Det här är en direkt oärlig representation av vad frågan handlar om och Jesper borde veta bättre. Frågan handlar precis om vad en LLM verkligen gör med materialet den tränas på och vad det säger om resultatet, modellen. Jesper utgår från att den ”läser” det, men det är en antropomorfisering av vad som händer. Att träna en LLM på data är att komprimera datan med typiskt enorm förlust.

Den stora frågan är vad det säger om modellen. Amerikansk upphovsrätt har en kraftigt utökad citaträtt som skulle tillåta vissa former av transformativa verk (cut-up-poesi av en artikel) men inte andra (jag får inte publicera artikeln upp och ner i min egen tidning som en nyhet). Specifikt NYT har demonstrerat att med lite provokation kan ChatGPT godtyckligt återskapa artiklar de äger. Frågan är nu dels om en modell blir ett derived work, dels (antar jag) i vilken utsträckning en modell är transformativ och i konkurrens med originalet. Inget av det handlar om vem som får läsa vad utan om rätt enkla koncept, typ att ChatGPT tillhandahåller en tjänst som citerar så mycket ur NYT att det riskerar att ersätta behovet av att läsa NYT. Det metafysiska perspektivet Jesper kommer dragande med är direkt korkat.

Det är klart att det går att ställa upp en licensfråga också och fråga sig ”får jag kräva av användare att de inte läser min text på torsdagar/i svart/vitt” osv, men det är en mycket svårare fråga att begränsa (om någon läser min text på ett träd i skogen och ingen ser det, har den lästs då?). Och framför allt är det inte den huvudsakliga upphovsrättsfrågan som diskuteras. Problemet aktualiseras ju först när jag gör något med en produkt som varit i kontakt med NYTs material (inklusive att publicera en bunt serialiserade matriser som producerats genom att behandla deras text).

Det här påminner mig om Owner-Free File System som också medvetet missförstod upphovsrätten på ett liknande sätt.