יוצרים נתונים וזכויות

מה שאין עליו מחלוקת: מאגרי האימון מכילים יצירות מוגנות בזכויות יוצרים — ספרים, מאמרים, תצלומים, ציורים. איש מהצדדים לא טוען אחרת. המחלוקת היא אם השימוש הזה מחייב רשות או תשלום, או שהוא נכנס לחריגים שקיימים ממילא בדין.

לפני המשפט, העובדה שסביבה כולם מתווכחים: כמה מהחומר בעצם נשמר בתוך המודל. יש על זה מדידות טובות. בבדיקה מ־2021 על מודל שפה הצליחו חוקרים לחלץ 604 קטעים שאומתו כטקסט מקורי מחומר האימון, מתוך 1,800 מועמדים שייצרו — שליש הצלחה, ובווריאנט הטוב ביותר שני שלישים. בין הקטעים היו ידיעות חדשותיות, רישיונות, הודעות בפורומים, קטעי קוד, ופרטי קשר של אנשים פרטיים. הגורם המכריע היה חזרה: רצף שהופיע שלושים ושלוש פעמים ומעלה חולץ באופן אמין. המחברים הדגישו שהם ״מעריכים בחסר משמעותי״ את הכמות האמיתית.

בתמונות המספרים הפוכים באופן מאלף. בבדיקה מ־2023 ייצרו החוקרים 175 מיליון תמונות מועמדות — חמש מאות תמונות לכל אחת מ־350 אלף ההנחיות הכי כפולות במאגר — וחילצו מהן 109 תמונות אימון מאומתות. זה שיעור של כשש מאיות האחוז, ורק אחרי שהחיפוש הוטה בכוונה לכיוון הכפילויות. ותמונה שנשמרה כך הופיעה בדרך כלל לפחות מאה פעמים במאגר, כלומר היא אחת ממיליון. אז שינון קיים, הוא אמיתי, הוא נדיר, והוא נגרם כמעט כולו מכפילות. שני הצדדים מצטטים את המחקרים האלה, כל אחד את המספר שמשרת אותו.

הצד של היוצרים טוען שהשאלה אינה כמה נשמר אלא מה נלקח. יצירה הועתקה במלואה אל תוך תהליך מסחרי בלי רשות ובלי תשלום; העובדה שהתוצר אינו עותק אינה מכשירה את ההעתקה שבדרך. ארגוני סופרים מוסיפים טענה על שוק: אם קיים או יכול להתקיים שוק רישוי לאימון, אז לקיחה ללא רישוי פוגעת בו ישירות. ואם המערכת מייצרת תחליפים לאותו שוק שממנו למדה, הנזק אינו היפותטי.

הצד שטוען שזו למידה מותרת משיב שהעתקה טכנית לצורך ניתוח אינה הפרה, בדיוק כפי שמנוע חיפוש מעתיק את הרשת כדי לאנדקס אותה; שמה שנלמד הוא דפוסים ולא ביטוי; ושמעולם לא נדרש רישוי כדי ללמוד מיצירה, לנתח אותה או לספור בה מילים. שופט אמריקאי ניסח את קצה הטיעון הזה כך, כשדחה את טענת הנזק לשוק: זה דומה לטענה שלימוד ילדי בית ספר לכתוב היטב יגרום להצפה של יצירות מתחרות.

וכאן התמונה המשפטית, מתוארכת, ועם מדינות שהגיעו למסקנות שונות.

בישראל פורסמה חוות דעת רשמית כבר ב־18 בדצמבר 2022, מטעם מחלקת ייעוץ וחקיקה במשרד המשפטים. מסקנתה: ״שימוש בתכנים מוגנים בזכויות יוצרים לצורך אימון מכונה חוסה תחת הסדרי השימושים המותרים״, בהסתמך על שלושה מסלולים בחוק — שימוש הוגן, שימוש אגבי והעתקה זמנית. חוות הדעת מסייגת בשני דברים חשובים: היא חלה על תהליך הלמידה ולא בהכרח על הפלט, והיא אינה חלה על מאגר צר שנבנה כדי להתחרות ישירות ביוצר המקורי.

בארצות הברית ניתנו שלוש הכרעות בתוך חמישה חודשים והן אינן מסתדרות זו עם זו בקלות. בפברואר 2025 נקבע בדלאוור שאימון על תקצירים משפטיים אינו שימוש הוגן, מפני שהמוצר שנבנה התחרה ישירות במוצר שממנו נלקחו. ביוני 2025 נקבע בקליפורניה שאימון על ספרים שנרכשו כדין הוא שימוש הוגן ואף ״טרנספורמטיבי במידה יוצאת דופן״, אבל שהורדת אותם ספרים מאתרי פיראטיות אינה מוגנת כלל — וזו הפרה במזיד. התיק ההוא הסתיים בהסדר פשרה של מיליארד וחצי דולר שהוגש לאישור ראשוני בספטמבר 2025, כחמש מאות אלף כותרים, כשלושת אלפים דולר לכותר. שימו לב במה בדיוק הוא עוסק: בהשגה הפיראטית, לא באימון עצמו. ויומיים לאחר אותה הכרעה, באותו בית משפט, זכתה חברה אחרת בתביעה דומה מטעם שלושה עשר סופרים — לא מפני שהאימון הוכר כהוגן בכל מקרה, אלא מפני שהתובעים לא הביאו ראיות לנזק לשוק. השופט כתב במפורש שתיאוריית ההצפה של השוק ראויה להישמע, אבל שהובאה לפניו השערה ולא נתונים.

בבריטניה הסתיים בנובמבר 2025 המשפט שנחשב למבחן הגדול. התובעת ויתרה באמצע הדיון על עצם טענת האימון, מחוסר ראיות שהאימון התרחש בתחום השיפוט הבריטי, וויתרה גם על טענת הפלט. מה שנקבע לגופו: משקלי המודל ״אינם מכילים עותק של אף יצירה״, ולכן המודל עצמו אינו ״עותק מפר״. באיחוד האירופי אין דוקטרינת שימוש הוגן, ובמקומה יש בדירקטיבה מ־2019 שני חריגים לכריית טקסט ונתונים: אחד למחקר מדעי ואחד כללי, שממנו אפשר לצאת אם בעל הזכויות שמר על זכותו ״בצורה קריאה למכונה״. בית משפט בהמבורג קבע שיצירת מאגר לאימון היא אכן כרייה כזאת, ואגב כך שאל שאלה טובה: האם הודעה בשפה חופשית באתר נחשבת ״קריאה למכונה״, כשהמערכות האלה קוראות שפה חופשית מצוין.

כל מה שבפסקאות האחרונות נכון לספטמבר 2026 והוא הדבר המתיישן ביותר בפקולטה. מה שלא יתיישן הוא המבנה: מי שמחליט אינו מכריע אם ״זה בסדר״, אלא איזה משלושה או ארבעה חריגים קיימים בדין המקומי חל, ועל איזה שלב — ההשגה, האימון, או הפלט.