भारतातील कॉपीराइट कायदा AI प्रशिक्षणात अडथळा: 'उद्देश्य चाचणी' अयशस्वी

कॉपीराइट केलेल्या (copyrighted) सामग्रीवर आर्टिफिशियल इंटेलिजन्स (AI) मॉडेल्सना प्रशिक्षित करणे 'वाजवी व्यवहार' (fair dealing) ठरते, असा दावा अधिकाधिक विवादास्पद होत आहे. हा युक्तिवाद, जो अनेकदा अमेरिकेतील कायदेशीर चर्चेतून घेतला जातो, तो भारताच्या कॉपीराइट कायदा, 1957 अंतर्गत महत्त्वपूर्ण अडथळ्यांचा सामना करत आहे. कायदा एक कठोर, उद्देश-विशिष्ट चौकशी अनिवार्य करतो, ज्यामध्ये कोणत्याही वापराला प्रथम स्पष्टपणे सूचीबद्ध केलेल्या अपवादांशी जुळवून घेणे आवश्यक आहे, त्यानंतरच वाजवीपणाचा (fairness) विचार केला जातो. युनायटेड स्टेट्सच्या व्यापक 'फेअर यूज' सिद्धांताच्या विपरीत, भारताचा 'फेअर डीलिंग' हा एक मर्यादित बचाव आहे जो विशिष्ट उद्देशांपुरता मर्यादित आहे: टीका किंवा पुनरावलोकन, खाजगी किंवा वैयक्तिक वापर (संशोधनासह), आणि चालू घडामोडींचे वार्तांकन. भारतीय न्यायालयांनी सातत्याने या श्रेणींना संपूर्ण मानले आहे. कोणत्याही वापराला प्रथम या उद्देश चाचणीस (purpose test) पात्र ठरावे लागते, त्यानंतरच कॉपी करण्याच्या प्रमाणासारखे (extent of copying) किंवा व्यावसायिक हेतू (commercial intent) सारखे वाजवीपणाचे कोणतेही पुढील मूल्यांकन केले जाऊ शकते. AI प्रशिक्षणासाठी, संरक्षित कामांच्या विस्तृत, पद्धतशीर कॉपी करण्यावर (copying) अवलंबून राहावे लागते, जे अनेकदा या प्राथमिक मर्यादेत अपयशी ठरते. जनरेटिव्ह AI (Generative AI) च्या विकासामध्ये मोठ्या प्रमाणात कॉपीराइटेड सामग्री—मजकूर, प्रतिमा, संगीत—संख्यात्मक डेटामध्ये (numerical data) रूपांतरित करणे आवश्यक आहे. ही प्रक्रिया अत्याधुनिक अल्गोरिदम (algorithms) तयार करण्यासाठी हेतुपुरस्सर आणि तांत्रिकदृष्ट्या आवश्यक आहे. कामांचा वापर त्यांच्या अभिव्यक्तीपूर्ण सामग्रीसाठी (expressive content) नसून, पॅटर्न ओळखण्यासाठी (pattern recognition) सांख्यिकीय इनपुट (statistical inputs) म्हणून केला जातो. कॉपीराइट कायद्याच्या कलम 14(a)(i) नुसार, कोणत्याही भौतिक स्वरूपात (material form) कामाची पुनरुत्पत्ती (reproduce) करण्याचा विशेष अधिकार कॉपीराइट मालकाकडे असतो. कोणत्याही स्पष्ट वैधानिक अपवादाशिवाय, ही अनधिकृत कॉपी करणे प्रथमदर्शनी उल्लंघन (infringing) आहे. AI प्रशिक्षणाच्या बाजूने असलेले युक्तिवाद अनेकदा कलम 52(1)(a) मधील 'संशोधन' (research) भागाकडे निर्देश करतात. तथापि, भारतीय न्यायशास्त्र पारंपरिकरित्या संशोधनाला कामाच्या सामग्री किंवा विचारांच्या मानवी-केंद्रित अभ्यासाचे (human-centred study) स्वरूप देते. AI प्रशिक्षण हे उलट करते, कामांचा वापर केवळ भविष्यवाणी इंजिन (prediction engines) ऑप्टिमाइझ करण्यासाठी इनपुट म्हणून करते. 'संशोधन' या शब्दाचा अर्थ व्यापकपणे लावून, व्यावसायिक उत्पादनांसाठी औद्योगिक-स्तरीय, स्वयंचलित डेटा अंतर्ग्रहण (automated data ingestion) समाविष्ट करणे, हे प्रभावीपणे एक टेक्स्ट आणि डेटा मायनिंग (TDM) अपवाद तयार करेल, जे संसदेने अद्याप कायदेशीर केलेले नाही. EU आणि जपानसारख्या अधिकारक्षेत्रांनी विस्तृत विचारविनिमयानंतर विशिष्ट TDM तरतुदी लागू केल्या आहेत, ज्यामुळे भारतातील कायदेशीर पोकळी (legislative gap) स्पष्ट होते. इतर 'फेअर डीलिंग' उद्देश - टीका, पुनरावलोकन आणि अहवाल - स्वाभाविकपणे अभिव्यंजक (expressive) आहेत, ज्यात सार्वजनिक उपभोगासाठी भाष्य (commentary) समाविष्ट आहे आणि जे भाषण स्वातंत्र्याच्या मूल्यांशी (free speech values) जुळतात. AI प्रशिक्षणाची कॉपी करणे हे गैर-अभिव्यंजक (non-expressive) आहे; ते भाष्य करण्यासाठी कामाच्या अर्थाशी संवाद साधत नाही, परंतु त्याला कार्यात्मक साधनासाठी कच्चा माल म्हणून मानतो. 'रूपांतरणात्मक वापर' (transformative use) ही संकल्पना, ज्याचा कधीकधी कायदेशीर चर्चांमध्ये उल्लेख केला जातो, ती भारतात प्रामुख्याने कॉपीराइट सब्सिस्टन्स (originality) शी संबंधित आहे, फेअर डीलिंगसारख्या अपवादांसाठी स्वतंत्र निर्धारण घटक म्हणून नाही. AI प्रशिक्षण आणि कॉपीराइट यामधील अनिश्चितता वाढत आहे. एशियन न्यूज इंटरनॅशनल (ANI) ने नोव्हेंबर 2024 मध्ये OpenAI विरुद्ध दिल्ली उच्च न्यायालयात AI प्रशिक्षणासाठी कॉपीराइट केलेल्या सामग्रीच्या वापराला आव्हान देत आणि फेअर डीलिंगच्या उपलब्धतेवर वाद घालताना कार्यवाही सुरू केली. परवाना यंत्रणा (licensing mechanisms) किंवा एक विशिष्ट TDM अपवाद यासारख्या संभाव्य कायदेशीर कृतींवर धोरणात्मक चर्चा सुरू आहेत. हे प्रयत्न सूचित करतात की विद्यमान तरतुदी औद्योगिक-स्तरीय मशीन लर्निंगला (machine learning) पुरेसे संबोधित करू शकत नाहीत, आणि हे पुष्टी करतात की फेअर डीलिंगला डीफॉल्टनुसार AI प्रशिक्षणाला कव्हर करणारे मानले जाऊ शकत नाही. विद्यमान कायदेशीर तरतुदींना त्यांच्या शाब्दिक मर्यादांच्या पलीकडे ताणल्यास कायदेशीर निश्चितता (legal certainty) आणि स्थापित कायदेशीर प्रक्रियांचे (legislative processes) उल्लंघन होण्याचा धोका आहे. AI नवोपक्रमांना (innovation) प्रोत्साहन देताना निर्मात्यांच्या हक्कांचे संरक्षण करण्यासाठी, न्यायिक पुनर्व्याख्याऐवजी (judicial reinterpretation) लक्षित कायदेशीर सुधारणांची आवश्यकता असेल.