30 октября 2026 года группа защиты цифровых прав Electronic Frontier Foundation (EFF) подала amicus brief в дело In re OpenAI, отстаивая fair use — добросовестное использование — при обучении генеративных ИИ-моделей. Авторы документа Corynne McSherry и Tori Noble предупреждают: если суд под давлением издателей и авторов сузит fair use, ограничения коснутся не только разработчиков ИИ, но и журналистов, исследователей и обычных пользователей, которые ежедневно копируют и преобразуют данные в интернете. От исхода дела зависит, останется ли обучение моделей на защищённых авторским правом материалах легальным без обязательных лицензий.

image
image

Что произошло

EFF подала в суд в рамках дела In re OpenAI письменное заключение третьей стороны — amicus brief — в защиту широкого толкования fair use при обучении генеративных моделей. Авторы документа, Corynne McSherry и Tori Noble, указывают на судебные прецеденты, которые уже признавали обучение моделей «трансформативным» использованием. В подкрепление EFF приводит исследования, включая работы на arXiv, оспаривающие тезис об ИИ как «машине нарушений» авторских прав. Отдельный раздел текста критикует идею обязательных лицензий на обучающие данные: EFF цитирует профессора Lawrence Lessig, по мнению которого такая конструкция оставит возможность обучать модели лишь «горстке техногигантов».

Контекст

Fair use — доктрина американского авторского права, разрешающая копирование и преобразование защищённых материалов без разрешения правообладателя, когда использование достаточно трансформативно. На это исключение опираются журналисты при работе с чужими материалами, исследователи при анализе корпусов и обычные пользователи в повседневных действиях в сети. Дело In re OpenAI выводит спор за рамки одного иска: в действительности решается вопрос о том, кому достанется рынок обучения моделей, если вход в него начнёт требовать лицензий. Требование доказывать «законное получение» каждого фрагмента обучающих данных ложится на участников асимметрично: у индустриальных лабораторий есть юристы и бюджеты на лицензионные соглашения, у университетских лабораторий и open-source-проектов их нет. Поэтому сужение fair use — это не спор о качестве моделей, а вопрос о том, кто вообще будет допущен к их обучению.

Почему это важно для индустрии

Прямых изменений сегодня нет: amicus brief — позиция одного участника дискуссии, а не решение суда, и он не затрагивает API, цены или задержки моделей. Однако исход дела определит условия доступа к обучающим данным. Если суды начнут требовать доказательств «законного получения» материалов, барьер первыми почувствуют небольшие команды и академические проекты, а методы веб-скрапинга, которыми пользуются журналисты и НКО для своих расследований, станут юридически рискованными. Обязательные лицензии на данные, по аргументу, приведённому EFF, приведут к консолидации pretraining у крупных компаний, способных оплачивать соглашения. Практический шаг, доступный инженерным командам уже сейчас и почти бесплатно, — аудит источников данных в пайплайнах и логирование происхождения данных: если сценарий с доказыванием законного получения реализуется, зафиксированная история источников и лицензий станет страховкой. На горизонте шести месяцев и двух лет (интерпретация, а не гарантия) вероятны две развилки: либо появление категории compliance-ready продуктов — реестров прав на данные, opt-out инструментов и сервисов очистки обучающих корпусов, — либо, при сохранении fair use, рост ниши открытых датасетов и файнтюнов с сохранением низкого порога входа для малых команд.

Почему это важно для пользователей

Спор касается не только ИИ-компаний: истцы предлагают признать потенциально нарушающими авторские права привычные ежедневные действия в интернете — открытие писем, переходы по ссылкам, стриминг. Если fair use сузят, юридический риск начнёт передаваться вниз по стеку — от обучения базовых моделей к конкретным приложениям, которыми пользуются обычные люди. Под угрозой доступности могут оказаться прикладные сервисы вроде Be My AI, который на базе GPT описывает изображения для незрячих пользователей, а также исследовательские проекты, зависящие от открытых данных. Именно эти повседневные практики копирования и преобразования информации EFF просит суд не ставить под вопрос.

Что пока неизвестно / ограничения

Процесс находится в ранней юридической стадии: подан amicus brief одной из заинтересованных сторон, суд пока не выносил промежуточных или итоговых решений, поэтому ни сужение fair use, ни обязательные лицензии пока не являются правовой реальностью. Конкретные исследования, на которые ссылается EFF, включая упомянутые работы на arXiv, в доступном тексте материала не названы, поэтому тезис об опровержении «машины нарушений» нельзя проверить по первоисточникам. Тезис о нелинейном росте стоимости обучения моделей при сужении fair use следует калибровать как сценарную гипотезу с явно пониженной уверенностью: это интерпретация, а не измеренный эффект, и подавать её как факт нельзя. Сценарии развития на горизонте шести месяцев и двух лет — интерполяции возможных исходов, а не прогнозы.

Источники

Автор

Look at AI, редакция