जेनरेटिव AI और कॉपीराइट मुद्दे

कॉपीराइट उल्लंघन और आर्टिफिशियल इंटेलिजेंस (AI)

• कॉपीराइट उल्लंघन: बिना अनुमति के कॉपीराइट कंटेंट और सामग्री का उपयोग कॉपीराइट उल्लंघन माना जा सकता है, भले ही प्रशिक्षण उद्देश्यों के लिए हो। इसमें चित्र, टेक्स्ट और संगीत जैसी कॉपीराइट कंटेंट शामिल हैं।
• प्रशिक्षण के लिए उपयोग किया जाता है: AI को उपन्यासों से लेकर फोटो और गीतों तक, बड़ी मात्रा में मानव-निर्मित कार्यों को लेकर प्रशिक्षित किया जाता है। उनके एल्गोरिदम को प्रभावी ढंग से प्रशिक्षित करने के लिए बड़ी मात्रा में डेटा की आवश्यकता होती है।
  • इन प्रशिक्षण डेटा को ‘टोकन’ (टेक्स्ट, इमेज या ध्वनि के बिट्स का संख्यात्मक प्रतिनिधित्व) में विभाजित किया गया है और यह मॉडल परीक्षण एवं त्रुटि से सीखने पर आधारित है कि टोकन सामान्य रूप से कैसे संयुक्त होते हैं।
  • उपयोगकर्ता के संकेत के बाद, एक प्रशिक्षित मॉडल अपनी स्वयं की रचनाएँ बना सकता है। अधिक और बेहतर प्रशिक्षण डेटा का मतलब बेहतर आउटपुट है।
• कॉपीराइट सामग्री के उपयोग के पक्ष में तर्क
  • उचित उपयोग सिद्धांत की प्रयोज्यता: एक सिद्धांत के रूप में उचित उपयोग वर्ष 1841 से चला आ रहा है, जिसमें जॉर्ज वाशिंगटन के लेखन की नकल करने का मामला शामिल है। यह एक अमेरिकी अवधारणा है जो कॉपीराइट कंटेंट के सीमित अनधिकृत उपयोग की अनुमति देती है।
  • संतुलन कारक: उचित उपयोग में चार कारकों को संतुलित करना शामिल है:
    • उपयोग का उद्देश्य और चरित्र
    • कॉपीराइट सामग्री की प्रकृति
    • उपयोग की गई राशि
    • मूल कॉपी के बाजार मूल्य पर प्रभाव
  • परिवर्तनकारी उपयोग: परिवर्तनकारी उपयोग (जिसका अर्थ है कि यह मूल कार्य में कुछ नया या अलग जोड़ता है) के उचित उपयोग होने की अधिक संभावना है।
    • ओपन AI का तर्क है कि प्रशिक्षण परिवर्तनकारी है और यह न्यूयॉर्क टाइम्स की जगह नहीं लेता है।
  • कॉपीराइट सामग्री के उपयोग के विरोध में तर्क
    • वैधता और नैतिक निहितार्थ: AI प्रौद्योगिकियों का उपयोग मौजूदा कॉपीराइट कार्यों को दोहराने या नकल करने के लिए किया जा सकता है। एल्गोरिदम ऐसे कंटेंट का विश्लेषण और निर्माण कर सकता है, जो संरक्षित कार्यों से काफी मिलती-जुलती है, जिससे ऐसी प्रतिकृति की वैधता और नैतिक निहितार्थों पर सवाल उठते हैं।
      • कई AI कंपनियाँ प्रतिस्पर्द्धी गोपनीयता का हवाला देते हुए यह जानकारी देने में अनिच्छुक हो गई हैं कि उनके मॉडल किस डेटा पर प्रशिक्षित हैं।
        • उदाहरण: ओपन AI के पिछले खुलासे से पता चलता है कि इसके GPT-3 मॉडल को कॉमन क्रॉल सहित स्रोतों पर प्रशिक्षित किया गया था, जो ओपन इंटरनेट का एक स्क्रैपिंग है, जिसमें कॉपीराइट डेटा शामिल है।
    • नियंत्रण की कमी: यदि कॉपीराइट धारकों का AI मॉडल के प्रशिक्षण के लिए स्वतंत्र रूप से उपयोग किया जाता है, तो वे अपने कार्यों पर नियंत्रण खो सकते हैं।
    • असमानता को बढ़ावा: विशाल डेटासेट तक पहुँच रखने वाली बड़ी तकनीकी कंपनियाँ इस अभ्यास से अधिक लाभान्वित होती हैं, जिससे संभावित रूप से अनुचित प्रतिस्पर्द्धा पैदा होती है।
    • कॉपीराइट और कॉपीरॉंग: कुछ मामलों में, मुकदमे का उपयोग लाभ उठाने के रूप में किया जा रहा है।
      • एक बार प्रशिक्षित होने के बाद भी, AI को अद्यतित रहने के लिए मानव-निर्मित सामग्री तक निरंतर पहुँच की आवश्यकता होती है और कुछ अधिकार-धारकों ने उन्हें नई सामग्री की आपूर्ति बनाए रखने के लिए समझौते किए हैं।
      • अधिकांश अधिकार-धारक निजी तौर पर उम्मीद छोड़ रहे हैं। रॉयटर्स इंस्टिट्यूट द्वारा 56 देशों में मीडिया अधिकारियों के एक सर्वेक्षण में पाया गया कि 48% को AI लाइसेंसिंग सौदों से ‘बहुत कम’ पैसा मिलने की उम्मीद है।
• AI कॉपी उल्लंघन पर भारत में विनियमन
  • भारतीय कॉपीराइट अधिनियम, 1957: यह रचनाकारों (लेखकों, कलाकारों, आदि) को एक विशिष्ट अवधि के लिए उनके मूल कार्यों पर विशेष अधिकार प्रदान करता है।
    • मालिक की अनुमति के बिना कॉपीराइट किए गए कार्य का उपयोग करना कॉपीराइट का उल्लंघन है।
  • जेनरेटेड AI पर कॉपीराइट: भारत में, AI द्वारा टेक्स्ट और डेटा माइनिंग के संदर्भ में कोई विशेष मुकदमा नहीं है।
    • भारत में वर्ष 1957 के कॉपीराइट अधिनियम में, ऐसा कोई तरीका नहीं है जिससे किसी गैर-मानव को कॉपीराइट सुरक्षा प्रदान की जा सके।
  • पेटेंट अधिनियम, 1970: यह निष्पक्ष व्यवहार के लिए विशिष्ट प्रावधान प्रदान करता है और कॉपीराइट उल्लंघन के अपवादों की गणना करता है।
    • यह उन खोजों को पेटेंट अधिकार प्रदान करता है, जो नवोन्मेषी और उन्नत प्रक्रियाओं, उत्पादों या विनिर्माण की वस्तुओं को कवर करती हैं।
    • इसमें AI द्वारा पूरी तरह से उत्पन्न किसी भी रचना की सुरक्षा के लिए कॉपीराइट कानूनों के संबंध में कोई प्रावधान नहीं है।
  • डिजिटल व्यक्तिगत डेटा संरक्षण (DPDP) अधिनियम, 2023: यह डेटा सुरक्षा संबंधी चिंताओं को दूर करने में महत्त्वपूर्ण भूमिका निभाता है। हालाँकि, यह कुछ कमियाँ प्रदर्शित करता है, जैसे कि डेटा सार्वजनिक रूप से उपलब्ध होने पर AI कंपनियों द्वारा डेटा स्क्रैपिंग को वैध बनाना।

जनरेटिव आर्टिफिशियल इंटेलिजेंस (AI) के बारे में

• यह एक प्रकार की AI तकनीक है, जो टेक्स्ट, इमेजरी, ऑडियो और सिंथेटिक डेटा सहित विभिन्न प्रकार की सामग्री का उत्पादन कर सकती है।
• यह गहन शिक्षण, तंत्रिका नेटवर्क और मशीन लर्निंग तकनीकों का उपयोग करता है ताकि कंप्यूटर को ऐसी सामग्री तैयार करने में सक्षम बनाया जा सके, जो स्वायत्त रूप से मानव-निर्मित आउटपुट से मिलती जुलती हो।
  • उदाहरण: ChatGPT, DALL-E और Bard

जेनरेटिव AI का महत्त्व

• रचनात्मकता और नवीनता: यह नई और बिल्कुल अलग प्रकार के कंटेंट के निर्माण को सक्षम बनाता है, जिसमे चित्र, संगीत और टेक्स्ट आदि आते है। उदाहरण
  • स्वचालित पत्रकारिता: जेनरेटिव AI समाचार आउटलेट्स के लिए लिखित सामग्री तैयार कर सकता है, घटनाओं, वित्तीय रिपोर्टों और खेल मैचों का त्वरित तथा सटीक सारांश तैयार कर सकता है, जिससे मानव पत्रकारों को गहन कहानियों और विश्लेषण पर ध्यान केंद्रित करने की छूट मिलती है।
• स्वचालन और दक्षता: यह सामग्री निर्माण की प्रक्रिया को स्वचालित करता है, जिससे समय और संसाधनों की बचत होती है। उदाहरण 
  • ग्राफिक डिजाइन: AI लोगो, मार्केटिंग कंटेंट और अन्य ग्राफिक्स बना सकता है, जिससे डिजाइनर तेजी से विचारों का प्रोटोटाइप बना सकते हैं।
  • वास्तुकला और इंजीनियरिंग: AI स्पेस के इष्टतम उपयोग, पर्यावरणीय प्रभाव और सुरुचिपूर्ण अपील को ध्यान में रखते हुए भवन डिजाइन और शहरी योजनाएँ तैयार कर सकता है।
• वैयक्तिकरण और अनुकूलन: जनरेटिव मॉडल को विशिष्ट डेटा या प्राथमिकताओं पर प्रशिक्षित किया जा सकता है, जो वैयक्तिकृत अनुशंसाओं, अनुकूलित सामग्री और अनुकूलित उपयोगकर्ता अनुभवों की अनुमति देता है।
  • उदाहरण: जेनरेटिव AI व्यक्तिगत छात्रों की सीखने की गति और शैली के अनुकूल अनुकूलित शैक्षिक सामग्री बना सकता है, जिससे शिक्षा अधिक सुलभ और प्रभावी हो सकती है।
• अन्वेषण और प्रेरणा: जेनरेटिव AI विविध विविधताएँ उत्पन्न करके, रचनात्मक संभावनाओं की खोज करके और आगे की रचनात्मक खोज के लिए शुरुआती बिंदु के रूप में कार्य करके कलाकारों, डिजाइनरों और लेखकों को प्रेरणा प्रदान कर सकता है।
  • उदाहरण: ओपनAI, जो शायद सबसे उन्नत जेनरेटिव AI मॉडल बनाता है, का मूल्य लगभग $90 बिलियन है; माइक्रोसॉफ्ट (ओपनAI का भागीदार) 3.2 ट्रिलियन डॉलर के बाजार पूंजीकरण के साथ दुनिया की सबसे मूल्यवान कंपनी बन गई है।
  • क्लाउड (Claude), एंथ्रोपिक (Anthropic) द्वारा बनाया गया एक चैटबॉट है, जिसे प्रसिद्ध गीतों के बोल दोहराने के लिए बनाया जा सकता है।
  • स्टेबिलिटी AI द्वारा निर्मित स्टेबल डिफ्यूजन (Stable Diffusion), दूसरों की इमेजों की विशेषताओं को पुन: प्रस्तुत करता है, जिसमें Getty का वॉटरमार्क भी शामिल है, जिसके संग्रह पर इसे प्रशिक्षित किया गया था।

जेनरेटिव AI से जुड़ी चिंताएँ

• नैतिक चिंताएँ: जेनेरेटिव AI नैतिक चिंताओं को बढ़ाता है, विशेष रूप से सिंथेटिक मीडिया के दुरुपयोग, डीप फेक और बौद्धिक संपदा अधिकारों के संभावित उल्लंघन के संबंध में।
  • उदाहरण: नवंबर 2023 में, अभिनेत्री रश्मिका मंदाना का एक डीप फेक वीडियो सोशल मीडिया प्लेटफॉर्म पर व्यापक रूप से प्रसारित हुआ था।
• डेटासेट पक्षपात और सामान्यीकरण: जनरेटिव मॉडल उन प्रशिक्षण डेटा पर बहुत अधिक निर्भर करते हैं जिनसे उन्हें अवगत कराया जाता है। यदि प्रशिक्षण डेटा पक्षपाती या सीमित है, तो उत्पन्न आउटपुट भी पक्षपाती ही आता है।
  • ऐसा कोई इनपुट डेटा AI सिस्टम को प्रदान किया जाता है, जिससे  भेदभाव हो सकता है तो मौजूदा सामाजिक पक्षपात को बढ़ावा मिल सकता है।
• कम्प्यूटेशनल संसाधन और जटिलता: जेनरेटिव मॉडल का प्रशिक्षण और तैनाती कम्प्यूटेशनल रूप से गहन हो सकती है और इसके लिए उच्च प्रदर्शन वाले हार्डवेयर और पर्याप्त प्रशिक्षण समय सहित महत्त्वपूर्ण संसाधनों की आवश्यकता होती है।
  • इन मॉडलों को लागू करना और बनाए रखना जटिल और संसाधन की मांग वाला हो सकता है। 
• गुणवत्ता और सुसंगतता: जेनरेटिव मॉडल ने महत्त्वपूर्ण प्रगति की है, फिर भी वे ऐसे आउटपुट उत्पन्न करने में संघर्ष कर सकते हैं, जो लगातार उच्च गुणवत्ता, सुसंगतता और प्रासंगिक प्रासंगिकता प्रदर्शित करते हैं।
• रोजगार में वृद्धि: अधिकांश रोजगार और उद्योग केवल आंशिक रूप से स्वचालन के संपर्क में हैं और AI द्वारा प्रतिस्थापित किए जाने के बजाय पूरक होने की अधिक संभावना है।
  •  जेनरेटिव प्री-ट्रेंड ट्रांसफार्मर (GPT) के समान जेनरेटिव AI सिस्टम के उत्पादकता उपकरण बनने, कुछ व्यवसायों के भीतर कुछ कार्यों के निष्पादन में सहायता और तेजी लाने की अधिक संभावना है।
• रोजगार के नष्ट होने की आशंका: जेनरेटिव AI और इसके चैटबॉट अनुप्रयोगों में वृद्धि ने नौकरी के खत्म होने के बारे में चिंताएँ पैदा कर दी हैं, जैसे 1950 के दशक में चलती असेंबली लाइन की शुरुआत को लेकर चिंताएँ थीं।
  • प्रौद्योगिकी नियमित कार्यों को स्वचालित करके, अधिक आकर्षक कार्य की अनुमति देकर, लेकिन कार्यकर्ता एजेंसी को सीमित करके या कार्य की तीव्रता को बढ़ाकर कार्यस्थल में नौकरी की गुणवत्ता बढ़ा सकती है।
• लैंगिक आधारित प्रभाव: स्वचालन के प्रभाव ‘अत्यधिक लैंगिक आधारित’ हैं, विशेष रूप से उच्च और मध्यम आय वाले देशों में लिपिकीय कार्यों में उनके अत्यधिक प्रतिनिधित्व के कारण स्वचालन से प्रभावित होने वाली महिलाओं की हिस्सेदारी दोगुनी से भी अधिक है।
  • महिलाओं की श्रम बाजार भागीदारी में हालिया वृद्धि को महिला-प्रधान व्यवसायों में केंद्रित नौकरी के नुकसान से खतरा हो सकता है।
• डिजिटल डिवाइड: जेनरेटिव AI तकनीक ब्रॉडबैंड कनेक्टिविटी के साथ-साथ विद्युत की पहुँच और लागत पर निर्भर है।
  • वर्ष 2022 में, वैश्विक आबादी के एक-तिहाई (लगभग 2.7 बिलियन लोग) के पास अभी भी इंटरनेट तक पहुँच नहीं थी।

AI के विकास के लिए भारत की पहल नीति आयोग का योगदान: नीति आयोग ‘आर्टिफिशियल इंटेलिजेंस के लिए राष्ट्रीय रणनीति‘ चर्चा पत्र लेकर आया जो निजी क्षेत्र के सहयोग के माध्यम से देश में आर्टिफिशियल इंटेलिजेंस (International Conference on Tools with Artificial Intelligence- ICTAI) के साथ उपकरणों पर अंतरराष्ट्रीय सम्मेलन की स्थापना पर केंद्रित है। AIRAWAT: नीति आयोग भारत का पहला AI-विशिष्ट क्लाउड कंप्यूटिंग बुनियादी ढाँचा स्थापित करेगा जिसे AIRAWAT कहा जाएगा। आर्टिफिशियल इंटेलिजेंस रिसर्च, एनालिटिक्स और नॉलेज एसिमिलेशन प्लेटफॉर्म: यह एक क्लाउड कंप्यूटिंग प्लेटफॉर्म है, जिसका लक्ष्य AI के संबंध में भारत को उभरती अर्थव्यवस्थाओं में अग्रणी बनाना है। आर्टिफिशियल इंटेलिजेंस पर वैश्विक साझेदारी (GPAI): वर्ष 2020 में, भारत उभरती प्रौद्योगिकियों के जिम्मेदार उपयोग के लिए रूपरेखा स्थापित करने के लिए GPAI बनाने के लिए 15 अन्य देशों के साथ शामिल हुआ।

आगे की राह

• सभी हितधारक दृष्टिकोण: इस कॉपीराइट मुद्दे से बाहर आने के लिए विभिन्न संबद्ध हितधारकों के बीच परामर्श और बातचीत की आवश्यकता है।
  • बाजार आधारित समाधान: पीयर-टू-पीयर फाइल साझाकरण पर संगीत उद्योग की प्रतिक्रिया के समान, बाजार आधारित समाधान की आवश्यकता है।
  • विनियमित नीति: इसमें AI-जनित सामग्री में स्वामित्व के बारे में चिंताओं को संबोधित करते हुए रचनात्मकता को बढ़ावा देने के लिए नीतियों को बेहतर बनाने के महत्त्व पर जोर दिया जाना चाहिए।
  • स्पष्ट दिशा-निर्देश: पारदर्शिता सुनिश्चित करने के लिए कॉपीराइट अनुप्रयोगों में AI के उपयोग पर स्पष्ट दिशा-निर्देश वांछनीय एवं आवश्यक हैं।
  • न्यायिक मान्यता का समय: निष्पक्ष व्यवहार के तहत ‘अनुसंधान’ के रूप में AI प्रशिक्षण आवश्यक है।
• उचित उपयोग दृष्टिकोण का विस्तार करने की आवश्यकता: प्रशिक्षण उद्देश्यों के लिए कॉपीराइट सामग्री के उपयोग को आम तौर पर उचित उपयोग माना जाना चाहिए।
  • टेक्स्ट/डेटा माइनिंग के लिए विशिष्ट अपवादों की आवश्यकता: यह सुनिश्चित किया जाना चाहिए कि यदि कोई प्रशिक्षण के लिए कॉपीराइट सामग्री का उपयोग कर रहा है, तो वे संबंधित AI द्वारा उत्पन्न कंटेंट के लिए कॉपीराइट सुरक्षा की माँग नहीं करते हैं।
  • चार-कारक परीक्षण (Four-factor Test) का पालन करना: सिविक चंद्रन बनाम सी. अम्मिनी अम्मा, 1996 के मामले में केरल उच्च न्यायालय द्वारा निर्धारित चार-कारक परीक्षण एक सुविचारित उचित उपयोग के निर्धारण में उपयोगी हो सकता है। ये कारक हैं- उपयोग का उद्देश्य, कॉपीराइट किए गए कार्य की प्रकृति, उपयोग किए गए हिस्से की मात्रा और पर्याप्तता एवं कॉपीराइट किए गए कार्य के मूल्य पर उपयोग का प्रभाव।
• मौजूदा कानूनों के साथ विनियमन और संरेखण: AI प्रौद्योगिकी में प्रगति के साथ संरेखित करने के लिए बौद्धिक संपदा कानूनों को अद्यतन करने की आवश्यकता है।
  • निरीक्षण और अनुपालन उद्देश्यों के लिए, AI परियोजनाओं के लिए डेटा उपयोग और शासन नीतियों को लागू करना चाहिए।
  • कॉपीराइट सुरक्षा, ऑडिट और मूल्यांकन के लिए जिम्मेदार अनुपालन अधिकारियों को नियुक्त करने के लिए AI कंपनियों को अनिवार्य करने की आवश्यकता है।
• संतुलन बनाए रखना: कॉपीराइट उल्लंघन और AI के बढ़ते मुद्दे AI प्रौद्योगिकी के विकास और इसके संभावित अनुप्रयोगों पर प्रभाव डालता है। AI क्षेत्र के विकास एवं उन्नति के लिए कॉपीराइट मालिकों के अधिकारों की रक्षा और AI में नवाचार को बढ़ावा देने के बीच संतुलन बनाना आवश्यक है।

DOWNLOAD PDF