Førende medieorganisationer indgår i stigende grad licensaftaler med AI-giganter. For aviser som The New York Times beskytter en sådan aftale deres intellektuelle ejendom og giver en ekstra indtægtskilde.
Imens kan virksomheder som OpenAI og Amazon træne deres modeller på præcise oplysninger og undgå retssager om brud på ophavsretten. Men eksperter fra IoTeX Network, O.XYZ og AR.IO fortalte BeInCrypto, at eksisterende decentraliserede alternativer kunne opnå de samme resultater for indholdsskabere mere gennemsigtigt og retfærdigt.
The New York Times’ nye AI-strategi
I en bevægelse, der tiltrak betydelig opmærksomhed, indgik The New York Times en aftale med Amazon tidligere på måneden, der tillader Amazon at bruge dets redaktionelle indhold til at træne teknologivirksomhedens kunstig intelligens (AI) modeller.
Licensaftalen mellem The New York Times og Amazon tillader teknologivirksomheden at bruge artikler fra avisen og dens andre publikationer. Men avisens offentlige meddelelse om aftalen afslørede ikke de økonomiske vilkår.
Denne beslutning markerer en offentlig ændring i strategi for The New York Times, som tidligere havde modsat sig store sprogmodeller (LLMs) brug af dets indhold uden tilladelse.
I januar 2024 sagsøgte avisen OpenAI og Microsoft for brud på ophavsretten. The New York Times hævdede, at disse virksomheder brugte ophavsretligt beskyttede artikler til at træne deres LLMs uden tilladelse eller kompensation. Den retssag er stadig i gang og har endnu ikke nået et resultat.
The New York Times er ikke den første medieorganisation, der sagsøger en teknologisk virksomhed for uretfærdig brug af dens intellektuelle ejendom.
“I de seneste år har mange store teknologiprojekter mødt adskillige juridiske udfordringer og bøder. For eksempel har Google stået over for over €8 milliarder i bøder fra EU i det sidste årti på grund af dårlige datapraksis,” sagde Ahmad Shadid, direktør for O.XYZ, til BeInCrypto.
Da skaberne af førende LLMs har brug for mere udbredt adgang til præcise oplysninger, bliver sådanne aftaler stadig mere almindelige.
Stigningen af licensaftaler
Licensaftaler vinder popularitet. Sidste år indgik OpenAI, ledet af Sam Altman, en aftale med det europæiske multinationale medieselskab Axel Springer SE. Aftalen lignede tæt den, der for nylig blev indgået mellem The New York Times og Amazon.
Aftalen tillader OpenAI at bruge artikler fra medieorganisationer ejet af Axel Springer, herunder Politico, Business Insider og Morning Brew, blandt andre store internationale publikationer.
Altman indgik senere lignende aftaler med Financial Times, Vogue og moderselskaberne til medier som The New Yorker, Cosmopolitan og Le Monde, for at nævne nogle få. OpenAI indvilligede i at linke al relevant information tilbage til de originale artikler som en del af disse aftaler.
Da store teknologiske virksomheder står over for stigende pres over krænkelser af intellektuel ejendom og brud på ophavsretten, er disse situationer en win-win for alle involverede parter.
“Efter retssager som den, The New York Times indgav, er AI-virksomheder mere forsigtige med, hvad de træner på. Licensaftaler giver ro i sindet, og for udgivere er det en chance for at omdanne årtiers arkiveret indhold til en stabil indkomst. Samtidig drager AI-virksomheder fordel af eksklusiv adgang til betroede kilder, hvilket hjælper med at forbedre kvaliteten af deres modeller,” forklarede Aaron Basi, produktchef hos IoTeX Network.
Men er der en bedre måde at opnå de samme resultater med større gennemsigtighed?
Kan decentralisering bringe gennemsigtighed til AI-aftaler?
Det bliver stadig mere presserende at finde en løsning, der udvider adgangen til troværdige oplysninger, når man interagerer med AI, og retfærdigt kompenserer dets skabere. Licensaftaler tilbyder en vej til dette mål.
“Der er enorm strategisk værdi. Disse aftaler kan inkludere bedre synlighed, som at blive fremhævet i AI-genererede svar eller resuméer. Der er også adgang til analyser, der viser, hvordan indholdet bliver brugt eller interageret med,” sagde Basi.
Det går også langt i at forhindre misinformation, når man bruger LLMs.
“At træne AI uden verificerede, gennemsigtige data er som at flyve i blinde. Hvis vi ikke kan spore, hvad der gik ind, kan vi ikke stole på, hvad der kommer ud. Dette er, hvordan vi ender med stille fejl skabt af skrøbelige AI-modeller, der mangler langsigtet overvejelse,” sagde Phil Mataras, grundlægger af AR.IO, til BeInCrypto.
Men disse licensaftaler er ofte private, hvilket gør det svært for mindre indholdsskabere at sikre lignende aftaler eller beskytte sig mod tilfælde af uretfærdig brug. Decentralisering har potentialet til at udligne spillereglerne her.
“Lukkede modeller vinder kortsigtede sprint. Decentraliserede modeller vinder maratonen. Tillid hersker sammen med gennemsigtighed og reviderbarhed,” tilføjede Mataras.
Der er flere forskellige værktøjer, som Web3 kan tilbyde, der kan opnå sådan en ting.
Tokenisering af indhold på decentraliserede netværk
Decentraliserede teknologier kan skabe et mere demokratisk og gennemsigtigt system for alle skabere til at licensere deres indhold. Dette er især gavnligt for dem, der ofte overses i traditionelle private aftaler.
“I stedet for at indgå individuelle licensaftaler bag lukkede døre, kan skabere uploade indhold til et decentraliseret netværk. Smart contracts kan håndhæve vilkår og automatisk håndtere betalinger. Dette gør det lettere for uafhængige skabere eller mindre organisationer at deltage. Det skaber også mere gennemsigtighed omkring, hvem der bruger dataene og hvordan,” forklarede Basi.
Tokenization tilbyder også skabere en metode til at spore den aktive brug af deres indhold af AI-modeller.
“Tokenisering af indhold kan give udgivere mere kontrol og bedre sporing. For eksempel kunne de sætte regler for adgang eller brug og få betaling automatisk gennem smart contracts. Det er stadig tidligt, men for digitale medievirksomheder kan denne form for opsætning tilbyde nye måder at tjene indtægter uden at give afkald på kontrol,” tilføjede Basi.
Andre blockchain-baserede løsninger kan sikre uforanderlig registrering for at styrke disse decentrale muligheder yderligere.
Sikring af intellektuel ejendom gennem blockchain-baserede systemer
En anden vigtig del af et virkelig retfærdigt digitalt økosystem involverer at sikre autenticitet, spore brug og beskytte intellektuel ejendom. Her kommer blockchain-baserede provenienssystemer ind som kraftfulde løsninger.
Blockchain-baserede provenienssystemer er designet til omhyggeligt at registrere historien og oprindelsen af digitalt indhold. De udnytter blockchainens kernefunktioner—dens sporbarhed, gennemsigtighed og uforanderlighed—til at skabe troværdige og manipulationssikre optegnelser.
Hver væsentlig begivenhed i et indholds livscyklus, fra dets skabelse til eventuelle ændringer eller overførsler, kan logges på en distribueret ledger, hvilket skaber en uforanderlig registrering af dets historie.
“Provenienssystemer har været meget nyttige i tech-industrien. At skulle beskrive præcist historien om et datasæt, der bliver brugt eller overført. Det hjælper med at fastlægge den oprindelige ejer, hvem det blev solgt til, hvordan det blev solgt, hvornår, og den nuværende indehaver af det datasæt. Blockchain-systemer har allerede permanente lagringsmekanismer—de giver stivhed, når det kommer til dataejerskab,” fortalte Shadid til BeInCrypto.
Med udgangspunkt i denne grundlag af verificerbar historie, supplerer vandmærkningsværktøjer provenienssystemer ved at indlejre skjult, identificerbar information direkte i digitalt indhold.
“Vandmærkningsværktøjer spiller en vigtig rolle i at forhindre copyright-krænkelser, datatyveri og uretmæssig påstand om ejerskab. Disse teknikker gør det sværere for datatyve og hackere for at sikre dataintegritet, retfærdighed og etik,” tilføjede Shadid.
Principperne for decentralisering kan også udvides til kollektiv styring og forvaltning af indhold.
Media DAOs: styrker skabere i indholdslisensiering
I stedet for at individuelle skabere eller ledelsen af store medieorganisationer alene træffer beslutninger om indholdslisensiering, kunne decentraliserede autonome organisationer (DAOs) give kollektiver af skabere, såsom journalister, mulighed for at tage kontrol over beslutningstagningen i fællesskab.
“En gruppe af skabere kunne samle deres arbejde og bruge en DAO til at administrere licensering, betalinger og styring. Denne tilgang giver uafhængige stemmer en plads ved bordet når de forhandler med store AI-firmaer. Det gør det også lettere at forhandle fair vilkår og sikrer, at beslutninger træffes kollektivt. Det er som en fagforening, men designet til den digitale tidsalder,” forklarede Basi.
På trods af fokus på gennemsigtighed er licensaftaler mellem AI-modeller og informationskilder stadig i deres tidlige stadier. Dette rejser et kritisk spørgsmål: Vil open-source modeller sakke bagud, når AI-virksomheder sikrer eksklusive dataaftaler?
Licensaftaler vs. decentralisering: Hvilken vej vil lykkes?
LLM’ers uautoriserede og uigennemsigtige brug af indhold skabte oprindeligt betydelig utilfredshed blandt de oprindelige skabere. Licensaftaler har nu forbedret situationen.
Men fuld gennemsigtighed er endnu ikke set. Aftaler som den indgået mellem The New York Times og Amazon vil ikke være nok for folk, der ønsker at vide, hvor de får deres data fra, og for skabere, der ønsker at forstå, hvordan deres indhold bliver brugt.
“Lukkede modeller vinder kortsigtede løb. Decentraliserede modeller vinder maratonen. Tillid hersker suverænt sammen med gennemsigtighed og reviderbarhed,” sagde Mataras.
Basi var enig og tilføjede:
“Gennemsigtighed er en stærk fordel. Folk vil gerne forstå, hvad der ligger bag de værktøjer, de bruger, især inden for følsomme områder som sundhed eller uddannelse. Open-source projekter kan hurtigt tilpasse sig, få hjælp fra fællesskabet og opbygge tillid gennem åbenhed. På lang sigt kan den tillid betyde mere end adgang til nogle få eksklusive datasæt.”
Selvom licensaftaler er et godt udgangspunkt, vil den reelle transformation for indholdsskabere og AI-gennemsigtighed sandsynligvis komme fra decentraliserede og open-source tilgange.
Disclaimer
Alle oplysninger på vores hjemmeside offentliggøres i god tro og kun til generelle informationsformål. Enhver handling, der foretages af læserne på grundlag af oplysningerne på vores hjemmeside, er udelukkende på egen risiko.
