- nexa - server-nexa.polito.it

Re: [nexa] ‘Biggest act of copyright theft in history’: thousands of Australian books allegedly used to train AI model | Australia news | The Guardian

by 380°

Buongiorno Maurizio, Maurizio Borghi via nexa <nexa(a)server-nexa.polito.it> writes: > È una riproduzione. In UE è permessa solo per scopo di text and data mining > per ricerca senza finalità commerciali, oppure commerciali se l’autore non > ha riservato il diritto. É corretto dire che l'articolo applicabile a questo aspetto è quello indicato da Lorenzo Albertini in questo thread? --8<---------------cut here---------------start------------->8--- art. 4 dir. Copyright 790 : ≪Articolo 4 Eccezioni o limitazioni ai fini dell'estrazione di testo e di dati 1. Gli Stati membri dispongono un'eccezione o una limitazione ai diritti di cui all'articolo 5, lettera a), e all'articolo 7, paragrafo 1, della direttiva 96/9/CE, all'articolo 2 della direttiva 2001/29/CE, all'articolo 4, paragrafo 1, lettere a) e b), della direttiva 2009/24/CE e all'articolo 15, paragrafo 1, della presente direttiva per le riproduzioni e le estrazioni effettuate da opere o altri materiali cui si abbia legalmente accesso ai fini dell'estrazione di testo e di dati. [...] 3. L'eccezione o la limitazione di cui al paragrafo 1 si applica a condizione che l'utilizzo delle opere e di altri materiali di cui a tale paragrafo non sia stato espressamente riservato dai titolari dei diritti in modo appropriato, ad esempio attraverso strumenti che consentano lettura automatizzata in caso di contenuti resi pubblicamente disponibili online. --8<---------------cut here---------------end--------------->8--- Se la risposta alla domanda sopra è sì, dove evince che l'estrazione di testo e dati sono consentiti solo per ricerca senza finalità commerciali? [1] Domanda di riserva: perché io, che sono informatico, non riesco a trovare un senso al paragrafo 3 nemmeno se giro il periodo un tre modi diversi?!? Cioè tipo: «gli strumenti che consentono la lettura automatizzata di contenuti resi pubblicamente disponibili online è un modo appropriato per condizionare espressamente l'utilizzo delle opere di cui al par. 1»? Avrebbe voglia di aiutarmi a capire, per cortesia? :-) > In USA si entra nel limbo del fair use, su cui nessuna corte di è > ancora pronunciata. "Don't ask, don't tell" :-O [...] Cordiali saluti, 380° [1] senza scopo commerciale, senza fini di lucro e compagnia cantante sono il *cavallo di troia* di motissime condizioni di utilizzo delle opere, che così vengono utilizzare per scopo di lucro /solo/ dai soliti noti. -- 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>.

Oct. 1, 2023

Re: [nexa] ‘Biggest act of copyright theft in history’: thousands of Australian books allegedly used to train AI model | Australia news | The Guardian

by 380°

Stefano Zacchiroli <zack(a)upsilon.cc> writes: > Nel caso dei libri questo non evacua però (credo, IANAL, etc.) la > domanda di Stefano Quintarelli su se un contratto d'uso di un ebook > impedisca comunque il training. Un *contratto* d'uso?!? Cioè tipo le EULA del software? L'unico modo che esiste oggi per imporre un contratto d'uso su un libro elettronico è attraverso l'uso dei DRM, che oltre che poter impedire il training di "AI" di solito impedisce anche uno o più tra questi _diritti_: stampa, copia, uso di software interoperabile... L'ho già detto e ribadisco: Satn'iGNUzio sa quanto io cuor mio speri che anche solo UNO degli ebook (o altro) usati per il "training" sia /impestato/ da un DRM che ve *vieti* la copia: chi conosce il DRM sa cosa comporta, in caso di aggiramento di quel divieto :-D Ribadisco che il riconoscimento giuridico dei DRM come mezzo lecito per "proteggere" le opere oggetto di tutela del copyright è un *abominio* che stravolge _completamente_ il senso, già reazionario, della norma così come la conoscevamo prima. [...] Cordiali 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>.

Oct. 1, 2023

Re: [nexa] R: R: ‘Biggest act of copyright theft in history’: thousands of Australian books allegedly used to train AI model | Australia news | The Guardian

by mauro gorrino

La newsletter "Guerre di Rete" m. 169 del 1 ottobre porta un interessante contributo a questa discussione, sia illustrando come Meta abbia acquisito i tesi di molti libri coperti da copyright e sia indicando uno strumento per verificare se un certo testo sia stato utilizzato per l'addestramento di LLaMa. Qui di seguito trovate la parte della newlsetter che tratta questo problema. Questo è link per sottoscrivere "Guerre di Rete" https://substack.com/redirect/2/eyJlIjoiaHR0cHM6Ly9ndWVycmVkaXJldGUuc3Vic3R… ########################### Guerre di Rete - una newsletter di notizie cyber a cura di Carola Frediani N.169 - 1 ottobre 2023 AI La politica dei dataset alla base degli strumenti di intelligenza artificiale La rivista The Atlantic ha messo a disposizione uno strumento (di cui dirò di più a breve) per cercare quali libri e autori facciano parte di un corpus di testi usati per addestrare diversi sistemi di intelligenza artificiale generativa, in particolare LLaMa, una serie di modelli linguistici di grandi dimensioni sviluppati da Meta (Facebook) e simile a GPT di OpenAI (che sta alla base del chatbot ChatGPT). Per capire come la rivista sia riuscita a farlo bisogna fare un passo indietro. Si hanno pochi dettagli sui testi usati per addestrare questi modelli, e questo vale in primis per OpenAI ma anche per altri. Archeologia dei dataset di Llama Sappiamo (dallo stesso primo paper su LLaMa) che Meta ha usato, fra gli altri materiali, due raccolte di libri, il Gutenberg Project, che contiene opere nel pubblico dominio, e la sezione Books3 di un dataset pubblicamente accessibile noto come ThePile (uno zibaldone di libri, sottotitoli di video di YouTube, trascrizioni del Parlamento Ue, email degli impiegati Enron prima del suo fallimento, e altre simili memorabilia), compilato dal gruppo di ricerca di EleutherAI (che si presenta come la versione open source di OpenAI), e usato per addestrare modelli linguistici di grandi dimensioni. Nel paper Meta scrive: “dimostriamo che è possibile addestrare modelli all'avanguardia utilizzando esclusivamente set di dati disponibili pubblicamente, senza ricorrere a set di dati proprietari e inaccessibili”. Cosa c’è dentro Books3 Bene, ma che libri conteneva esattamente Books3? È quello che si è chiesto il giornalista di The Atlantic, che ha prima recuperato ThePile, e poi, come in una serie di scatole cinesi, ha isolato ed estratto Books3, e infine ha usato i codici ISBN per individuare i libri. Insomma, un capolavoro. Così facendo è riuscito a identificare più di 170mila titoli, dopodiché li ha esaminati. La maggior parte, scrive, sono opere “piratate”, cioè coperte da diritto d’autore e aggiunte senza consenso, perlopiù pubblicate negli ultimi 20 anni. Un terzo sono di narrativa, due terzi di saggistica. Ci sono grandi e piccoli editori. Tra gli autori ci sono Elena Ferrante e Rachel Cusk, Haruki Murakami, Jonathan Franzen, Margaret Atwood. Ma anche 102 romanzi di L. Ron Hubbard (il fondatore di Scientology), 90 libri del pastore creazionista John F. MacArthur, opere di pseudo-storia del tipo gli alieni hanno costruito le piramidi ecc. Uno strumento per cercare dentro Books3 The Atlantic ha poi messo a disposizione uno strumento per permettere a chiunque di fare ricerche in questa raccolta. Ho trovato, oltre alla già citata Ferrante, Altai di Wu Ming, ovviamente molto Umberto Eco, Roberto Saviano, Melania Mazzucco, Antonio Scurati, Domenico Starnone, Nicola Lagioia, e questo solo per citare un po’ di nomi che ho volutamente cercato. Rifacciamo un altro passo indietro. Si dice che i contenuti per l’AI siano raccolti (scraped) da internet e da siti pubblicamente accessibili. Nel caso di Books3 i libri sono in realtà stati scaricati da un server bittorrent, scriveva mesi fa l’accademico Peter Schoppert. Ma Books3, almeno nell’intento del suo creatore, nasce per sostenere la ricerca AI open source in contrapposizione alla chiusura e segretezza di OpenAI e al suo monopolio. Così ha spiegato allo stesso The Atlantic lo sviluppatore Shawn Presser che ha assemblato la raccolta di libri. Open source AI contro OpenAI Dunque Books3 sarebbe stato creato per fornire agli sviluppatori indipendenti "dati di addestramento di livello OpenAI". E il suo stesso nome sarebbe un riferimento a un documento pubblicato da OpenAI nel 2020 che menzionava due "corpora di libri basati su Internet" chiamati Books1 e Books2. “Questo documento - scrive The Atlantic - è l'unica fonte primaria che fornisce indizi sul contenuto dei dati di addestramento di GPT(...)”. Si procede quindi a tentoni. Dalle informazioni raccolte dalla comunità di sviluppatori però si ipotizza che Books1 sia la produzione completa di Project Gutenberg (...). Mentre nessuno sa cosa ci sia dentro Books2. “Alcuni sospettano che provenga da raccolte di libri piratati, come Library Genesis, Z-Library e Bibliotik, che circolano attraverso la rete di file-sharing BitTorrent (Books3, come ha annunciato Presser dopo averlo creato, sarebbe "tutto Bibliotik")”. Ma si possono usare questi libri? Arrivati qua si aprirebbe il capitolo di tipo legale, ovvero è possibile o meno usare questi contenuti per addestrare AI? C’è chi sostiene che sia possibile sulla base della dottrina del fair use (e soprattutto sulla base dell’idea che gli strumenti di intelligenza artificiale generativa non replichino i libri su cui sono stati addestrati, ma producano nuove opere, e che non danneggino il mercato degli originali). E c’è chi non è d’accordo, come quegli scrittori, da Michael Chabon ad altri, che hanno avviato una class action contro Meta proprio per questo, perché i loro libri sono inclusi in Books3, poi usato per addestrare LLaMa. Non entro nel merito di questa discussione ora, ma lo stesso Alex Reisner (autore di questo bellissimo lavoro giornalistico su The Atlantic), che è sia un autore che un programmatore del mondo open source, coglie le complesse linee di frattura culturale dell’intera questione (open source contro Big Tech e in mezzo gli studiosi, gli scrittori, i creativi) che rimescolano un po’ le carte rispetto al passato. Lui stesso ha una posizione critica verso l’uso indiscriminato e non consensuale di questi testi. Comunque la si veda, e qualunque cosa verrà stabilita nei tribunali, sapere cosa c’è nei dataset è ora più che mai fondamentale. Ed è una questione assolutamente politica. ########################### Aggiungo i link presenti nel testo e andati perso nel copia / incolla dalla newsletter https://aicopyright.substack.com/p/has-your-book-been-used-to-train https://www.theatlantic.com/technology/archive/2023/09/books3-database-gene… https://aicopyright.substack.com/p/has-your-book-been-used-to-train https://www.theatlantic.com/technology/archive/2023/08/books3-ai-meta-llama… Il giorno dom 1 ott 2023 alle ore 11:06 380° <g380(a)biscuolo.net> ha scritto: > Buongiorno Lorenzo, > > "Lorenzo Albertini" <lorenzoalbertini.vr(a)gmail.com> writes: > > > §§ 54-64 della citazione in giudizio (facilmente reperibile , ad > > es. qui > > < > https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwi… > > > > ): > > scusi ma non ho capito cosa intende aggiungere alla discussione con > questi riferimenti estratti dalla citazione sopra indicata: potrebbe > espandere il suo commento per favore? > > [...] > > piccola digressione quasi OT: > > > Le informazioni contenute nella presente comunicazione e nei documenti > > ad essa allegati potrebbero essere tutelate dal segreto professionale > > e sono comunque confidenziali e ad uso esclusivo del destinatario > > sopra indicato. Qualora la presente comunicazione non fosse destinata > > a Voi, Vi preghiamo di tener presente che la divulgazione, > > distribuzione o riproduzione di qualunque informazione contenuta nella > > presente comunicazione o nei documenti ad essa allegati sono > > vietate. Se avete ricevuto la presente comunicazione per errore, Vi > > preghiamo di volerci avvertire immediatamente e di distruggere quanto > > ricevuto senza leggerlo. Grazie per la collaborazione. > > Mi scusi se faccio notare questa cosa prendendo il suo "disclaimer" come > esempio, ne ho visti a quintalate e le assicuro che ovviamente non c'è > nulla di personale... > > ...però questo tipo di "disclaimer" a mio modesto avviso (IANAL) > evidenziano in modo plastico quanta confusione c'è in merito alla > riservatezza e la _riproduzione_ delle informazioni contenute nelle > comunicazioni. > > Domanda scema: il fatto che in una lista pubblica io e lei utilizziamo - > in modi assai diversi - larghe parti dei messaggi che riceviamo nelle > nostre risposte è fair use o è vietato? :-D > > ...o forse il disclaimer è rivolto alla NSA? > > [...] > > Cordiali 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>. > _______________________________________________ > nexa mailing list > nexa(a)server-nexa.polito.it > https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa >

Oct. 1, 2023

Re: [nexa] R: R: R: ‘Biggest act of copyright theft in history’: thousands of Australian books allegedly used to train AI model | Australia news | The Guardian

by 380°

Buongiorno "Lorenzo Albertini" <lorenzoalbertini.vr(a)gmail.com> writes: [...] > 1. Gli Stati membri dispongono un'eccezione o una limitazione [...] > per le riproduzioni e le estrazioni effettuate da opere o altri > materiali cui si abbia legalmente accesso ai fini dell'estrazione di > testo e di dati. C'è qualche dubbio che CopyALot o /ogni/ altra organizzazione che effettua estrazione di testo e di dati per il "training" delle "AI" abbiano legalmente accesso ai materiali? Io non credo. [...] > Non so in usa (fair use, che ha ambito applicativo alquanto vasto?) La norma valida in EU negli effetti è equivalente al c.d. "fair use" USA, dopotutto la convenzione di Berna /dovrebbe/ servire proprio ad armonizzare la disciplina in tutti i paesi aderenti, essendo il copyright una questione neocolo... ops, globale(ista) [...] Cordiali 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>.

Oct. 1, 2023

Re: [nexa] R: R: ‘Biggest act of copyright theft in history’: thousands of Australian books allegedly used to train AI model | Australia news | The Guardian

by 380°

Buongiorno Lorenzo, "Lorenzo Albertini" <lorenzoalbertini.vr(a)gmail.com> writes: > §§ 54-64 della citazione in giudizio (facilmente reperibile , ad > es. qui > <https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwi…> > ): scusi ma non ho capito cosa intende aggiungere alla discussione con questi riferimenti estratti dalla citazione sopra indicata: potrebbe espandere il suo commento per favore? [...] piccola digressione quasi OT: > Le informazioni contenute nella presente comunicazione e nei documenti > ad essa allegati potrebbero essere tutelate dal segreto professionale > e sono comunque confidenziali e ad uso esclusivo del destinatario > sopra indicato. Qualora la presente comunicazione non fosse destinata > a Voi, Vi preghiamo di tener presente che la divulgazione, > distribuzione o riproduzione di qualunque informazione contenuta nella > presente comunicazione o nei documenti ad essa allegati sono > vietate. Se avete ricevuto la presente comunicazione per errore, Vi > preghiamo di volerci avvertire immediatamente e di distruggere quanto > ricevuto senza leggerlo. Grazie per la collaborazione. Mi scusi se faccio notare questa cosa prendendo il suo "disclaimer" come esempio, ne ho visti a quintalate e le assicuro che ovviamente non c'è nulla di personale... ...però questo tipo di "disclaimer" a mio modesto avviso (IANAL) evidenziano in modo plastico quanta confusione c'è in merito alla riservatezza e la _riproduzione_ delle informazioni contenute nelle comunicazioni. Domanda scema: il fatto che in una lista pubblica io e lei utilizziamo - in modi assai diversi - larghe parti dei messaggi che riceviamo nelle nostre risposte è fair use o è vietato? :-D ...o forse il disclaimer è rivolto alla NSA? [...] Cordiali 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>.

Oct. 1, 2023

Re: [nexa] ‘Biggest act of copyright theft in history’: thousands of Australian books allegedly used to train AI model | Australia news | The Guardian

by 380°

Buongiorno Giacomo, chiedo scusa ma il messaggio precedente è partito per errore, riperto da dove mi ero auto-interrotto Giacomo Tesio <giacomo(a)tesio.it> writes: [...] > No 380: se io voglio riservare alla collettività un mio pezzo di codice utilizzando > una licenza copyleft (metti la AGPL) e Microsoft lo distribuisce senza attribuzione > e con licenza sbagliata, buttandolo in mezzo ad un software proprietario di un > proprio cliente pagante, se permetti "sono stracavolacci" miei. > > Subisco un danno morale ed economico. Sì ma solo se il cliente pagante spegne il cervello e usa pedissequamente l'output del servizio di turno. ...il tutto poi deve essere dimostrato in tribunale, compresa l'esatta stima del danno economico. Mi spiace Giacomo, ma la disciplina (reazionaria) del copyright è proprio lo strumento più sbagliato di tutti i tempi per poter anche solo tentare di risolvere /altri/ problemi... e non è "benaltrismo" il mio. > E quel che è peggio, non ho alcun modo di individuare precisamente quanto grave > sia questo danno morale, ovvero in quanti software proprietari che aborro > il mio lavoro sia stato inserito. Sì, purtroppo il codice binario è una brutta bestia... chissà se con l'aiuto di una "AI" appositamente "ammaestrata" potrebbe essere più facile rilevare "pattern" binari che sono chari indicatori di scopiazzamento... > La responsabilità del programmatore che riceve il mio codice da > CopyALot viene dopo: prima Microsoft ha realizzato un opera derivata > dal mio codice (il "modello" di Copilot) che distribuisce il mio > codice senza permesso quando deve "rompere il ghiaccio". Ammetto di non aver letto le condizioni scritte in piccolo di CopyALot, ma per favore non ignorare la mia scommessa da un fiorino ;-) [...] > Anche ne avesse comprate un milione di copie, non avrebbe alcun > diritto di creare opere derivate. Già solo il concetto di "opera derivata" è... _problematico_, figuruamoci poi sul software. Mi spiace ma, dopo lunga e attenta analisi, comincio ad /intuire/ che il copyright è un boschetto fatato della nostra fantasia collettiva dove ci sono quattro vitelli... Follow the white rabbit... (https://server-nexa.polito.it/pipermail/nexa/2023-September/051674.html Message-id: 87bkdjis53.fsf(a)xelera.eu) [...] Ciao, 380° [1] https://en.wikipedia.org/wiki/Reverse_engineering#Binary_software -- 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>.

Oct. 1, 2023

Re: [nexa] ‘Biggest act of copyright theft in history’: thousands of Australian books allegedly used to train AI model | Australia news | The Guardian

by 380°

Buongiorno Giacomo, Giacomo Tesio <giacomo(a)tesio.it> writes: [...] >> stai dicendo che quelle parti di testo, che sono espresse in /forma/ >> difficilmente estraibile, sarebbero plagio (ampie parti dei testi >> originali)? > > Se siano plagio o semplicemente opere derivata create e distribuite > senza il permesso dell'autore è una valutazione giuridica che non so > fare. Io invece /credo/ di saperla fare (voglio l'Orso d'oro in faccia tosta) sulla base di quello che osservo e mi pare non ci sia nessuna delle fattispecie che indichi ...solo un processo potrà dirlo > Sto semplicemente dicendo che quei testi sono in gran parte presenti nel LLM seppure > codificati con perdita di informazione. OK, su cosa succede tecnicamente, ovvero sul tipo di elaborazione e immagazzinamento dei testi _elaborari_, credo sia tutto sufficientemente chiaro. > Una similitudine tecnicamente più attinente di uno zip sarebbe un jpeg > o un mp3, ma non volevo confondere ulteriormente il mio interlocutore. Ottimo, vedo che tecnicamente siamo allineati :-) [...] > Ripeto, a me può anche stare bene purché io possa nello stesso modo disassemblare > Microsoft Windows o Microsoft Office e distribuirne il codice sotto > GPL, Ma Giacomo! Non solo /tu/ puoi farlo, è *già* stato fatto ed è perfettamente lagale nonostante quello che "si dice in giro"; la tecnica si chiama "binary reverse engineering" [1]. Chissà se un giorno qualcuno avrà il coraggio di programmare un sistema di machine learning, magari basato su bLLM (binary large language model) per aiutare i ricercatori ad applicare quella tecnica :-O > magari attribuendolo a Mickey Mouse. Ha beccato proprio il nome *perfetto* per attirare l'attenzione del Censore Intergalattico, Topo Gigio darebbe meno nell'occhio :-D > Non sono contrario alla abolizione delle varie forme di "proprietà > intellettuale", Non dovresti usare quella bestemmia! ...ma ti perdono :-) > voglio solo sia esplicita e valga per tutti. > > Ma finché non posso usare come mi piace il codice di Microsoft, Microsoft non > deve usare come le pare il mio. Se tu potessi leggere il codice sorgente di qualsiasi software proprietario senza essere costretto a firmare un NDA, lo potresti _rielaborare_ *anche* usando lo stesso linguaggio di programmazione e distribuire quel codice rielaborato: sono *certo* che tu e almeno altre decine di migliaia di bravi programmatori sareste in grado di modificarne la forma espressiva in modo tale che non risulti manco come opera derivata. ...per tutto il resto c'è il binary reverse engineering (che costa troppa fatica!) >> > Violazioni particolarmente gravi perché il codice GPL viene poi >> > incluso in prodotti proprietari. >> >> se permetti, sono stracavolacci di quelli che copia-incollano l'output >> da CopyALot, non ho verificato ma scommetto un fiorino che è pure >> scritto chiaramente nelle condizioni di utilizzo del servizio > > No 380: se io voglio riservare alla collettività un mio pezzo di codice utilizzando > una licenza copyleft (metti la AGPL) e Microsoft lo distribuisce senza attribuzione > e con licenza sbagliata, buttandolo in mezzo ad un software proprietario di un > proprio cliente pagante, se permetti "sono stracavolacci" miei. > > Subisco un danno morale ed economico. Sì ma solo se il cliente pagante spegne il cervello e usa pedissequamente l'output del servizio di turno > > E quel che è peggio, non ho alcun modo di individuare precisamente quanto grave > sia questo danno morale, ovvero in quanti software proprietari che aborro > il mio lavoro sia stato inserito. > > La responsabilità del programmatore che riceve il mio codice da CopyALot viene dopo: > prima Microsoft ha realizzato un opera derivata dal mio codice (il "modello" di Copilot) > che distribuisce il mio codice senza > permesso quando deve "rompere il ghiaccio". > > >> quale sarebbe la violazione del diritto d'autore, se non c'è plagio *e* >> chi usa quei testi per usarli in una elaborazione ha *pagato* "i libri"? > > Anche ne avesse comprate un milione di copie, non avrebbe alcun diritto di creare > opere derivate. > > Quanti testi CC-BY ND sono stati usati da OpenAI per programmare statisticamente > ChatGPT? > > Quanti CC-BY SA? > > > IMHO ha violato e sta violando entrambe le licenze. > > E quel che è peggio è che sta violando i diritti morali degli autori. > > > Giacomo [1] https://en.wikipedia.org/wiki/Reverse_engineering#Binary_software -- 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>.

Oct. 1, 2023

Authors shocked to find AI ripoffs of their books being sold on Amazon | Artificial intelligence (AI) | The Guardian

by Alberto Cammozzo

<https://www.theguardian.com/technology/2023/sep/30/authors-shocked-to-find-…> Altri esempi di digital information pollution [1] dovuti alla industrializzazione della produzione di testi con LLM. Alberto [1] <https://en.m.wikipedia.org/wiki/Information_pollution>

Oct. 1, 2023

Has Google’s monopoly on the search engine market finally timed out? | John Naughton | The Guardian

by Alberto Cammozzo

<https://www.theguardian.com/commentisfree/2023/sep/30/google-antitrust-us-d…> Although you’d never guess it from mainstream media, the most significant antitrust case in more than 20 years is under way in Washington. In it, the US justice department, alongside the attorneys general of eight states, is suing Google for abusively monopolising digital advertising technologies, thereby subverting competition through “serial acquisitions” and anti-competitive auction manipulation. Or, to put it more prosaically, arguing that Google – which has between 90% and 95% of the search market – has maintained its monopoly not by making a better product, but by locking down almost every avenue through which consumers might find a different search engine and making sure they only see Google wherever they look. Why is this significant? Basically, because the US government has been asleep at the wheel for almost a quarter of a century and has finally woken up to its democratic responsibilities. The last time it stirred itself to take on an aggressive monopolist was in 2001, when it sued Microsoft for illegally tying its Internet Explorer browser to Windows as part of a (successful) campaign to destroy Netscape, maker of the first distinctive commercial web browser, which Bill Gates and co perceived as a potentially lethal competitive threat. In an eerie echo of that earlier lawsuit, the justice department is now accusing Google of similar tactics – for example, illegally tying the company’s search engine to its Android smartphone operating system and its Chrome browser. And the government is seeking to break up the company, just as it once sought to break up Microsoft. The parallels between the two cases are striking. In 2001, for example, Microsoft Windows had 93% of the global market for operating systems. In 2023, Google has 92% of the market for its search engine. In the 1990s, Microsoft had been slow to appreciate the significance of the web and was late to the market with a mediocre browser – Internet Explorer – much inferior to the Netscape alternative. But if you were a manufacturer of PCs in those days, you couldn’t get a licence to install Windows on them without also bundling Explorer, making the Microsoft browser the default, which was about as anti-competitive as you could get. Where Google has the power, it makes its search engine the default; where it doesn’t, it uses money Now Google, according to the justice department, is also in the default-setting game. Where it has the necessary power – as with the Android operating system that it controls, or its now-dominant Chrome browser – it makes Google’s search engine the default. Where it lacks ownership, it uses money – for example, paying $10bn a year for privileges such as making Google the default search engine on Apple iOS. How Google squares this lavish expenditure with its insistence that the dominance of its (free) search engine confirms its excellence is one of the intriguing mysteries of the trial. Is Apple taking Google for a lucrative ride? Or is Google worried that if it were not the default search, iPhone users might, er, defect? As well they might. In its early days, Google’s search engine was a breath of fresh air, so much so that some people divided internet eras into BG (Before Google) and AG. But over the years, it has morphed into a laughable betrayal of its co-founders’ original high-mindedness about the evils of advertising. In 2020, a randomised trial found that Google-associated results (ads for, or links to, the company’s other services) constituted more than 60% of the “first screen” – what is visible initially on a smartphone – of an average Google search result. And in one of five searches, the entire first screen was Google results. I gave up using Google years ago, but even occasional visits have tended to confirm its decay, which is understandable given that 57% of its revenue now comes from search ads. Google is going the way of all monopolists, morphing from innovation into rent-seeking. A bit like Microsoft, in other words, before the latter discovered AI. There is, however, one big difference between the 2001 Microsoft case and the one now in progress in Washington – the absence of media coverage. Back when Microsoft had its back to the wall, the trial was widely covered by mainstream media. But the Google case is getting relatively little airtime. In part, this may be because there is, alas, zero public interest in antitrust. But events so far suggest a more worrying explanation – namely, the apparent deference of Judge Amit Mehta to Google’s neurotic demands to keep as much as possible of the evidence presented in court out of the public eye. Early in the proceedings, for example, he denied a third-party motion to broadcast a publicly accessible audio feed of the trial. As a consequence, the hearing is only available to people who can attend in person. And even if you can attend, as the writer and former policymaker Matt Stoller reports on his BIG newsletter, “it’s hard to see the trial because huge portions are fully sealed”. This is no way for a democracy to go about checking unaccountable corporate power. Justice needs to be seen to be believed, even if Google disagrees

Oct. 1, 2023

Re: [nexa] ‘Biggest act of copyright theft in history’: thousands of Australian books allegedly used to train AI model | Australia news | The Guardian (Giancarlo Frosio)

by Giacomo Tesio

Ciao Karlessi! Il 30 Settembre 2023 17:47:06 UTC, karlessi <karlessi(a)alekos.net> ha scritto: > Buonasera, > > sì, Giacomo. Leggendoti ho (spesso) una sensazione analoga a quella segnalata > da Giancarlo: sei davvero convinto di comprendere tutto più di chiunque altro? No, non tutto. Sono molto curioso in effetti, ma sono certo che esistano persone più curiose di me. > Forse non cogli l'ironia, il sarcasmo, il ricorso a figure retoriche in alcune frasi? > O forse scegli deliberatamente di ignorarle per reiterare la questione dell'imparare > l'informatica, e in particolare di imparare a scrivere codice? Più semplicemente, assumo sempre buona fede. È doppiamente utile: permette di aiutare chi è in difficoltà e di smascherare rapidamente chi assume malafede nell'interlocutore. Chi me l'ha insegnato la chiamava "hacker ingenuity" ;-) > Personalmente mi trovo d'accordo sul fondo del tuo ragionamento, se l'ho inteso bene. Non mi sorprende: conosci bene come me la realtà di cui stiamo parlando. > Politicamente mi colloco in netta opposizione a questa ennesima truffa spacciata per > grande innovazione (mi riferisco alle cosiddette IA). > > Persino legalmente (non sono legalista in alcun modo, e ci capisco poco di legislazione) > non mi sembra così impossibile evidenziare l'esproprio appena mascherato da gioco > delle tre carte a livello di copyright: ma come, decenni di legislazioni liberticide a > difesa del copyright, e ora passa tutto in giudicato perché l'hanno fatto passare > attraverso un tot di strati nascosti? (hidden layer nelle reti neurali)? A saperlo, invece > di far copyleft ecc. avremmo investito in black box che mescolano le carte in tavola! Amen! :-D > tuttavia, caro Giacomo, continuare a dire agli altr* con uno sproposito di parole > che non hanno capito nulla tende ad alienare anche le persone meglio disposte > (mi ritengo fra queste) nei confronti delle tue argomentazioni Per la verità Karlessi ho semplicemente risposto ad una mail che mi citava espressamente. > l'aspetto più inquietante è sottolineato dall'aggettivo "tecnocratico", > che mi pare azzeccato. La società in cui viviamo è tecnocratica. Io mi limito a farlo notare meglio che posso. E voglio diffondere la nostra conoscenza in modo che i nostri figli possano tornare a vivere in una democrazia. La vivo come un urgenza terribile in effetti, forse perché di figli ne ho diversi. Che qualcuno la definisca "delirio tecnicratico" non offende: sarei felicissimo se lo fosse! Ma ahimé, come sai, non lo è. > Fai cadere le cose dall'alto e ciò IMHO è problematico > e toglie molta forza ai tuoi ragionamenti. Faccio del mio meglio. Poco o tanto che sia è meglio di niente. Anche perché i tecnocrati, loro sì gentili ed inclusivi, mica si fanno scrupoli! D'altro canto, già solo aver stimolato la tua risposta è una vittoria. Giancarlo potrà ignorare facilmente le mie parole da bifolco informatico in preda ad un delirio tecnocratico, ma riuscirà a far altrettanto con le tue, coltissime e gentili ma assolutamente affini nel merito? > A cercare il pelo nell'uovo, molti dei termini a cui fai ricorso sono assai vaghi, e sono > abbastanza convinto che persone diverse li intendono in maniera molto differente. > Parole a caso: "forma", "modello" (intendi aristotelicamente? platonicamente? ci > vuol poco a mettere in difficoltà, volendo. ma non aiuta nessuno). Concordo! Infatti metto sempre "modello" fra virgolette a sottolineare l'inadeguatezza del termine. Una matrice numerica non è un modello se non sai attribuire un significato a ciascuno dei numeri che contiene! Ma di nuovo, l'ho usato in risposta al mio interlocutore per spiegare l'assurdità della locuzione "istruire un modello" (con "modello" usato senza virgolette e senza ironia!). > Per non parlare di "dato". La tua definizione di "dato" è condivisibile, IMHO. Ma è TUA. > Forse altr* la condividono (io, abbastanza). Beh, non è un granché. Non che la verità > e la giustezza siano questione di maggioranze, però a mo' di aneddoto, una storiella sui dati [...] Storiella interessante e divertente. Se ho capito però in quella occasione non partiste dalla definizione di "dato". Partire da definizioni chiare aiuta a evitare inutili malintesi, esattamente come partire da definizioni evocative ed ambigue li alimenta. > Ora... assumendo per un istante che quegli studiosi fossero un ragionevole campione > di studiosi in "scienze dure", ci siamo portate a casa l'idea che non sia affatto chiaro > cosa sono questi fantomatici dati. Non lo è infatti. L'informatica è ancora talmente primitiva che molti la chianano ancora "computer science"! > nonostante tutto, IMHO si può capirsi, al di là delle differenze Naturalmente! A questo servono le definizioni. ;-) > con calma, > > e gentilezza Sei sicuro? Quanto tempo abbiamo? Quante risorse? Quante ne hanno i nostri avversari? Giacomo

Sept. 30, 2023