ਭਾਰਤ ਦਾ ਕਾਪੀਰਾਈਟ ਕਾਨੂੰਨ AI ਸਿਖਲਾਈ ਨੂੰ ਰੋਕਦਾ ਹੈ: 'ਉਦੇਸ਼ ਟੈਸਟ' ਫੇਲ

ਕਾਪੀਰਾਈਟ ਕੀਤੀ (copyrighted) ਸਮੱਗਰੀ 'ਤੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣਾ 'ਫੇਅਰ ਡੀਲਿੰਗ' (ਜਾਇਜ਼ ਵਰਤੋਂ) ਹੈ, ਇਹ ਦਾਅਵੇ ਵੱਧ ਤੋਂ ਵੱਧ ਵਿਵਾਦਗ੍ਰਸਤ ਹੋ ਰਹੇ ਹਨ। ਇਹ ਦਲੀਲ, ਜੋ ਅਕਸਰ ਅਮਰੀਕੀ ਕਾਨੂੰਨੀ ਚਰਚਾਵਾਂ ਤੋਂ ਲਈ ਜਾਂਦੀ ਹੈ, ਭਾਰਤ ਦੇ ਕਾਪੀਰਾਈਟ ਐਕਟ, 1957 ਦੇ ਤਹਿਤ ਮਹੱਤਵਪੂਰਨ ਰੁਕਾਵਟਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੀ ਹੈ। ਕਾਨੂੰਨ ਇੱਕ ਸਖਤ, ਉਦੇਸ਼-ਵਿਸ਼ੇਸ਼ ਪੁੱਛਗਿੱਛ (purpose-specific inquiry) ਲਾਜ਼ਮੀ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਕਿਸੇ ਵੀ ਵਰਤੋਂ ਨੂੰ ਪਹਿਲਾਂ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਸੂਚੀਬੱਧ ਅਪਵਾਦਾਂ (exceptions) ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਜਿਸ ਤੋਂ ਬਾਅਦ ਹੀ ਨਿਰਪੱਖਤਾ (fairness) 'ਤੇ ਵਿਚਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸੰਯੁਕਤ ਰਾਜ ਅਮਰੀਕਾ ਦੇ ਵਿਆਪਕ 'ਫੇਅਰ ਯੂਜ਼' (fair use) ਸਿਧਾਂਤ ਦੇ ਉਲਟ, ਭਾਰਤ ਦਾ 'ਫੇਅਰ ਡੀਲਿੰਗ' ਇੱਕ ਸੰਕੁਚਿਤ ਬਚਾਅ (narrow defence) ਹੈ ਜੋ ਖਾਸ ਉਦੇਸ਼ਾਂ ਤੱਕ ਸੀਮਤ ਹੈ: ਆਲੋਚਨਾ ਜਾਂ ਸਮੀਖਿਆ, ਨਿੱਜੀ ਜਾਂ ਨਿੱਜੀ ਵਰਤੋਂ (ਖੋਜ ਸਮੇਤ), ਅਤੇ ਮੌਜੂਦਾ ਮਾਮਲਿਆਂ ਦੀ ਰਿਪੋਰਟਿੰਗ। ਭਾਰਤੀ ਅਦਾਲਤਾਂ ਨੇ ਲਗਾਤਾਰ ਇਹਨਾਂ ਸ਼੍ਰੇਣੀਆਂ ਨੂੰ ਸੰਪੂਰਨ (exhaustive) ਮੰਨਿਆ ਹੈ। ਕਿਸੇ ਵੀ ਵਰਤੋਂ ਨੂੰ ਪਹਿਲਾਂ ਇਸ ਉਦੇਸ਼ ਟੈਸਟ (purpose test) ਨੂੰ ਪੂਰਾ ਕਰਨਾ ਲਾਜ਼ਮੀ ਹੈ, ਜਿਸ ਤੋਂ ਬਾਅਦ ਹੀ ਨਕਲ ਦੀ ਹੱਦ (extent of copying) ਜਾਂ ਵਪਾਰਕ ਇਰਾਦੇ (commercial intent) ਵਰਗੇ ਨਿਰਪੱਖਤਾ ਦੇ ਕਿਸੇ ਵੀ ਅਗਲੇ ਮੁਲਾਂਕਣ 'ਤੇ ਵਿਚਾਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। AI ਸਿਖਲਾਈ ਲਈ, ਸੁਰੱਖਿਅਤ ਕੰਮਾਂ ਦੀ ਵਿਆਪਕ, ਵਿਵਸਥਿਤ ਨਕਲ (copying) 'ਤੇ ਨਿਰਭਰ ਰਹਿਣਾ ਪੈਂਦਾ ਹੈ, ਜੋ ਅਕਸਰ ਇਸ ਮੁਢਲੇ ਟੈਸਟ ਵਿੱਚ ਅਸਫਲ ਹੋ ਜਾਂਦਾ ਹੈ। ਜਨਰੇਟਿਵ AI (Generative AI) ਦੇ ਵਿਕਾਸ ਲਈ ਟੈਕਸਟ, ਚਿੱਤਰ, ਸੰਗੀਤ ਵਰਗੀ ਕਾਪੀਰਾਈਟ ਕੀਤੀ ਸਮੱਗਰੀ ਨੂੰ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਸੰਖਿਆਤਮਕ ਡਾਟਾ (numerical data) ਵਿੱਚ ਬਦਲਣ ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ। ਇਹ ਪ੍ਰਕਿਰਿਆ ਉੱਨਤ ਐਲਗੋਰਿਦਮ (algorithms) ਬਣਾਉਣ ਲਈ ਜਾਣਬੁੱਝ ਕੇ ਅਤੇ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਜ਼ਰੂਰੀ ਹੈ। ਕੰਮਾਂ ਦੀ ਵਰਤੋਂ ਉਹਨਾਂ ਦੀਆਂ ਭਾਵਨਾਤਮਕ ਸਮੱਗਰੀ (expressive content) ਲਈ ਨਹੀਂ, ਬਲਕਿ ਪੈਟਰਨ ਪਛਾਣ (pattern recognition) ਲਈ ਅੰਕੜਾ ਇਨਪੁਟ (statistical inputs) ਵਜੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਕਾਪੀਰਾਈਟ ਐਕਟ ਦੀ ਧਾਰਾ 14(a)(i) ਦੇ ਤਹਿਤ, ਕਿਸੇ ਵੀ ਭੌਤਿਕ ਰੂਪ (material form) ਵਿੱਚ ਕੰਮ ਨੂੰ ਦੁਬਾਰਾ ਤਿਆਰ (reproduce) ਕਰਨ ਦਾ ਇਕਲੌਤਾ ਅਧਿਕਾਰ ਕਾਪੀਰਾਈਟ ਮਾਲਕ ਕੋਲ ਹੁੰਦਾ ਹੈ। ਕਿਸੇ ਵੀ ਸਪੱਸ਼ਟ ਵਿਧਾਨਕ ਅਪਵਾਦ ਤੋਂ ਬਿਨਾਂ, ਇਹ ਅਣਅਧਿਕਾਰਤ ਨਕਲ ਪਹਿਲੀ ਨਜ਼ਰੇ ਉਲੰਘਣ (infringing) ਹੈ। AI ਸਿਖਲਾਈ ਦੇ ਪੱਖ ਵਿੱਚ ਦਲੀਲਾਂ ਅਕਸਰ ਧਾਰਾ 52(1)(a) ਦੇ 'ਖੋਜ' (research) ਭਾਗ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਭਾਰਤੀ ਕਾਨੂੰਨ ਪਰੰਪਰਾਗਤ ਤੌਰ 'ਤੇ ਖੋਜ ਨੂੰ ਕਿਸੇ ਕੰਮ ਦੀ ਸਮੱਗਰੀ ਜਾਂ ਵਿਚਾਰਾਂ ਦੇ ਮਨੁੱਖ-ਕੇਂਦ੍ਰਿਤ ਅਧਿਐਨ (human-centred study) ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ। AI ਸਿਖਲਾਈ ਇਸਨੂੰ ਉਲਟਾਉਂਦੀ ਹੈ, ਕੰਮਾਂ ਨੂੰ ਸਿਰਫ ਭਵਿੱਖਬਾਣੀ ਇੰਜਣਾਂ (prediction engines) ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਇਨਪੁਟ ਵਜੋਂ ਵਰਤਦੀ ਹੈ। 'ਖੋਜ' ਦੀ ਵਿਆਪਕ ਵਿਆਖਿਆ ਕਰਨਾ ਤਾਂ ਜੋ ਇਹ ਵਪਾਰਕ ਉਤਪਾਦਾਂ ਲਈ ਉਦਯੋਗਿਕ-ਪੱਧਰ, ਆਟੋਮੇਟਿਡ ਡਾਟਾ ਇੰਜੈਸ਼ਨ (automated data ingestion) ਨੂੰ ਸ਼ਾਮਲ ਕਰੇ, ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਇੱਕ ਟੈਕਸਟ ਅਤੇ ਡਾਟਾ ਮਾਈਨਿੰਗ (TDM) ਅਪਵਾਦ ਬਣਾ ਦੇਵੇਗਾ, ਜਿਸ ਨੂੰ ਸੰਸਦ ਨੇ ਅਜੇ ਤੱਕ ਕਾਨੂੰਨੀ ਨਹੀਂ ਬਣਾਇਆ ਹੈ। EU ਅਤੇ ਜਾਪਾਨ ਵਰਗੇ ਅਧਿਕਾਰ ਖੇਤਰਾਂ ਨੇ ਵਿਆਪਕ ਵਿਚਾਰ-ਵਟਾਂਦਰੇ ਤੋਂ ਬਾਅਦ ਖਾਸ TDM ਪ੍ਰਾਵਧਾਨ ਲਾਗੂ ਕੀਤੇ ਹਨ, ਜੋ ਭਾਰਤ ਵਿੱਚ ਕਾਨੂੰਨੀ ਪਾੜੇ (legislative gap) ਨੂੰ ਉਜਾਗਰ ਕਰਦੇ ਹਨ। ਹੋਰ 'ਫੇਅਰ ਡੀਲਿੰਗ' ਉਦੇਸ਼ - ਆਲੋਚਨਾ, ਸਮੀਖਿਆ ਅਤੇ ਰਿਪੋਰਟਿੰਗ - ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਭਾਵਨਾਤਮਕ (expressive) ਹਨ, ਜਿਸ ਵਿੱਚ ਜਨਤਕ ਖਪਤ ਲਈ ਟਿੱਪਣੀ (commentary) ਸ਼ਾਮਲ ਹੈ ਅਤੇ ਜੋ ਭਾਸ਼ਣ ਦੀ ਆਜ਼ਾਦੀ ਦੇ ਮੁੱਲਾਂ (free speech values) ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਹਨ। AI ਸਿਖਲਾਈ ਦੀ ਨਕਲ ਗੈਰ-ਭਾਵਨਾਤਮਕ (non-expressive) ਹੈ; ਇਹ ਟਿੱਪਣੀ ਲਈ ਕੰਮ ਦੇ ਅਰਥ ਨਾਲ ਜੁੜਦੀ ਨਹੀਂ ਹੈ, ਬਲਕਿ ਇਸਨੂੰ ਇੱਕ ਕਾਰਜਸ਼ੀਲ ਸਾਧਨ ਲਈ ਕੱਚੇ ਮਾਲ ਵਜੋਂ ਮੰਨਦੀ ਹੈ। 'ਰੂਪਾਂਤਰਣ ਵਰਤੋਂ' (transformative use) ਦੀ ਧਾਰਨਾ, ਜਿਸਦਾ ਕਈ ਵਾਰ ਕਾਨੂੰਨੀ ਚਰਚਾਵਾਂ ਵਿੱਚ ਜ਼ਿਕਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਭਾਰਤ ਵਿੱਚ ਮੁੱਖ ਤੌਰ 'ਤੇ ਕਾਪੀਰਾਈਟ ਸਬਸਿਸਟੈਂਸ (originality) ਨਾਲ ਸਬੰਧਤ ਹੈ, ਨਾ ਕਿ ਫੇਅਰ ਡੀਲਿੰਗ ਵਰਗੇ ਅਪਵਾਦਾਂ ਲਈ ਨਿਰਪੱਖਤਾ ਦੇ ਇੱਕ ਸੁਤੰਤਰ ਨਿਰਧਾਰਕ ਵਜੋਂ। AI ਸਿਖਲਾਈ ਅਤੇ ਕਾਪੀਰਾਈਟ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਅਨਿਸ਼ਚਿਤਤਾ ਵੱਧ ਰਹੀ ਹੈ। ਏਸ਼ੀਅਨ ਨਿਊਜ਼ ਇੰਟਰਨੈਸ਼ਨਲ (ANI) ਨੇ ਨਵੰਬਰ 2024 ਵਿੱਚ OpenAI ਵਿਰੁੱਧ ਦਿੱਲੀ ਹਾਈ ਕੋਰਟ ਵਿੱਚ AI ਸਿਖਲਾਈ ਲਈ ਕਾਪੀਰਾਈਟ ਕੀਤੀ ਸਮੱਗਰੀ ਦੀ ਵਰਤੋਂ ਨੂੰ ਚੁਣੌਤੀ ਦਿੰਦੇ ਹੋਏ ਅਤੇ ਫੇਅਰ ਡੀਲਿੰਗ ਦੀ ਉਪਲਬਧਤਾ 'ਤੇ ਬਹਿਸ ਕਰਦੇ ਹੋਏ ਕਾਰਵਾਈ ਸ਼ੁਰੂ ਕੀਤੀ। ਲਾਇਸੈਂਸਿੰਗ ਵਿਧੀ (licensing mechanisms) ਜਾਂ ਇੱਕ ਵਿਸ਼ੇਸ਼ TDM ਅਪਵਾਦ ਵਰਗੇ ਸੰਭਾਵੀ ਕਾਨੂੰਨੀ ਕਦਮਾਂ ਲਈ ਨੀਤੀ ਚਰਚਾਵਾਂ ਚੱਲ ਰਹੀਆਂ ਹਨ। ਇਹ ਕੋਸ਼ਿਸ਼ਾਂ ਇਹ ਸਵੀਕਾਰਤਾ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ ਮੌਜੂਦਾ ਪ੍ਰਾਵਧਾਨ ਉਦਯੋਗਿਕ-ਪੱਧਰ ਦੀ ਮਸ਼ੀਨ ਲਰਨਿੰਗ (machine learning) ਨੂੰ ਲੋੜੀਂਦਾ ਸੰਬੋਧਿਤ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਅਤੇ ਇਹ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹਨ ਕਿ ਫੇਅਰ ਡੀਲਿੰਗ ਨੂੰ ਡਿਫਾਲਟ ਰੂਪ ਵਿੱਚ AI ਸਿਖਲਾਈ ਨੂੰ ਕਵਰ ਕਰਨ ਵਾਲਾ ਨਹੀਂ ਮੰਨਿਆ ਜਾ ਸਕਦਾ। ਮੌਜੂਦਾ ਕਾਨੂੰਨੀ ਪ੍ਰਾਵਧਾਨਾਂ ਨੂੰ ਉਹਨਾਂ ਦੀ ਸ਼ਾਬਦਿਕ ਸੀਮਾਵਾਂ ਤੋਂ ਪਰੇ ਖਿੱਚਣ ਨਾਲ ਕਾਨੂੰਨੀ ਨਿਸ਼ਚਿਤਤਾ (legal certainty) ਅਤੇ ਸਥਾਪਿਤ ਵਿਧਾਨਕ ਪ੍ਰਕਿਰਿਆਵਾਂ (legislative processes) ਨੂੰ ਕਮਜ਼ੋਰ ਕਰਨ ਦਾ ਖਤਰਾ ਹੈ। AI ਨਵੀਨਤਾ (innovation) ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਹੋਏ ਸਿਰਜਣਹਾਰਾਂ ਦੇ ਅਧਿਕਾਰਾਂ ਦੀ ਰਾਖੀ ਕਰਨ ਲਈ, ਨਿਆਂਇਕ ਪੁਨਰ-ਵਿਆਖਿਆ (judicial reinterpretation) ਦੀ ਬਜਾਏ ਨਿਸ਼ਾਨਾ ਕਾਨੂੰਨੀ ਸੁਧਾਰ ਦੀ ਲੋੜ ਹੋਵੇਗੀ।