Gdzie jest granica fair use przy trenowaniu AI?

Rok 2025: pierwsze poważne rozstrzygnięcia

Przez ostatnie 2 lata firmy AI mówiły: "fair use nas chroni". Wydawcy i twórcy mówili: "to kradzież na masową skalę". W czerwcu 2025 sądy w Kalifornii po raz pierwszy powiedziały swoje.

Co to jest fair use (dla normalnych ludzi)

Fair use to doktryna w USA, która mówi: "okej, możesz użyć cudze dzieło bez zgody, jeśli..."

Sąd patrzy na 4 rzeczy:

1. Transformatywność – czy robisz coś nowego, czy kopiujesz 1:1?
2. Charakter dzieła – fakty vs. twórcze dzieło (np. novel)
3. Ile skopiowałeś – całość czy fragment?
4. Szkoda rynkowa – czy zabiłeś autorowi sprzedaż?

W kontekście AI: punkt 1 (transformatywność) i punkt 4 (szkoda) są najważniejsze.

Bartz v. Anthropic: "spektakularnie transformatywne"

Autorzy pozwali Anthropic (twórca Claude'a), bo firma użyła 7+ milionów książek do trenowania. Część była pirackimi kopiami.

Kluczowe cytaty z wyroku:

• "Trenowanie modelu do generowania języka jest fundamentalnie różne od czytania książki"
• "To jak uczenie dzieci pisania – nie można zabronić wykorzystania dzieł do nauki"
• "Nie wykazano, że Claude replikuje lub substytucyjnie zastępuje oryginalne dzieła"

Kadrey v. Meta: gdy nie udowodnisz szkody

Meta trenowała LLaMA na książkach z "shadow libraries" (pirackimi repo). Autorzy, w tym Sarah Silverman, pozwali.

Różnica w rozumowaniu:

• Chhabria NIE uznał, że transformatywność automatycznie = fair use
• Podkreślił, że LLM-y mogą generować "miliony wtórnych dzieł" w ułamku czasu
• "Market dilution" (rozmycie rynku) może w przyszłości przesądzić o przegranej AI

Thomson Reuters v. ROSS: kiedy fair use NIE działa

ROSS Intelligence stworzył konkurencję dla Westlaw (bazy prawniczej Thomson Reuters). Użyli danych Westlaw do trenowania.

Dlaczego przegrali:

• Bezpośrednia konkurencja – produkt końcowy zastępował Westlaw
• ROSS nie był "generatywny" – zwracał istniejące opisy przypadków
• Punkt 1 (transformatywność) i punkt 4 (szkoda) były niekorzystne

Lekcja: Jeśli tworzysz zamiennik produktu źródłowego – fair use prawdopodobnie cię nie ochroni.

NYT vs OpenAI: sprawa, która wciąż trwa

New York Times pozwał OpenAI w grudniu 2023. Sprawa jest kontynuowana po odrzuceniu wniosku o oddalenie w marcu 2025.

Zarzuty NYT:

• OpenAI użył milionów artykułów bez zgody i wynagrodzenia
• ChatGPT może generować niemal dosłowne reprodukcje artykułów
• Chatboty stanowią substytucję dla wizyt na nytimes.com (szkoda rynkowa)

Ta sprawa może trafić do Sądu Najwyższego. Będzie kluczowa dla całej branży.

Co z obrazkami? Getty vs Stability AI

Getty Images pozwało Stability AI (Stable Diffusion) w UK za wykorzystanie milionów obrazów do trenowania.

Dlaczego?

• Problemy dowodowe – trudność wykazania, że trenowanie miało miejsce w UK
• Brak świadków – nikt z Stability nie potrafił opisać całego procesu
• Zbyt późne poprawki – Getty nie zmieniło pozwu na czas

Wnioski: Nawet duże firmy mają problem z udowodnieniem naruszeń w AI. Dokumentacja jest kluczowa.

Muzyka: Concord Music vs Anthropic

Wydawcy muzyczni (Universal, Concord, ABKCO) pozwali Anthropic za wykorzystanie tekstów piosenek w Claude.

Sprawa o wykorzystanie tekstów do trenowania wciąż trwa. Sąd odrzucił wniosek o wstępny zakaz.

Japonia: "raj dla machine learning"

Dla kontrastu: Japonia przyjęła w 2019 jeden z najbardziej liberalnych systemów dla AI.

Filozofia: Ochrona na outputach, nie inputach. Jeśli output szkodzi twórcy – wtedy włączają się normalne zasady prawa autorskiego.

Gdzie jest granica? Praktyczne linie

✅ Prawdopodobnie fair use:

• Wysoka transformatywność – trenowanie do tworzenia nowych rodzajów treści
• Brak replikacji – model nie odtwarza dosłownie źródeł
• Legalnie pozyskane kopie (choć nie wystarcza)
• Brak dowodu szkody rynkowej – ciężar na powodach

❌ Prawdopodobnie NIE fair use:

• Biblioteki pirackich kopii – nawet jeśli nie wszystkie są używane
• Output replikujący dzieła – dosłowne cytaty lub substytucyjne zamienniki
• Bezpośrednia konkurencja – produkt końcowy zastępuje oryginał
• Celowe "podbieranie stylu" – trenowanie na małym zbiorze dzieł jednego autora

Co to znaczy dla ciebie (używasz Midjourney/SD)

Kiedy możesz mieć problem:

• Próbujesz odtworzyć konkretnego artystę z imienia (np. "in style of Greg Rutkowski")
• Genererujesz coś, co replikuje chronione dzieło
• Robisz to komercyjnie na dużą skalę

Jak się zabezpieczyć:

• Unikaj promptów z nazwiskami żyjących artystów
• Jeśli coś wygląda jak 1:1 kopia – nie publikuj
• Dodaj własną wartość (edit, compositing, kontekst)

Praktyczne wnioski dla firm AI

1. Dokumentacja jest kluczowa

• Prowadź szczegółowe zapisy źródeł danych
• Dokumentuj, gdzie odbywa się trenowanie (jurysdykcja)
• Zachowaj dowody legalnego pozyskania

2. Jakość outputów ma znaczenie

• Wdrażaj skuteczne zabezpieczenia przeciwko replikacji
• Monitoruj przypadki dosłownych cytatów
• Testuj czy model może odtworzyć chronione dzieła

3. Analiza rynkowa

• Oceń czy produkt końcowy konkuruje z dziełami źródłowymi
• Dokumentuj transformatywność
• Bądź gotowy wykazać brak szkody rynkowej

Co będzie dalej?

Kluczowa zmiana narracji: Rok temu firmy AI były pewne, że fair use je chroni. Dziś wiedzą, że to zależy od szczegółów implementacji i dowodów.

Lista kontrolna: jak się zabezpieczyć

Dla twórców treści:

• ☐ Dodaj klauzule "no AI training" w warunkach użytkowania
• ☐ Użyj technicznych środków ochrony (robots.txt, authentication)
• ☐ Monitoruj główne modele AI na obecność swoich treści
• ☐ Rozważ strategię licencjonowania

Dla firm AI:

• ☐ Przeprowadź audyt źródeł danych treningowych
• ☐ Wzmocnij zabezpieczenia outputów
• ☐ Przygotuj strategię prawną (transformatywność, brak szkody)
• ☐ Rozważ licencjonowanie tam, gdzie ryzyko jest wysokie

FAQ

Czy mogę używać Midjourney komercyjnie?

Tak, jeśli masz płatną subskrypcję. To Midjourney ma problem z trenowaniem, nie ty z używaniem. Unikaj tylko replikowania konkretnych chronionych dzieł.

Co jeśli użyję prompta "in style of [artist]"?

Styl sam w sobie nie jest chroniony. Ale jeśli output wygląda jak kopia konkretnego dzieła – to już problem. Im bardziej transformujesz, tym bezpieczniej.

Czy powinienem się martwić?

Jeśli jesteś indywidualnym twórcą używającym AI do własnych projektów – nie. Jeśli jesteś firmą trenującą własne modele – tak, potrzebujesz prawnika.