Proteção a direitos autorais nos moldes da LGPD e da CDB

PROBLEMA: Escritores, músicos, pintores, fotógrafos e artistas em geral têm se sentido lesados por empresas que vendem serviços de IAs geradoras de textos, sons e imagens, pois essas IAs seriam treinadas com obras disponíveis na internet mas não necessariamente licenciadas para uso comercial por terceiros.

PROPOSTA DE SOLUÇÃO: Leis locais e acordos internacionais de proteção de direitos autorais no âmbito da IA, que combinem características das leis de proteção de dados (LGPD e GDPR) e das leis sobre biodiversidade, proteção do patrimônio genético e repartição de benefícios, como a Lei 13.123/2015, a Convenção sobre Diversidade Biológica, e o Protocolo de Nagoya. Com isso, as obras protegidas por direitos autorais poderiam ter licenças padronizadas, ao estilo Creative Commons, mas que incorporassem valores pré estabelecidos para uso dessas obras em treinamento de IAs, caso o autor autorize esse uso. Além disso, empresas responsáveis por LLMs locais poderiam fazer acordos com autores da mesma localidade que talvez tenham interesse em disponibilizar suas obras para esses LLMs especializados que serviriam como vitrine para elas. Assim a circulação e a difusão da cultura seriam favorecidas no mundo conectado por IAs, sem prejuízo do devido reconhecimento e remuneração justa dos autores e artistas.

3 comentários

Curtir

Comentários (3)

Bernardo Antonio Gonçalves Monteiro

11 de jun.

•

Em outras palavras, acredito que um acordo internacional sobre IA nos moldes da Convenção sobre diversidade biológica (CDB) e do Protocolo de Nagoya, ou leis brasileiras sobre IA, com eficácia extraterritorial como a LGPD, poderiam ser criadas para resolver os problemas de segurança no uso de IA, mas também para resolver a questão dos direitos autorais tão desrespeitado no treinamento dos Transformers de IAs. O Brasil tem uma das melhores leis de repartição de benefício por uso de patrimônio genético (lei da biodiversidade). Entendo que a biopirataria, no mundo de hoje em que todos os organismos vivos estão passando por sequenciamento de seus genomas para alimentar a bioeconomia dos países desenvolvidos, é comparável ao extrativismo cultural não consentido praticado por empresas como a Open AI (vide ação judicial movida pelo NYT). O Brasil poderia usar essas analogias e aproveitar a oportunidade para se colocar como uma das maiores fontes de dados para treinamento de IAs no mundo.

Curtir

ITS Rio

24 de jun.

•

Respondendo a

A análise comparada é bem interessante, especialmente para trazer à baila a reflexão na utilização de estruturas já existentes. Neste caso, particularmente com relação a possíveis acordos entre os responsáveis por LLMs com autores para fins de disponibilização de obras, como você acha que essas tratativas poderiam ser instrumentalizadas em larga escala?

Curtir

Bernardo Antonio Gonçalves Monteiro

26 de jun.

•

Respondendo a

Resposta ao comentário do ITS Rio Aplicando à proteção dos direitos autorais no Brasil a analogia proposta com a Lei 13.123/15 (Lei da Biodiversidade), podemos pensar nos seguintes modelos de licenciamento oneroso dos direitos sobre as obras intelectuais para empresas de IA:

1. Para facilitar o pagamento direto a cada autor de obra utilizada no treinamento de IA: Os autores podem usar licenças padronizadas, como as Creative Commons, associadas a preços pré-definidos, que dispensem ou simplifiquem negociação com as empresas responsáveis pela IA. Esses valores poderiam ser calculados em função da fração que o tamanho dos dados da obra original (TO) representa no total de dados usados para treino da IA (TTOT). Acredito que não seja possível calcular com exatidão essa fração em cada caso concreto, mas podemos criar uma fórmula arbitrária. Por exemplo, para uma obra de TO=1MB, dentro de uma IA com 10 bilhões de parâmetros, devemos estimar o tamanho total das obras utilizadas para o treinamento dessa IA (TTOT). Digamos que o TTOT de um LLM com 10 bilhões de parâmetros seja igual a 1TB. Nesse caso, TO/TTOT = 1MB/1TB = 1/1.000.000. Se a receita bruta (R) da empresa de IA pode ser conhecida, antes mesmo de saber o valor de TTOT o autor poderia definir em sua licença que o preço para utilização de sua obra seria por exemplo R x 0,2 x TO/TTOT. Digamos que a empresa tenha uma receita de U$5 bilhões por ano - nesse caso o autor que optou por uma licença com preço para IAs igual a R x 0,2 x TO/TTOT teria uma remuneração anual de U$ 1.000,00 por aquela obra utilizada para treinamento de um LLM. O governo poderia criar cartilhas dando exemplos de contratos de licença e definição de preços, e sugerir formas de pagamento padronizadas para esse tipo de remuneração.

2. Em caso de extrativismo de dados em grande escala por IAs, numa varredura de um grande número de obras intelectuais, que inviabilize a negociação com cada autor: Os governos de cada país poderiam editar leis, com base talvez em acordos internacionais, que obrigassem as empresas responsáveis por essas IAs a pagar um valor de repartição de benefícios a um fundo nacional, semelhante ao FNRB da Lei 13.123/15, que beneficie os autores das obras produzidas em cada país e utilizadas pela IAs. Esse novo fundo nacional de repartição de benefícios à cultura (FNRBaC) poderia ser voltado para o incentivo à produção cultural, premiando autores por suas obras, por exemplo, sempre em benefício de autores com domicílio fiscal no Brasil. O maior desafio é determinar o valor da obrigação de repartição de benefícios, da empresa de IA para cada país. Seria necessário exigir das empresas listas das obras usadas para treinamento de IAs. A fórmula R x 0,2 x TO/TTOT explicada acima poderia ser substituída por R x 0,2 x TOB/TTOT, onde TOB é o tamanho das obras protegidas por direitos autorais de autores com domicílio fiscal no Brasil. O fator 0,2, que chamaremos de fator A, pode ser negociado, bem entendido, e deveria ser em geral menor que 1, e sempre maior que zero.

As hipóteses 1 e 2 não são necessariamente excludentes, podendo haver cumulação de cobranças por utilização de uma determinada obra, ou a criação de uma política que evite a dupla cobrança, a critério do legislador. A hipótese 1 seria mais adequada para autores que valorizem suas obras acima da média do mercado, ou só estejam dispostos a licenciar suas obras para empresas de IA por valores elevados.

As fórmulas propostas levam em consideração a quantidade de dados em uma obra, mas o autor, no caso 1, tem a possibilidade de negociar o valor da remuneração pelo uso da obra com base em sua qualidade, bastando para isso aumentar ou reduzir o fator A, que arbitramos em 0,2 nos exemplos acima

Na Lei 13.123, o valor da repartição de benefícios monetária é de 1% da receita bruta com a venda do produto que usa patrimônio genético brasileiro. Acredito que esse percentual pode ser maior quando se trata de uso de obras de autores com domicílio fiscal no território brasileiro. Especialmente porque, acredito eu, a maioria das obras usadas pelas LLMs devem estar em domínio público, não sendo necessário remunerar os autores ou seus herdeiros nesse caso. Na Lei 13.123, por outro lado, não há patrimônio genético em domínio público e qualquer uso desse patrimônio genético sem a devida repartição de benefício é considerada biopirataria, salvo algumas exceções legais. Vale lembrar que a Lei 13.123/15 também oferece uma hipótese de repartição de benefícios não monetária, que pode ser pagar na forma de projetos que beneficiem comunidades locais responsáveis pela manutenção da biodiversidade. Esses projetos podem ser realizados por 75% do custo da repartição de benefícios monetária.

Na aplicação do TTOT que eu defino no caso 1 acima, poderíamos pensar em duas hipóteses de cálculo: TTOT presumido e TTOT real.

TTOT real: aquele declarado pela empresa de IA, e auditável.
TTOT presumido: quando o TTOT não é declarado pela empresa de IA ou não é auditável, poderíamos criar a presunção de que o TTOT = P x 1000, onde P é o número de parâmetros da LLM.

Todos os valores apresentados neste comentário são estimados grosseiramente e devem ser revisados por profissional da área de tecnologia de IA generativa.

Curtir