Wikimedia wil fair use voor AI-training, niet voor RAG

De Wikimedia Foundation, de stichting achter Wikipedia, mengt zich in de grootste Amerikaanse auteursrechtzaak rond AI. In een amicus brief die de organisatie op 30 oktober indiende bij de federale rechtbank in Manhattan, neemt Wikimedia een gesplitst standpunt in. Het trainen van taalmodellen op andermans teksten mag wat de stichting betreft onder fair use vallen. Het ophalen en teruggeven van webteksten via een chatbot niet.

Twaalf zaken in één dossier

De brief is ingediend in In re: OpenAI, Inc. Copyright Infringement Litigation bij de Southern District of New York. In dat dossier zijn twaalf rechtszaken tegen OpenAI samengevoegd. De hoofdzaak is die van The New York Times tegen Microsoft en OpenAI uit 2023. Later volgden andere kranten, zoals de Seattle Times en Newsday, en ook USA Today stapte naar de rechter.

Een amicus brief is een advies van een partij die zelf niet procedeert. Volgens de toelichting van de Wikimedia Foundation kiest de stichting niet volledig voor een van beide kampen.

Training wel, RAG niet

Voor modeltraining volgt Wikimedia grotendeels de lijn van OpenAI en Microsoft. Is het getrainde model iets nieuws en anders dan de bronteksten, dan is dat volgens de stichting fair use en hoeven AI-bedrijven zich niet aan licentievoorwaarden te houden. Een te strenge uitspraak zou innovatie afremmen en ook open projecten als Wikipedia raken, schrijft Wikimedia.

Bij retrieval-augmented generation (RAG) ligt dat anders. Daarbij zoekt een systeem content op het web, kopieert die en geeft die via een chatbot terug aan de gebruiker. Wikimedia vindt dat dit geen fair use is en dat bedrijven de licentie van elke uitgever moeten respecteren. Voor Wikipedia is dat CC BY-SA 4.0, en die vereist naamsvermelding. Wie Wikipedia-tekst via RAG gebruikt, moet dus de bron noemen. Scrapen moet binnen de limieten van de publieke API blijven of via het Enterprise-aanbod van Wikimedia lopen.

“We nemen in deze zaak positie in om de vrije en open menselijke kennis te verdedigen waar Wikipedia van afhankelijk is”, zegt directeur Bernadette Meehan. Juridisch directeur Stephen LaPorte wijst erop dat het debat over fair use in het AI-tijdperk “niet beperkt kan blijven tot organisaties met winstoogmerk”.

Justitie koos al eerder partij

Wikimedia is niet de eerste buitenstaander die zich meldt. Begin september diende het Amerikaanse ministerie van Justitie een statement of interest in waarin het AI-training “buitengewoon” transformatief noemde, meldde Wired. Rechter Sidney Stein is niet aan zo’n verklaring gebonden. Elders vallen uitspraken ook anders uit: eind september oordeelde een hof dat AI-training op Westlaw-data geen fair use is.

Wat betekent dit

Het onderscheid tussen training en RAG klinkt technisch, maar raakt de kern van hoe chatbots nu werken. ChatGPT en concurrenten zoeken tijdens het antwoorden steeds vaker live op het web. Neemt de rechter de redenering van Wikimedia over, dan wordt juist die functie juridisch kwetsbaar. AI-bedrijven zouden dan licenties moeten afsluiten of veel nadrukkelijker naar hun bronnen verwijzen. Uitgevers bereiden zich daar al op voor, zoals in de SPUR-coalitie van onder meer de NYT en AFP.

Voor Wikipedia, met ruim 67 miljoen artikelen in zo’n 300 talen en bijna 250.000 vrijwilligers per maand, gaat het om erkenning van dat werk. De verhouding met AI-bedrijven is al langer gespannen: eerder deze maand betrapte Wikimedia agents van OpenAI op wikibewerkingen. Wanneer rechter Stein uitspraak doet over fair use, is nog niet bekend.