AI, i modelli linguistici generano copie quasi integrali di libri protetti da copyright
Nuove ricerche mostrano che i LLM possono riprodurre ampie porzioni di opere protette, ponendo interrogativi su privacy e copyright.
Secondo recenti studi, i principali large language model (LLM) sviluppati da OpenAI, Google, Meta, Anthropic e xAI sarebbero in grado di generare copie quasi integrali di romanzi inclusi nei dati di addestramento, sollevando dubbi sulle affermazioni dell'industria che i modelli non memorizzano opere protette da copyright.
Test condotti da ricercatori di Stanford e Yale hanno dimostrato che, tramite prompt strategici o tecniche di jailbreaking, i LLM possono riprodurre fino al 77% di opere come "Harry Potter" o "Il Signore degli Anelli". Anche modelli "chiusi", considerati più sicuri, si sono mostrati vulnerabili a questi fenomeni di memorization.
Questa capacità potrebbe avere impatti significativi in settori sensibili come sanità ed educazione, dove la fuga di dati di training può minacciare privacy e riservatezza. Sul fronte legale, la memorizzazione di contenuti protetti mette a rischio la difesa dell'industria AI nei numerosi contenziosi in corso: diverse sentenze recente in USA e UE hanno riconosciuto la violazione del copyright in caso di riproduzione integrale dei dati di training.
La questione resta aperta: "Il punto non è solo se sia tecnicamente possibile, ma se sia eticamente e legalmente accettabile", ha sottolineato Ben Zhao, professore di informatica all'Università di Chicago.
