February 2024 - nexa - server-nexa.polito.it

Re: [nexa] Microsoft, Mistral AI e l'AI Act

by Giacomo Tesio

Salve 380, credo di aver abbastanza chiara la differenza fra - creazione di opere derivate (come sono i "modelli AI" di cui parliamo) - distribuzione di opere derivate (come sono, transitivamente, gli output di tali software) - ridistribuzione di opere originali o loro parti Creative Commons in effetti confonde i due temi, confrontando Google Books (che distribuisce verbatim, parti di testi coperti da copyright) con i "modelli AI" che "imparano" dalle opere protette (ROTFL!!!). Non mi sembra di aver fatto lo stesso errore, ma se qualcosa che ho scritto ti sembra evidenziare ignoranza giuridica in merito, ti sarei grato se volessi chiarire quale passaggio esattamente ti ha dato questa impressione e possibilmente qualche riferimento per colmare la lacuna in questione. A presto! Giacomo Il 29 Febbraio 2024 12:09:10 CET, "380°" <g380(a)biscuolo.net> ha scritto: > Giacomo Tesio <giacomo(a)tesio.it> writes: > > [...] > > >> https://creativecommons.org/2023/02/17/fair-use-training-generative-ai/ > > > > Sono avvocati, mica informatici. :-) > > [...] > > > L'ignoranza informatica diffusa è talmente profonda che nemmeno rischiano > > di perdere la faccia! > > Anche l'ignoranza del diritto, in questo caso d'autore, è così diffusa e > profonda, anche tra gli informatici, che c'è estrema confusione tra > distribuzione di opere dell'ingengo ottenute tramite (ri)elaborazione > (ovviamente locale) di testi, sui quali negli USA esiste la disciplina > del "fair use" (in EU siamo più arzigogolati), e _redistribuzione_ dei > testi orignali (che sai benissimo sono tutelati _esattamente_ NELLA loro > forma originale). > > Se vuoi contestare agli avvocati di Creative Commons ignoranza > informatica fai pure, ma non mi pare sia la strata migliore per > contestare i loro giudizi; lasciatelo dire da un informatico che ha > dovuto molto precocemente fare i conti con la propria ingnoranza nel > diritto d'autore. > > [...] > > Saluti, 380° >

Feb. 29, 2024

Re: [nexa] public-inbox? (was Re: funzione di ricerca nelle mail della lista?)

by Marco A. Calamari

On gio, 2024-02-29 at 11:53 +0100, 380° wrote: > Buongiorno, > > Antonio <antonio(a)piumarossa.it> writes: > > > > sì mail-archive ne trova 5392, ma in tutte le mailing-list che ha in > > > pancia... > > > M > > > > devi mettere [nexa] nel Subject, non nel From. > > In questo modo te ne trova 437, vedi qui: > > https://www.mail-archive.com/search?a=1&l=all&haswords=scuola&x=0&y=0&from=… > > Questa è la query corretta, considerato che per fortuna il software che > gestisce la lista aggiunge [nexa] a tutti i subject. > > Comunque un giorno riuscirò a convincere il mio alter ego a trovare il > tempo di metter su una istanza di public-inbox [1] per la lista Nexa e > per quella AISA, perché sono risorse _preziosissime_ e meritano di > essere preservate per bene. Qui posso postare un suggerimento, visto che di archiviazione a lungo termine mi sono occupato di recente. https://medium.com/@calamarim/list/archivismi-la-serie-689254e647ad "Preservare per bene" secondo me dovrebbe far prendere in considerazione anche un'archiviazione di questo tipo, ad esempio su Internet Archive. Anche soltanto caricandoci un pdf, i processi automatici lo rendono ricercabile e selezionabile, anche se è fatto di pagine scansionate. L'OCR che usano fa letteralmente paura! Poi, se traguardiamo i secoli, c'è sempre l'Arctic World Archive"! JM2C. Buona giornata a tutti. Marco > > Cercando di rispettare le linee guida di marketing [2] non userò > superlativi o altre super*, ma public-inbox batte di alcuni ordini di > grandezza mail-archive, specialmente in potenza di ricerca (e /quindi/ è > lo strumento perfetto per i ricercatori) > > Per capirci, con public-inbox si hanno a disposizione questi criteri di > ricerca (configurabili per istanza): > > --8<---------------cut here---------------start------------->8--- > > s: match within Subject e.g. s:"a quick brown fox" > d: match date-time range, git "approxidate" formats supported > Open-ended ranges such as `d:last.week..' and > `d:..2.days.ago' are supported > b: match within message body, including text attachments > nq: match non-quoted text within message body > q: match quoted text within message body > n: match filename of attachment(s) > t: match within the To header > c: match within the Cc header > f: match within the From header > a: match within the To, Cc, and From headers > tc: match within the To and Cc headers > l: match contents of the List-Id header > bs: match within the Subject and body > > [...] > > --8<---------------cut here---------------end--------------->8--- > (da https://yhetil.org/guix-devel/_/text/help/) > > É /quasi/ come avere una interfaccia web di Notmuch [3] dedicata a una > mailing list; nulla può battere un database locale Notmuch [4], ma > public-inbox è un ottimo strumento sussidiario per chi non ha voglia di > installarselo localmente. > > Saluti, 380° > > > [1] https://public-inbox.org/README.html > > [2] https://public-inbox.org/marketing.html > > [3] https://notmuchmail.org/ > > [4] la ricerca "query:nexa scuola" su un database di più di 800K email ci > mette circa 3 secondi (la query:nexa restringe la ricerca ai messaggi > con header ListId:".*nexa.*"); il solo conteggio dei messaggi > corrispondenti meno di mezzo secondo, io ne ho 636 nel mio archivio. > > > P.S.: l'email è stata data per morta troppo presto... e un po' troppo > superficialmente :-D

Feb. 29, 2024

Re: [nexa] Microsoft, Mistral AI e l'AI Act

by 380°

Buongiorno Giuseppe, (non so esattamente da cosa dipenda - usi la modalità digest? - ma il tuo client email continua a spezzare i thread e questo rende le discussioni in lista estremamente più difficoltose) Giuseppe Attardi <attardi(a)di.unipi.it> writes: > Secondo Creative Commons, l’utilizzo di pagine web per l’addestramento > di modelli, costituisce “fair use”: > https://creativecommons.org/2023/02/17/fair-use-training-generative-ai/ Attenzione che Stefano si riferisce alla _redistribuzione_ del dataset di training, non del solo LLM >> From: Stefano Zacchiroli <zack(a)upsilon.cc> >>> On Tue, Feb 27, 2024 at 09:17:10AM +0100, Giuseppe Attardi wrote: >>> Facciamolo con fondi pubblici un modello davvero completamente Open, >>> dai dati di apprendimento, al codice, ai pesi del modello, ai test di >>> valutazione. >> >> Concordo con l'obiettivo e sul fatto che una AI che possa dirsi "open" >> (o meglio: "libera") dovrebbe esserlo in tutto: dataset di training, >> codice di training, codice di inferenza, pesi del modello. >> >> Ma attenzione al fatto che, a leggi vigenti, tale obiettivo non è >> raggiungibile per modelli a-la ChatGPT. Il motivo è che includono nei >> loro dataset di training grandi parti del Web (solitamente ottenute via >> crawling fatto in casa), che nessuna parte terza può legittimamente >> redistribuire, dato che solo una piccolissima parte del Web è >> disponibile sotto licenze libere. Quindi: siccome nei dataset di training c'è "roba" non libera, quella "roba" deve essere esclusa da un ipotetico dataset da redistribuire con una licenza libera. >> Una AI "libera", secondo i criteri accennati sopra, ha quindi oggi uno >> svantaggio competitivo enorme rispetto a quelle chiuse --- il che è >> molto deprimente. A meno che, invece che distribuire la "roba" proprietaria, non si forniscano le "ricette" necessarie affinché il codice di training sia in grado di andare a "leggerselo da solo" il materiale sul web: quello sarebbe "fair use", che è la stessa identica cosa che fanno quelli che sviluppano LLM proprietari Se non c'è la "roba" proprietaria ma solo "la ricetta" non c'è redistribuzione. [...] Saluti, 380° -- 380° (Giovanni Biscuolo public alter ego) «Noi, incompetenti come siamo, non abbiamo alcun titolo per suggerire alcunché» Disinformation flourishes because many people care deeply about injustice but very few check the facts. Ask me about <https://stallmansupport.org>.

Feb. 29, 2024

LMs and AI make software development harder

by Daniela Tafani

LLMs and AI make software development harder LLMs and AI make software development harder. Wait, what? Isn’t the whole point of AI to make writing code easier? Well, yes. But writing code is the easy part of software development. The hard part is understanding the problem, designing business logic and debugging tough bugs. And that’s where AI code assistants like copilot or chatgpt make our job harder, as they strip a way the easy parts of our job and only leave us with the hard parts and make it harder for new developers to master the craft of software development. Coding is the easy part? Is coding really that easy? No, not exactly easy - mastering a programming language still takes years of practice. But when looking at software development as a whole, writing code is one of the easier part and it is no wonder that chatgpt and copilot can write decent code. First, they have trained on millions of lines of code and second, code is by its nature very easy to understand for a machine as programming languages are very structured languages with limited vocabularies. For a LLM it is probably much easier to learn than natural language. Programming languages are just very powerful tools that we use to solve problems In the end, programming languages are just very powerful tools that we use to solve problems. And the hard part is not the learning tool, but understanding the problem and designing a solution for it. This is instantly obvious as most software engineering problems could be solved by a lot of different programming languages, which one to pick is a matter of context or even personal preference. Another indicator that programming is that easy part is, that the more senior a software developer gets, the less time they usually spend writing code. Instead seniors spend more time understanding the problem, designing the solution, jumping in to debug tough bugs or doing design decisions and of course mentoring junior team members. While this might not be true for every senior developer, when looking at my software development bubble this is a clear trend. The hard parts of software development Copilot and other AI assistants are a great help for developers, but they are not flawless. A part of it is natural, as they are trained on existing code without any context and there are also some bad habits from the training data that code assistants might have picked up. And while this might get optimized over time, at the moment it means that developers still have to review the code that is generated by the AI code assistants. And reviews are hard - especially if one cannot query the author of the code for their intent. And even if the code is good enough, it might still introduce flaws into the control logic of a program, might be missing edge cases or introduce a regression bug when integrated into an existing code base. This means that developers have to debug the code that is generated by the AI code assistants in case of an error. And debugging is hard - especially for these kind of problems where it might be hard to recreate the circumstances that cause the bug in the first place. As the generated code heavily depends on the context we give the AI code assistants, this means that we have to be very precise in our descriptions which means that we have to understand the problem very well, which requires domain knowledge and context awareness on the side of the developer. Even if we just focus on the technical part, being aware of the surrounding architecture and the existing code is crucial to get good results. Granted we could ask LLMs like chatgpt for help with integration into the codebase or we could just pass it the whole codebase and let it redesign everything. But apart from requiring lot of input to give enough context debugging in an unfamiliar codebase is even tougher than debugging stuff that you wrote yourself. And then there is the whole thing about figuring out what exactly our product should do, how it should behave and how it should look like. At the moment this still requires a lot of human smarts and while AI tools might allow us to iterate faster on figuring out what we want to build in the end it is still a human that has to make the decision. AI generated software development is exhausting It seems a given that AI assistants will change our job by automating away writing code and even helping us with some design decisions. It is very convenient that we can ask chatgpt questions regarding system design and get reasonable answers. What is still left to us is making the decision on which answer to pick and which prompt to give to the LLM to get the results that we need. And this is very exhausting - decision fatigue is a thing and it is very real. Already before AI code assistants the limiting factor in the speed of delivering software was not the often the decision making process of an organization or a team - not writing the code. The limiting factor in delivery speed is decision making, not writing code On top of that is that current company structures will most likely still hold software developers accountable for the code that is running in a product, not the AI code assistants that wrote them in the first place. This will add another layer of stress on it, not just do we need to make more decisions faster, we are also to blame if the AI code assistants make a mistake. And if there is a mistake then the debugging needs to be done, which often needs a lot of context and background knowledge to be efficient. AI tools are of less help there, because they cannot figure out context changes by themselves. They might help us with the easy part of debugging like running tests with different variations, to narrow down the cause but finding the prompt for an LLM to generate the fix will still be on us. Are AI tools replacing developers? AI assistants might lower the initial hurdle to get into software development, but they will not make it easier to become a good, experienced software developer. Most of the senior developers I know gained the background knowledge and context needed to formulate complex solutions from years of slogging through (bad) code and learning from their mistakes. This might be an inefficient way of learning but it is very effective in building up the domain knowledge that is needed for software development. This knowledge is also something that is very hard to teach in a formal way, as books or online tutorials by nature are somewhat generic and and adaption to real life situations still needs hands-on experience. As I see it, broad usage of AI tools will change the the skill distribution of software developers. We might end up with a lot more junior developers that are able to write code - or at least prompt the LLMs write the code - but lack the deep understanding of software development to be efficient in decision making. On the other hands senior developers that have acquired the context and domain knowledge will be fewer and fewer as the effort to acquire this knowledge will be higher as AI tools will hide away the parts that would enable us to learn unless the generated code is reviewed in-depth, which then raises the question if we gain that much efficiency through the tools at all. So are AI tools replacing developers? Currently no, they will transform the job of a developer but they will not replace them. The question is how we as an industry will make sure that we retain the knowledge and experience that we have gained over the years. It will also raise the question how we handle the human side of software development, as the job will either become more boring because we just feed machines with prompts, yet more stressful because we have to make more hard decisions faster. Or maybe AI tools are really just a hype and a fad and nothing will change at all. Written on November 3, 2023 https://dominikberner.ch/ai-tools-make-our-job-harder/

Feb. 29, 2024

Re: [nexa] Microsoft, Mistral AI e l'AI Act

by 380°

Giacomo Tesio <giacomo(a)tesio.it> writes: [...] >> https://creativecommons.org/2023/02/17/fair-use-training-generative-ai/ > > Sono avvocati, mica informatici. :-) [...] > L'ignoranza informatica diffusa è talmente profonda che nemmeno rischiano > di perdere la faccia! Anche l'ignoranza del diritto, in questo caso d'autore, è così diffusa e profonda, anche tra gli informatici, che c'è estrema confusione tra distribuzione di opere dell'ingengo ottenute tramite (ri)elaborazione (ovviamente locale) di testi, sui quali negli USA esiste la disciplina del "fair use" (in EU siamo più arzigogolati), e _redistribuzione_ dei testi orignali (che sai benissimo sono tutelati _esattamente_ NELLA loro forma originale). Se vuoi contestare agli avvocati di Creative Commons ignoranza informatica fai pure, ma non mi pare sia la strata migliore per contestare i loro giudizi; lasciatelo dire da un informatico che ha dovuto molto precocemente fare i conti con la propria ingnoranza nel diritto d'autore. [...] Saluti, 380° -- 380° (Giovanni Biscuolo public alter ego) «Noi, incompetenti come siamo, non abbiamo alcun titolo per suggerire alcunché» Disinformation flourishes because many people care deeply about injustice but very few check the facts. Ask me about <https://stallmansupport.org>.

Feb. 29, 2024

public-inbox? (was Re: funzione di ricerca nelle mail della lista?)

by 380°

Buongiorno, Antonio <antonio(a)piumarossa.it> writes: >> sì mail-archive ne trova 5392, ma in tutte le mailing-list che ha in >> pancia... >> M > > devi mettere [nexa] nel Subject, non nel From. > In questo modo te ne trova 437, vedi qui: > https://www.mail-archive.com/search?a=1&l=all&haswords=scuola&x=0&y=0&from=… Questa è la query corretta, considerato che per fortuna il software che gestisce la lista aggiunge [nexa] a tutti i subject. Comunque un giorno riuscirò a convincere il mio alter ego a trovare il tempo di metter su una istanza di public-inbox [1] per la lista Nexa e per quella AISA, perché sono risorse _preziosissime_ e meritano di essere preservate per bene. Cercando di rispettare le linee guida di marketing [2] non userò superlativi o altre super*, ma public-inbox batte di alcuni ordini di grandezza mail-archive, specialmente in potenza di ricerca (e /quindi/ è lo strumento perfetto per i ricercatori) Per capirci, con public-inbox si hanno a disposizione questi criteri di ricerca (configurabili per istanza): --8<---------------cut here---------------start------------->8--- s: match within Subject e.g. s:"a quick brown fox" d: match date-time range, git "approxidate" formats supported Open-ended ranges such as `d:last.week..' and `d:..2.days.ago' are supported b: match within message body, including text attachments nq: match non-quoted text within message body q: match quoted text within message body n: match filename of attachment(s) t: match within the To header c: match within the Cc header f: match within the From header a: match within the To, Cc, and From headers tc: match within the To and Cc headers l: match contents of the List-Id header bs: match within the Subject and body [...] --8<---------------cut here---------------end--------------->8--- (da https://yhetil.org/guix-devel/_/text/help/) É /quasi/ come avere una interfaccia web di Notmuch [3] dedicata a una mailing list; nulla può battere un database locale Notmuch [4], ma public-inbox è un ottimo strumento sussidiario per chi non ha voglia di installarselo localmente. Saluti, 380° [1] https://public-inbox.org/README.html [2] https://public-inbox.org/marketing.html [3] https://notmuchmail.org/ [4] la ricerca "query:nexa scuola" su un database di più di 800K email ci mette circa 3 secondi (la query:nexa restringe la ricerca ai messaggi con header ListId:".*nexa.*"); il solo conteggio dei messaggi corrispondenti meno di mezzo secondo, io ne ho 636 nel mio archivio. P.S.: l'email è stata data per morta troppo presto... e un po' troppo superficialmente :-D -- 380° (Giovanni Biscuolo public alter ego) «Noi, incompetenti come siamo, non abbiamo alcun titolo per suggerire alcunché» Disinformation flourishes because many people care deeply about injustice but very few check the facts. Ask me about <https://stallmansupport.org>.

Feb. 29, 2024

Re: [nexa] Microsoft, Mistral AI e l'AI Act

by Enrico Nardelli

Grazie Stefano per l'osservazione. Mi pare che in questo caso siano proprio i dettagli che fanno la differenza. Soprattutto perché il punto da semplice problema di competizione industriale diventa un problema di modello di società e di sviluppo. Ciao, Enrico Il 29/02/2024 10:56, Stefano Zacchiroli ha scritto: > On Thu, Feb 29, 2024 at 10:09:43AM +0100, Enrico Nardelli wrote: >> Mi pare che il quarto fattore alla base dell'analisi di CC del perché si >> tratta di "fair use" (4. Whether the secondary use harms the market for the >> original) possa andare forse bene per la dottrina US, perché si limita a >> considerare i danni per lo specifico originale su cui ci si è addestrati, ma >> nella mia visione più europea andrebbe considerato il danno al mercato per >> l'insieme delle opere su cui ci si è addestrati. > Nel caso europeo si rientra però nella fattispecie della eccezione TDM > (Text & Data Mining) introdotta nella riforma del copyright del 2019. > Secondo i casi d'uso (in particolare: usi a fini di ricerca vs per > qualsiasi altro fine, incluso profitto) il mining è concesso > automaticamente o meno, potenzialmente mitigato da un opt-out esplicito. > > (Ci sono su questa lista persone ben più competenti di me per discutere > di questi dettagli. Nel caso, sarei curioso di sapere come l'eccezione > TDM è stata recepita dal diritto italiano, se lo è stata, perché non ho > per nulla seguito questo aspetto.) > > Faccio però notare a Giuseppe che il mio commento iniziale riguardava il > diritto di *ridistribuzione* dei dataset, che è altro rispetto a quello > di usarli per fare training. > > A presto -- -- EN https://www.hoepli.it/libro/la-rivoluzione-informatica/9788896069516.html ====================================================== Prof. Enrico Nardelli Past President di "Informatics Europe" Direttore del Laboratorio Nazionale "Informatica e Scuola" del CINI Dipartimento di Matematica - Università di Roma "Tor Vergata" Via della Ricerca Scientifica snc - 00133 Roma home page: https://www.mat.uniroma2.it/~nardelli blog: https://link-and-think.blogspot.it/ tel: +39 06 7259.4204 fax: +39 06 7259.4699 mobile: +39 335 590.2331 e-mail: nardelli(a)mat.uniroma2.it online meeting: https://blue.meet.garr.it/b/enr-y7f-t0q-ont ====================================================== --

Feb. 29, 2024

Re: [nexa] Microsoft, Mistral AI e l'AI Act

by Stefano Zacchiroli

On Thu, Feb 29, 2024 at 10:09:43AM +0100, Enrico Nardelli wrote: > Mi pare che il quarto fattore alla base dell'analisi di CC del perché si > tratta di "fair use" (4. Whether the secondary use harms the market for the > original) possa andare forse bene per la dottrina US, perché si limita a > considerare i danni per lo specifico originale su cui ci si è addestrati, ma > nella mia visione più europea andrebbe considerato il danno al mercato per > l'insieme delle opere su cui ci si è addestrati. Nel caso europeo si rientra però nella fattispecie della eccezione TDM (Text & Data Mining) introdotta nella riforma del copyright del 2019. Secondo i casi d'uso (in particolare: usi a fini di ricerca vs per qualsiasi altro fine, incluso profitto) il mining è concesso automaticamente o meno, potenzialmente mitigato da un opt-out esplicito. (Ci sono su questa lista persone ben più competenti di me per discutere di questi dettagli. Nel caso, sarei curioso di sapere come l'eccezione TDM è stata recepita dal diritto italiano, se lo è stata, perché non ho per nulla seguito questo aspetto.) Faccio però notare a Giuseppe che il mio commento iniziale riguardava il diritto di *ridistribuzione* dei dataset, che è altro rispetto a quello di usarli per fare training. A presto -- Stefano Zacchiroli . zack(a)upsilon.cc . https://upsilon.cc/zack _. ^ ._ Full professor of Computer Science o o o \/|V|\/ Télécom Paris, Polytechnic Institute of Paris o o o </> <\> Co-founder & CTO Software Heritage o o o o /\|^|/\ https://twitter.com/zacchiro . https://mastodon.xyz/@zacchiro '" V "'

Feb. 29, 2024

Re: [nexa] Microsoft, Mistral AI e l'AI Act

by Giacomo Tesio

Ciao Giuseppe, Il giorno Thu, 29 Feb 2024 00:05:59 Giuseppe Attardi ha scritto: > Potresti argomentare nel merito, per favore, piuttosto che > argomentare ad hominem? Scusa, ieri sera ero stanco e sono stato eccessivamente sintetico. Partiamo dal rileggere la normativa in questione: http://web.archive.org/web/20240210065634/https://www.law.cornell.edu/uscod… Come puoi leggere, quell'articolo garantisce un diritto di utilizzo sottratto ai diritti esclusivi sanciti dal copyright, per finalità necessarie al funzionamento della democrazia, ad esempio - critica - commento - diffusione delle notizie - insegnamento - apprendimento (scholarship) - ricerca Già questo dovrebbe essere sufficiente, per chiunque comprenda come funzionano questi software programmati statisticamente ad escluderne qualsiasi forma di distribuzione commerciale (incluso la realizzazione di SaaS) dal fair use: ben lungi dall'essere necessari al funzionamento della democrazia, gli LLM la minano alla base, non foss'altro che per il potere di influenzarne l'output che le pochissime aziende in grado di realizzarli e mantenerli in funzione si riserva. Spero poi sia inutile sottolineare qui come la scholarship che la norma cita come esempio non abbia nulla a che vedere con la programmazione statistica impropriamente chiamata "deep learning" o "machine learning". Purtroppo, come certo saprai, la soverchiante maggioranza delle persone che parlano di informatica non ha la più pallida idea di come questa funzioni. Il risultato di questa ignoranza diffusa è che avvocati autorevoli (nel proprio campo) come quelli di creative commons, non hanno alcuna percezione di quanto si rendono RIDICOLI sostenendo che le "AI generative" di Stability AI e Midjourney > learn what images represent and create new images based > on what they learn about the associations of text and images. Le "AI generative" non sono altro che software programmati statisticamente eseguiti da macchine costruite allo scopo. Niente di più e niente di meno. Quel software deriva dai testi utilizzati per programmarli in modo del tutto equivalente a come un binario x86 deriva dal codice C da cui è stato compilato: anche in quel caso c'è una perdita di informazione (tutte le macro, i nomi delle variabili, le funzioni inlined etc...) ma nessuno sostiene che il binario non sia più soggetto al diritto d'autore di chi ha scritto il sorgente C. Per i non programmatori potremmo dire che quel software deriva dai testi utilizzati per programmarli in modo del tutto equivalente a come un video MP4 rippato da un film Disney deriva dal DVD venduto dalla Disney: il fatto che ci sia una perdita di definizione, non rende (che io sappia) la distribuzione di copie di quel MP4 legale. Per questo scrivevo "sono avvocati, mica informatici": potremmo essere indulgenti perché non sanno di cosa parlano. Indulgenza che potrebbero non meritare, visto che si rendono ridicoli sostenendo pubblicamente una tesi che (guarda caso) supporta proprio gli interessi dei propri supporters: https://creativecommons.org/support-cc/supporters/ Spero che sia chiaro come questa sia un'argomentazione di merito! Si potrebbe poi obiettare che l'uso delle opere sotto copyright sia stato fatto per finalità di ricerca, e come tale, sia ragionevolmente sottoposto al "fair use". Benissimo! Sennonché - se si considera il software programmato statisticamente (impropriamente detto "modello AI") come output di quella ricerca, bisogna spiegare perché sia diventato segreto industriale di una manciata di ricchissime aziende USA - più ragionevolmente si potrebbe sostenere che la ricerca si focalizzi sulla scoperta di nuove tecniche di programmazione statistica e nessuno vuole impedire tale ricerca! Tuttavia, il fair use finisce alla pubblicazione del paper! Commercializzare SaaS basati sul software programmato statisticamente durante la ricerca, non può costituire "fair use": se lo fosse, basterebbe scrivere un paper su come decompilare un sorgente Windows per distribuire il sorgente decompilato liberamente. Proseguendo nella lettura della normativa in questione, vediamo elencati quattro fattori da considerare nel giudizio sul "fair use": (1) the purpose and character of the use, including whether such use is of a commercial nature or is for nonprofit educational purposes; (2) the nature of the copyrighted work; (3) the amount and substantiality of the portion used in relation to the copyrighted work as a whole; and (4) the effect of the use upon the potential market for or value of the copyrighted work. Le "AI generative" di cui parliamo sono software commerciali (punto 1) Per programmarle sono stati utilizzate opere coperte da copyright nella loro totalità (punto 2). La natura dei lavori sotto copyright non è controversa: testi, immagini etc... (punto 3) La loro commercializzazione come SaaS riduce il mercato degli autori (punto 4) Guarda caso, gli avvocati di Creative Commons non hanno nemmeno provato ad analizzare i casi in questione alla luce del testo della norma (di cui pure citano i fattori da includere nella valutazione). Invece si arrampicano ardite interpretazione di precedenti cherry-picked per sostenere la tesi dei propri supporters, la cui applicazione avrebbe conseguenze surreali. Ad esempio, se scrivo un compilatore C per una mia VM e compilo il decompilato di Microsoft Office, l'output è altamente trasformativo! Il binario ottenuto in output sarà irriconoscibile. Sarà pure meno efficente di quello di Microsoft, ma sarò felice di rivendere la "suite di Giacomo" per un decimo del prezzo di Microsoft. Se la trasformativeness è rilevante nel "fair use", allora è la fine del copyright software. Il che va benissimo, purché valga per tutti. Giacomo

Feb. 29, 2024

Re: [nexa] Microsoft, Mistral AI e l'AI Act

by Enrico Nardelli

Mi pare che il quarto fattore alla base dell'analisi di CC del perché si tratta di "fair use" (4. Whether the secondary use harms the market for the original) possa andare forse bene per la dottrina US, perché si limita a considerare i danni per lo specifico originale su cui ci si è addestrati, ma nella mia visione più europea andrebbe considerato il danno al mercato per l'insieme delle opere su cui ci si è addestrati. In altre parole, mi pare che i potenziali danni sociali di un uso del tutto non regolamentato di qualunque cosa si trovi sul web (e, mi pare di capire, anche fuori dal web, visto che - se non mi sbaglio - nell'intero articolo non si parla mai di web o di rete) non possano essere considerati dei trascurabili danni collaterali di una competizione capitalistica (come penso lasci intendere l'articolo), altrimenti staremmo ancora a far lavorare i minori in fabbrica per 12 ore e più. Ciao, Enrico Il 28/02/2024 15:29, Giuseppe Attardi ha scritto: > Secondo Creative Commons, l’utilizzo di pagine web per l’addestramento > di modelli, costituisce “fair use”: > > https://creativecommons.org/2023/02/17/fair-use-training-generative-ai/ > > — > >> On 27 Feb 2024, at 12:00, nexa-request(a)server-nexa.polito.it wrote: >> >> From: Stefano Zacchiroli <zack(a)upsilon.cc> >> To: nexa <nexa(a)server-nexa.polito.it> >> Subject: Re: [nexa] Microsoft, Mistral AI e l'AI Act >> Message-ID: <20240227093929.hnchfamvlyh2lo75(a)upsilon.cc> >> Content-Type: text/plain; charset=utf-8 >> >>> On Tue, Feb 27, 2024 at 09:17:10AM +0100, Giuseppe Attardi wrote: >>> Facciamolo con fondi pubblici un modello davvero completamente Open, >>> dai dati di apprendimento, al codice, ai pesi del modello, ai test di >>> valutazione. >> >> Concordo con l'obiettivo e sul fatto che una AI che possa dirsi "open" >> (o meglio: "libera") dovrebbe esserlo in tutto: dataset di training, >> codice di training, codice di inferenza, pesi del modello. >> >> Ma attenzione al fatto che, a leggi vigenti, tale obiettivo non è >> raggiungibile per modelli a-la ChatGPT. Il motivo è che includono nei >> loro dataset di training grandi parti del Web (solitamente ottenute via >> crawling fatto in casa), che nessuna parte terza può legittimamente >> redistribuire, dato che solo una piccolissima parte del Web è >> disponibile sotto licenze libere. >> >> Una AI "libera", secondo i criteri accennati sopra, ha quindi oggi uno >> svantaggio competitivo enorme rispetto a quelle chiuse --- il che è >> molto deprimente. L'evoluzione tecnologica e scientifica sta andando nel >> verso giusto, con modelli sempre più aperti che riescono sempre meglio a >> rivalizzare con quelli chiusi (o ibridi) ma la strada è ancora lunga e >> non è detto che il gap sia completamente colmabile. >> >> Nel mentre dovremmo guardare criticamente alle regolamentazioni che >> hanno permesso tutto questo "yolo training", che dà un vantaggio >> competitivo enorme a chi libero non vuole essere. >> >> Ciao >> -- >> Stefano Zacchiroli . zack(a)upsilon.cc . https://upsilon.cc/zack _. ^ ._ >> Full professor of Computer Science o o o \/|V|\/ >> Télécom Paris, Polytechnic Institute of Paris o o o </> <\> >> Co-founder & CTO Software Heritage o o o o /\|^|/\ >> https://twitter.com/zacchiro . https://mastodon.xyz/@zacchiro '" V "' > > _______________________________________________ > nexa mailing list > nexa(a)server-nexa.polito.it > https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa -- -- EN https://www.hoepli.it/libro/la-rivoluzione-informatica/9788896069516.html ====================================================== Prof. Enrico Nardelli Past President di "Informatics Europe" Direttore del Laboratorio Nazionale "Informatica e Scuola" del CINI Dipartimento di Matematica - Università di Roma "Tor Vergata" Via della Ricerca Scientifica snc - 00133 Roma home page: https://www.mat.uniroma2.it/~nardelli blog: https://link-and-think.blogspot.it/ tel: +39 06 7259.4204 fax: +39 06 7259.4699 mobile: +39 335 590.2331 e-mail: nardelli(a)mat.uniroma2.it online meeting: https://blue.meet.garr.it/b/enr-y7f-t0q-ont ====================================================== --

Feb. 29, 2024