Данные для ИИ стоят денег
20 июля 2026 года суд в Калифорнии окончательно утвердил мировое соглашение Anthropic с авторами книг на 1,5 млрд долларов, крупнейшее по авторскому праву в истории США. Это около 3 000 долларов за каждую из примерно 482 тысяч книг, которые вошли в список, а первые выплаты обещаны до 15 ноября 2026 года. Претензия касалась книг, скачанных с пиратских сайтов вроде LibGen.
По разбору Authors Alliance в списке 482 460 книг, хотя скачано было, по версии истцов, около 7 миллионов. Платили за копии из пиратских библиотек, вопрос о самом обучении на книгах в этой сделке закрыт деньгами.
Механика риска для любой компании, которая обучает или дообучает модели: 1. Модель можно переобучить, юридическую историю данных переписать нельзя. Цена считается за каждую единицу контента, и сумма растёт вместе с датасетом. Ответственность несёт тот, кто скачал и хранил копии, даже если модель хорошая.
Что сделать до следующего дообучения: - реестр источников данных с лицензией и датой получения; - отдельное хранилище для данных с неясными правами, без попадания в обучение; - договор с поставщиком датасета с гарантией прав и ответственностью за них.
Данные для обучения теперь стоят денег, и считать их лучше до запуска.
