భారతదేశ కాపీరైట్ చట్టం AI శిక్షణకు అడ్డు: 'ప్రయోజన పరీక్ష' విఫలం

కాపీరైట్ చేయబడిన (copyrighted) మెటీరియల్‌పై ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) మోడళ్లకు శిక్షణ ఇవ్వడం 'ఫెయిర్ డీలింగ్' (న్యాయమైన వ్యవహారం) అవుతుందనే వాదనలు ఎక్కువగా వివాదాస్పదమవుతున్నాయి. ఈ వాదన, తరచుగా US చట్టపరమైన చర్చల నుండి స్వీకరించబడింది, భారతదేశ కాపీరైట్ చట్టం, 1957 కింద గణనీయమైన అడ్డంకులను ఎదుర్కొంటోంది. ఈ చట్టం ఒక కఠినమైన, నిర్దిష్ట ప్రయోజనం-ఆధారిత విచారణను తప్పనిసరి చేస్తుంది, దీనిలో ఏదైనా ఉపయోగం మొదట స్పష్టంగా జాబితా చేయబడిన మినహాయింపులతో సరిపోలాలి, ఆపై మాత్రమే న్యాయబద్ధత (fairness) పరిగణించబడుతుంది. యునైటెడ్ స్టేట్స్ యొక్క విస్తృత 'ఫెయిర్ యూజ్' సిద్ధాంతానికి భిన్నంగా, భారతదేశం యొక్క 'ఫెయిర్ డీలింగ్' అనేది నిర్దిష్ట ప్రయోజనాలకు పరిమితం చేయబడిన ఒక ఇరుకైన రక్షణ: విమర్శ లేదా సమీక్ష, ప్రైవేట్ లేదా వ్యక్తిగత ఉపయోగం (పరిశోధనతో సహా), మరియు ప్రస్తుత వ్యవహారాల నివేదన. భారతీయ న్యాయస్థానాలు ఈ వర్గాలను నిరంతరంగా సమగ్రమైనవిగా పరిగణించాయి. ఒక ఉపయోగం మొదట ఈ ప్రయోజన పరీక్షకు అనుగుణంగా ఉండాలి, ఆ తర్వాత మాత్రమే కాపీ చేసిన పరిమాణం లేదా వాణిజ్య ఉద్దేశ్యం వంటి న్యాయబద్ధతకు సంబంధించిన ఏదైనా తదుపరి పరిశీలన జరుగుతుంది. AI శిక్షణకు, కాపీరైట్ చేయబడిన పనుల యొక్క విస్తృతమైన, క్రమబద్ధమైన కాపీ చేయడం (copying) అవసరం, ఇది తరచుగా ఈ ప్రాథమిక పరిమితిని దాటడంలో విఫలమవుతుంది. జనరేటివ్ AI అభివృద్ధికి, టెక్స్ట్, చిత్రాలు, సంగీతం వంటి కాపీరైట్ చేయబడిన కంటెంట్ యొక్క భారీ మొత్తాన్ని సంఖ్యా డేటాగా (numerical data) మార్చడం అవసరం. ఈ ప్రక్రియ, అధునాతన అల్గారిథమ్‌లను (algorithms) రూపొందించడానికి ఉద్దేశపూర్వకంగా మరియు సాంకేతికంగా అవసరం. ఈ పనుల యొక్క వ్యక్తీకరణ కంటెంట్ (expressive content) కోసం కాకుండా, నమూనా గుర్తింపు (pattern recognition) కోసం గణాంక ఇన్‌పుట్‌లుగా (statistical inputs) ఉపయోగించబడతాయి. కాపీరైట్ చట్టంలోని సెక్షన్ 14(a)(i) ప్రకారం, ఒక పనిని ఏదైనా భౌతిక రూపంలో (material form) పునరుత్పత్తి (reproduce) చేసే ప్రత్యేక హక్కు కాపీరైట్ యజమానికి ఉంటుంది. స్పష్టమైన చట్టబద్ధమైన మినహాయింపు లేకుండా, ఈ అనధికారిక కాపీ చేయడం మొదటి చూపులోనే ఉల్లంఘన. AI శిక్షణకు అనుకూలంగా ఉన్న వాదనలు తరచుగా సెక్షన్ 52(1)(a) లోని 'పరిశోధన' (research) భాగాన్ని సూచిస్తాయి. అయితే, భారతీయ న్యాయశాస్త్రం సాంప్రదాయకంగా పరిశోధనను ఒక పని యొక్క కంటెంట్ లేదా ఆలోచనల యొక్క మానవ-కేంద్రీకృత అధ్యయనంగా నిర్వచిస్తుంది. AI శిక్షణ దీనిని తిరగవేస్తుంది, అంచనా ఇంజిన్‌లను (prediction engines) ఆప్టిమైజ్ చేయడానికి పనులను కేవలం ఇన్‌పుట్‌లుగా ఉపయోగిస్తుంది. 'పరిశోధన'ను వాణిజ్య ఉత్పత్తుల కోసం పారిశ్రామిక-స్థాయి, ఆటోమేటెడ్ డేటా ఇన్‌జెషన్ (automated data ingestion) ను కవర్ చేసే విధంగా విస్తృతంగా అర్థం చేసుకోవడం, టెక్స్ట్ మరియు డేటా మైనింగ్ (TDM) మినహాయింపును సృష్టిస్తుంది, ఇది పార్లమెంట్ ఇంకా చట్టబద్ధం చేయనిది. EU మరియు జపాన్ వంటి అధికార పరిధులు విస్తృతమైన చర్చల తర్వాత నిర్దిష్ట TDM నిబంధనలను అమలు చేశాయి, ఇది భారతదేశంలో చట్టపరమైన అంతరాన్ని హైలైట్ చేస్తుంది. ఇతర 'ఫెయిర్ డీలింగ్' ప్రయోజనాలు - విమర్శ, సమీక్ష మరియు నివేదన - సహజంగానే వ్యక్తీకరణతో కూడుకున్నవి, ఇవి ప్రజా వినియోగం కోసం వ్యాఖ్యానాన్ని కలిగి ఉంటాయి మరియు వాక్ స్వాతంత్ర్య విలువలతో ఏకీభవిస్తాయి. AI శిక్షణ ద్వారా కాపీ చేయడం వ్యక్తీకరణ రహితమైనది; ఇది వ్యాఖ్యానం కోసం పని యొక్క అర్థంతో సంకర్షణ చెందదు, కానీ దానిని ఒక క్రియాత్మక సాధనం కోసం ముడి పదార్థంగా పరిగణిస్తుంది. 'ట్రాన్స్‌ఫార్మేటివ్ యూజ్' (transformative use) భావన, ఇది కొన్నిసార్లు చట్టపరమైన చర్చలలో ప్రస్తావించబడుతుంది, భారతదేశంలో ప్రధానంగా కాపీరైట్ లభ్యత (originality) తో సంబంధం కలిగి ఉంటుంది, ఫెయిర్ డీలింగ్ వంటి మినహాయింపులకు న్యాయబద్ధత యొక్క స్వతంత్ర నిర్ధారకం వలె కాదు. AI శిక్షణ మరియు కాపీరైట్ చుట్టూ ఉన్న అనిశ్చితి పెరుగుతోంది. ఆసియా న్యూస్ ఇంటర్నేషనల్ (ANI) నవంబర్ 2024 లో OpenAI కి వ్యతిరేకంగా ఢిల్లీ హైకోర్టులో AI శిక్షణ కోసం కాపీరైట్ చేయబడిన కంటెంట్ వాడకాన్ని సవాలు చేస్తూ మరియు ఫెయిర్ డీలింగ్ లభ్యతను ప్రశ్నిస్తూ proceedings ప్రారంభించింది. లైసెన్సింగ్ యంత్రాంగాలు (licensing mechanisms) లేదా ఒక నిర్దిష్ట TDM మినహాయింపు వంటి సంభావ్య శాసన చర్యల కోసం విధానపరమైన చర్చలు జరుగుతున్నాయి. ఈ ప్రయత్నాలు, ప్రస్తుత నిబంధనలు పారిశ్రామిక-స్థాయి మెషిన్ లెర్నింగ్‌ను (machine learning) తగినంతగా పరిష్కరించకపోవచ్చు అనే అంగీకారాన్ని సూచిస్తాయి, మరియు ఫెయిర్ డీలింగ్‌ను డిఫాల్ట్‌గా AI శిక్షణకు వర్తించదని భావించలేమని బలపరుస్తాయి. ప్రస్తుత చట్టపరమైన నిబంధనలను వాటి అక్షరార్థ పరిమితుల నుండి విస్తరించడం, చట్టపరమైన నిశ్చయతను మరియు స్థాపించబడిన శాసన ప్రక్రియలను బలహీనపరిచే ప్రమాదాన్ని కలిగి ఉంది. AI ఆవిష్కరణలను ప్రోత్సహిస్తూనే సృష్టికర్తల హక్కులను పరిరక్షించడానికి, న్యాయపరమైన పునర్వివరణ కంటే లక్షిత శాసన సంస్కరణ అవసరం.