściach”, który załatwiałby całą sprawę.
Wdrożenie kompleksowej ochrony treści przed AI
Należy więc wdrożyć kompleksowe działania na 3 różnych poziomach, które dynamicznie się zmieniają i szybko dezaktualizują.
Zastrzeżenie praw na potrzeby TDM – poziom prawny
Czym jest opt-out w prawie autorskim?
Ustawa o prawie autorskim i prawach pokrewnych przewiduje w art. 263 możliwość złożenia zastrzeżenia (opt-out) w procesie eksploracji tekstów i danych (text and data mining – TDM).
Co kryje się pod taką opcją? Oznacza to po prostu, że można złożyć sprzeciw wobec zwielokrotniania Naszych utworów w procesie stosowania sztucznej inteligencji.
Jak skutecznie wyrazić sprzeciw wobec korzystania przez AI z moich materiałów?
Przepis stanowi, że należy tego dokonać wyraźnie i odpowiednio do sposobu, w jaki utwór został udostępniony. Pomijając kwestię materiałów rozpowszechnionych tradycyjnie (np. wydrukowanej książki), należy przyjąć, że w środowisku internetowym regułą jest zastosowanie formatu przeznaczonego do odczytu maszynowego wraz z metadanymi.
Zaleca się jednak sformułowanie sprzeciwu zarówno „dla człowieka” (mogącego pobierać, kopiować określone utwory w celu wykorzystania ich następnie przez AI), jak i w sposób maszynowy.
Wzór oświadczenia o zakazie trenowania AI na moich materiałach
Przykładem może być oświadczenie umieszczone np. na stronie internetowej firmy (publikującej autorskie reklamy, zdjęcia i teksty) wyraźnego zastrzeżenia o następującej treści: „Zastrzegamy prawa do eksploracji tekstów i danych w rozumieniu art. 263 ustawy z dnia 4 lutego 1994 r. o prawie autorskim i prawach pokrewnych. Zabraniamy wykorzystywania treści tej strony, w tym tekstów, zdjęć, grafik, audio i wideo, do trenowania, dostrajania itp. modeli AI bez naszej pisemnej zgody.”
Rola plików robots.txt oraz protokołu TDMRep, czyli jak zablokować dostęp AI do mojej strony internetowej
Jednocześnie nie można poprzestać na powyższej wersji. Obecnie najszerzej respektowanym „kanałem” do wyrażenia sprzeciwu są bowiem pliki typu robots.txt. Ponadto, warto zastosować protokoły stworzone właśnie do zastrzegania TDMRep: plik /.well-known/tdmrep.json, nagłówki HTTP albo znaczniki w HTML i metadanych plików (np. pola IPTC/XMP dla zdjęć, zastrzeżenie w metadanych PDF i plików audio).
Wymogi Unii Europejskiej i AI Act
Zgodnie z AI Act, dostawcy modeli AI ogólnego przeznaczenia są obowiązani respektować te ograniczenia (czyli odpowiednio identyfikować i stosować się, w tym poprzez najnowocześniejsze technologie, do wyraźnych zastrzeżeń). Sam fakt fizycznego trenowania modelu poza terytorium Unii Europejskiej nie ma znaczenia, jeśli produkt końcowy trafia do państw członkowskich.
Dozwolony użytek naukowy a sprzeciw twórcy wobec korzystania przez AI z jego wytworów
Należy również pamiętać o dodatkowej, odrębnej podstawie dozwolonego użytku, polegającego na zwielokrotnianiu utworów dla eksploatacji tekstów i danych do celów naukowych (art. 262 ustawy o prawie autorskim i prawach pokrewnych). Nie ma on jednak charakteru powszechnego, bowiem ograniczony jest do instytucji i podmiotów prowadzących działalność kulturalną i badawczą w interesie publicznym. Co istotne – nie może zostać wyłączony. W tym zakresie Nasz sprzeciw niczego nie zmieni.
W praktyce ciężar „pilnowania” dostępu do treści spada na twórców i właścicieli praw, a nie na firmy technologiczne.
Rozwiązania techniczne dla zablokowania AI dostępu do naszych wytworów – poziom dostępu
Blokowanie botów AI w robots.txt
Kolejnym rozwiązaniem, które powinno zostać zastosowane jest ustawienie odpowiednich blokad botów trenujących za pomoc wpisów typu User-agent + Disallow: /. wraz z nazwą odpowiedniego dostawcy (GPTBot, ClaudeBot itd.).
Warto pamiętać o rozróżnieniu typów botów. Boty trenujące – zbierające dane do modeli – nie muszą automatycznie wywierać skutków w obszarze blokady wyszukiwania. Niemniej, decyzja o widoczności, np. w wyszukiwarce Google, bardzo często będzie się wiązać z pewnymi kompromisami biznesowymi i oceną tego, co w danym momencie się bardziej opłaca.
Ochrona serwera i zapory WAF / CDN przed AI
Możliwe jest również ustawienie blokady po stronie serwera i sieci, związane m.in. z regułami WAF/CDN (np. Cloudflare, Fastly, Akamai). Blokują one znane boty AI jednym ustawieniem. Wydaje się, że rozwiązania tego tego rodzaju odnoszą największy skutek – słowem: realnie blokują! Z drugiej strony, współczesne boty podszywają się również pod przeglądarki, stosują rotację adresów IP i niosą za sobą ryzyko zablokowania prawdziwych użytkowników.
Narzędzia do ochrony obrazów i grafik przed dostępem przez AI
Ponadto, istnieje możliwość ochrony samych plików, co wydaje się to kluczowe z punktu widzenia użytkowników Internetu publikujących np. zdjęcia. Efekt ten uzyskamy za pomocą narzędzi typu Glaze czy Nightshade, które zakłócają uczenie modeli na chronionych grafikach. Są one z pewnością pomocne, aczkolwiek ich skuteczność bywa dyskusyjna.
Blokada techniczna przed AI a prawo
Podsumowując relację pomiędzy powyższymi poziomami, należy stwierdzić, że sama blokada nie dowodzi zastrzeżenia w sensie prawnym, a samo zastrzeżenie nie powstrzyma de facto nieuczciwego scrapera.
Platformy i serwisy zewnętrzne – poziom „społecznościowy”
Ochrona przed dostępem przez AI do treści udostępnianych w Social Mediach – regulaminy platform social media a prawa do treści
Odmiennie jednak kształtuje się sytuacja w przypadku dużych platform z obszaru social mediów. Po opublikowaniu materiału, np. na Instagramie, to regulamin i ustawienia tej konkretnej strony decydują faktycznie o użyciu danych. Dzieje się tak, albowiem zwykle udzielana jest platformie szeroka licencja na treści, którymi się dzielimy.
Jak zablokować trenowanie AI na Meta i YouTube?
Nie oznacza to jednak, że nie można wpłynąć na wykorzystywanie przez AI materiałów np. na firmowym Facebooku. Ustawienia prywatności i zgód dotyczące „ulepszania” sztucznej inteligencji różnią się i zależą od konkretnego przypadku (nie ma jednego rozwiązania – np. LinkedIn to „inna historia” niż X czy TikTok). Tytułem przykładu, Meta stosuje formularz sprzeciwu wobec użycia danych (dla użytkowników w Unii Europejskiej), a YouTube przewiduje wybranie ustawień udziału publikowanych przez Nas filmów w trenowaniu modeli zewnętrznych.
Publikowanie w sieci versus przekazywanie bezpośrednio narzędziom AI
Ryzyko scrapingu a umowy z dostawcami AI
Publikacja w sieci to niewątpliwie ryzyko scrapingu i trenowania. Z kolei wklejanie, wgrywanie plików w celu korzystania z narzędzi AI itp. to zupełnie inna relacja, która oparta jest na umowie z danym dostawcą. Z tego względu aktualizuje się konieczność analizy konkretnego regulaminu i polityki prywatności pod kątem tego, czy treści wejściowo są używane do trenowania, jak długo są przechowywane i kto ma do nich dostęp.
Weryfikacja ustawień prywatności w Chatbotach
W tym kontekście warto przede wszystkim zweryfikować ustawienia historii odbytych rozmów, pamięci i przede wszystkim opcji „ulepszaj model”. Zagrożenia ze strony wtyczek i integracji AI
To samo – ostrożnościowe – podejście powinno zostać zastosowane również w stosunku do wszelkich wtyczek, rozszerzeń oraz integracji (np. narzędzia edytujące w edytorach tekstu czy wykonujące transkrypcje spotkań na żywo). W tych wypadkach zazwyczaj obowiązują odrębne umowy, które powinny być analogicznie zweryfikowane.
Owa niepewność sprawia, że niezwykle istotne jest świadome korzystanie z tych narzędzi – w tym poprzez przyjęcie postawy „nieufnego” użytkownika, który świadomie, pomimo formalnych zapewnień dostawców, nie korzysta z nich np. poprzez wstawianie własnego wizerunku.
Polityka bezpieczeństwa AI w firmie
Z kolei w środowisku biznesowym nie tylko dobrą praktyką, lecz regułą, powinno być wyraźne określenie polityki wewnętrznej (w stosunku do konkretnych dostawców) w zakresie powierzanych danych. Informacja winna zawierać w szczególności praktyczne wskazówki w obszarach newralgicznych, takich jak: tajemnica przedsiębiorstwa, dane klientów czy kontrahentów, materiały objęte umowami o zachowaniu poufności, czy też jeszcze niepublikowane nigdzie indziej utwory.
Możliwe działania, gdy treści zostały już wykorzystane
Czy model AI może „zapomnieć” dane?
Niestety, nawet tak zakrojone środki nie dają gwarancji, że Nasze treści będą bezpieczne – co więcej, wydaje się, że usunięcie wpływu pojedynczych materiałów jest technicznie bardzo trudne i w praktyce „model nie zapomina”.
Zbieranie dowodów naruszenia praw autorskich przez AI
Niemniej, możliwe jest podjęcie pewnych działań. Należy przede wszystkim zebrać dowody, że doszło do nieuprawnionego skorzystania z Naszych materiałów bądź innych danych (np. zrzuty ekranu, logi serwera, daty publikacji, historia zmian dokonanych przez Nas zastrzeżeń).
Prawa wynikające z RODO a usuwanie danych z AI
W Unii Europejskiej modele są zobowiązane do respektowania m.in. reżimu RODO. W praktyce oznacza to możliwość próby usunięcia danych osobowych za pomocą odpowiednich formularzy, wskazując przede wszystkim na obowiązującą regułę minimalizacji danych.
Kradzież treści na innych stronach (Notice and Take Down)
Wartym wydaje się przeanalizowanie odrębnego przypadku, który łączy się z problematyką AI. Wdrożenie rozwiązań na etapie: prawnym, dostępu i społecznościowym nie rozwiązuje problemu w sytuacji, gdy nasze materiały są bezprawnie skopiowane, powielone itd. na innych stronach czy blogach. W takiej sytuacji modele sztucznej inteligencji mogą się uczyć na „Naszych” treściach, aczkolwiek udostępnionych kanałami, których nie autoryzowaliśmy. Zgodnie z art. 14 ustawy o świadczeniu usług drogą elektroniczną, zawiadomienie usługodawcy świadczącego usługi hostingu o bezprawnym charakterze danych (np. w przypadku skopiowania i udostępnienia utworu bez licencji, czy poza dozwolonym użytkiem), aktualizuje jego odpowiedzialność z tego tytułu. Może to zatem doprowadzić do sytuacji, w której przedmiotowe materiały zostaną usunięte (notice and take down), a w konsekwencji nie będą dalej służyły w procesie stosowanie sztucznej inteligencji.
