元Meta研究者が海賊版書籍のデータセットをトレントし、「訴訟のため」削除した

元Meta研究者が海賊版書籍のデータセットをトレントし、「訴訟のため」削除した

［画像: meta-logo］カリフォルニア連邦裁判所での一連の訴訟で、MetaはAIモデルLlamaの学習に海賊版書籍を使用したとして訴えられています。

これらの訴訟は別々ですが、Vince Chhabria判事がまとめて扱っています。原告には、Sarah SilvermanやTa-Nehisi Coatesといった著者や、Entrepreneur MediaやChicken Soup for the Soulといった出版社が含まれます。

8月、MetaはEntrepreneurに対し、BitTorrent経由で海賊版のBooks3データセットを入手したとは考えていないと述べていました。Books3は、プライベートトレントトラッカーBibliotikのライブラリから収集された約20万冊の書籍のコレクションです。

しかし、権利保持者によると、最近の元Meta研究者の宣誓証言は異なるストーリーを語っているとのことです。

Books3トレントに関する証言

火曜日にMetaと共に提出された共同ステータスレポートで、権利保持者たちは、Stephen Roller氏が先週の宣誓証言でBooks3をトレントし、意図的に配布したことを認めたと述べています。Roller氏は2017年から2023年の間にMetaに勤務しており、ダウンロードはその期間中に行われたと彼らは述べています。

原告によると、Roller氏はデータセットをいつ入手したか正確には覚えていないとのことです。彼はBooks3が2020年に作成されたこと、そしてMeta在籍中に他の会社で働いていなかったことを認めています。

これは関連性が高いです。なぜなら、裁判所は昨年、書籍を使ったLlamaの学習はフェアユースであると判断し、MetaのBitTorrentダウンロードが著者たちの訴訟における主要な未解決問題となっているからです。今月初めには、Metaに対し、匿名のライブラリからのトレントを承認した従業員を特定するよう裁判所が命じました。

MetaはBooks3の使用を以前から認めています。2024年初頭には、Llama 1およびLlama 2モデルの学習にデータセットの一部を使用したことを認めました。その承認では、Metaがデータセットをどのように入手したかについては言及されていませんでした。

Roller氏はまた、MetaのAI研究グループFAIRを離れる時点でBooks3のコピーをMetaが保有していたと証言したと、原告は述べています。彼はまた、自身が言及した2人の研究科学者が、おそらく自身のコピーを入手したであろうと指摘しました。

Roller氏はもはや自身のコピーを持っていません。原告によると、彼は約1年前に、おそらく2度目の召喚状を受け取った後に削除しました。「この訴訟のため」に、彼は「The Pile（Books3を含む）のコピーを持つことは問題があるように思われた」ため、削除したとのことです。

Books3の証言

［画像: Books3 testimony］

Metaが複数のコピーを保有しており、そのうち少なくとも1つがトレントされたものであるという主張は、原告にとって新しい情報だと彼らは述べています。彼らはMetaに対し、Books3をいくつ入手し、どのように入手したかを尋ねる予定であり、それが失敗した場合は裁判所に介入を求める予定です。

Meta: 個人のためにダウンロードした可能性

Metaは異なる見解を示しています。同社は、ステータスレポートが権利保持者によってこれらの懸念が提起された最初の機会であり、テクノロジー大手はRoller氏の証言がそれらを裏付けていないと主張しています。

「Roller氏は、『The Pile』のコピーをいつトレントでダウンロードしたかを知らなかったと証言しており、『The Pile』のダウンロードがMetaのためであったか、またはMetaのために行われたかについては証言しておらず、それは彼自身のため、あるいは別の雇用主のために行われた可能性があると指摘しています」とMetaは述べています。

Metaの回答

［画像: Meta's response］

Metaによると、Roller氏は言及した2人の研究者がBooks3を入手したかどうか、また1つ以上のコピーがダウンロードされたかどうかも知らなかったと述べています。彼は2023年1月にMetaを退職し、その後AI関連の3社で働いています。

削除されたコピーはRoller氏の個人用コンピュータに保存されていたとMetaは付け加えています。彼は会社を辞めてから2年以上経過してから削除しましたが、それは「必要なかったため、持たない方が良い」と考えたからです。

（海賊版の）ブッククラブ

Books3は、ステータスレポートで登場する唯一の海賊版資料ではありません。原告は、MetaでAIトレーニング以外の目的で海賊版書籍が使用された可能性も示唆しています。

彼らはMetaに対し、「ML Books」と題された内部Google Driveフォルダの内容を提出するよう求めています。さらに、匿名のライブラリから書籍を使用した可能性のあるMetaのブッククラブの記録も求めています。

Metaが提出した文書の1つで、ある従業員が同僚に「海賊版書籍」を共有しました。「vellumのせいで、これはおそらく非常に皮肉だ」と従業員は書いています。その書籍が海賊版かどうか尋ねられた際、従業員は「ML Books」フォルダへのリンクで返答しました。

受け取った側は別の同僚に、「おい、彼女は私を解雇させようとしている」と伝えました。彼は「彼女にこれらのメッセージを削除してもらう必要があるかもしれない」と付け加えました。

ML Books

［画像: ML Books］

原告はこれを関連性があると見ています。もしMetaの従業員がブッククラブで匿名のライブラリの書籍を使用していた場合、それはMetaのフェアユースの抗弁に影響を与える可能性があります。

しかし、Metaはこの要求は遅すぎると主張しています。原告は10月9日に初めてリンクされたファイルを要求しましたが、これは発見期間が終了してから1ヶ月以上経過していました。

フォルダ自体については、Metaは調査中であり、詳細が分かり次第原告と協議すると述べています。

紛失したサーバーログ

Roller氏のBooks3のコピーだけが、原告が紛失したと述べている資料ではありません。Metaは、裁判所の命令にもかかわらず、トレントからのすべてのコマンド履歴ファイルをまだ引き渡していないと彼らは指摘しています。原告によると、これらのログはMetaがトレントソフトウェアをどのように設定し、どのトレントファイルを標的にしたか、したがってどの作品を標的にしたかを示しています。

具体的には、Metaはトレント期間中に使用したサーバーのコマンド履歴ファイルをまだ引き渡していないと原告は述べています。彼らは現在、裁判所に対し、これらのファイルのいずれかが削除されたかどうか、およびいつ削除されたかをMetaに命じるよう求めています。

Metaは逆に、これらのサーバーから大量のログを提出しており、バックアップを検索し続けており、新しいファイルを随時引き渡していると反論しています。Metaによると、コマンド履歴ファイルが削除されたと信じる理由は全くありません。

Entrepreneurの訴訟は2027年春に裁判が予定されており、他の出版社もそれに続く予定です。一方、関連訴訟のリストは増え続けています。今月、Elsevier、Hachette、Macmillanなどの出版社や、さらに多くの著者たちが列に加わりました。

—

*北カリフォルニア地区連邦地方裁判所に提出された共同事件管理声明のコピーは、こちら (pdf) で入手できます。

---