Caro Enrico, quello che scrivi è tutto corretto. Trattandosi di una class action, il settlement agreement proposto dalle parti dev'essere approvato dal giudice: che è quello che ha fatto appunto l'altro giorno. Si è parlato molto del miliardo e mezzo di dollari di questo agreement: è una somma veramente abnorme, non solo in sé ma anche se confrontata con i precedenti più famosi come Napster (la transazione sui danni si è risolta con 30 milioni) o Google Books (prima del giudizio di primo grado, che ha dato ragione a Google, le parti avevano proposto un accordo per 125 milioni, che però è stato respinto dalla corte). La somma elevata si spiega in questo modo: Anthropic ha sostanzialmente perso la causa e, a meno di un ribaltamento nei successivi gradi di giudizio, rischiava un risarcimento danni potenzialmente letale. Nel copyright USA sono previsti "statutory damages" che possono arrivare fino a 150,000 dollari per ogni singola opera, e in questa litigation si tratta di oltre 5 milioni di libri "piratati". Una conferma in appello della sentenza di primo grado avrebbe rafforzato la posizione negoziale dei proponenti della class action, e Anthropic ha deciso di non prendersi il rischio e staccare l'assegno. Nel suo comunicato stampa, Anthropic dice che la sentenza del giugno 2025 ha stabilito che "training AI on books is fair use under copyright law". E' vero, ma è una mezza verità: il giudice ha operato una distinzione tra l'uso vero e proprio dei libri per il training dell'LLM e le attività preparatorie a questo uso, in particolare la raccolta di libri in un database centrale. Il training in sé è fair use, ma la raccolta di milioni di libri scaricati illegalmente da internet per essere successivamente utilizzati nel training è una violazione, che inficia ogni successivo uso di quei libri. Questa distinzione riduce di molto la portata effettiva del fair use, poiché introduce di fatto un requisito di "acquisizione legittima" delle opere per il training degli LLM. Tra l'altro, Anthropic stessa aveva qualche dubbio sulla legalità delle proprie azioni, tanto che a un certo punto ha sospeso l'utilizzo delle "librerie pirata", ha iniziato ad acquistare i libri e ha persino assunto due ingegneri del progetto Google Books per replicare lo stesso metodo (acquisire legalmente libri cartacei e digitalizzarli "a mano"). Si può fare una breve considerazione: in un mercato "normale", un'impresa sorpresa a realizzare un prodotto di successo violando apertamente la legge si esporrebbe non solo a ingenti risarcimenti danni, ma anche a possibili azioni di concorrenza sleale da parte dei competitors. Ma questo non è, appunto, un mercato normale: il metodo adottato da Anthropic (addestrare i propri modelli su milioni di opere ottenute illegalmente) è lo stesso che impiegano tutti i suoi concorrenti, nessuno escluso. In un mondo in cui tutti sono ladri, di fatto, nessuno lo è più. Buona giornata Maurizio Il giorno mer 22 lug 2026 alle ore 23:51 GC F via nexa < nexa@server-nexa.polito.it> ha scritto:

L'accordo esiste da circa un anno - approvato formalmente ieri dal giudice.

E' interessante notare come proprio nei giorni della definitiva approvazione dell'accordo transattivo più cospicuo della storia, Anthropic stia cercando di estrarre più monetizzazione possibile dai suoi utenti, di fatto "derubandoli" con modelli di business privi degli elementi minimi di trasparenza (es è incomprensibile come il costo di singole risposte a un prompt venga calcolato, sostanzialmente qualsiasi task basilare - es Post | LinkedIn <https://www.linkedin.com/feed/update/urn:li:activity:7485167445926825984/> - costa dai 2 ai 3 dollari, quando il prezzo pubblicato di Fable dovrebbe essere $10/M input, $50/M output, e un prompt da $2.50 implicherebbe un uso di 50k output tokens; inoltre, per task più complesse, Fable si blocca al raggiungimento dei limiti o, a volte, non completa la task per un errore, specialmente se è molto complessa e, in questi casi, Anthropic si rifiuta di rifondere il credito sprecato, citando una policy interna).

Bartz vs Anthropic, poi, è un caso interessante, anche perchè è quello in cui il giudice lancia un'analogia tra l'apprendimento, e uso dei contenuti protetti, umano e artificiale, quando discute di fair use. Ne parlo nel mio ultimo lavoro qui:

Schrödinger’s Chatbot: Platform Liability, Volition, and Generative AI by Giancarlo Frosio :: SSRN <https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7039658>

Giancarlo

On Wed, 22 Jul 2026 at 19:16, Enrico Nardelli via nexa < nexa@server-nexa.polito.it> wrote:

...

A federal judge in San Francisco on Monday signed off on ‌artificial intelligence company Anthropic's landmark $1.5 billion settlement of a class action lawsuit brought by a group of authors who accused it of misusing their books to train its AI chatbot Claude.

https://www.reuters.com/world/us-judge-approves-anthropics-15-billion-settle...

Se ricordo bene, il caso era quello iniziato qua

...by writers and journalists Andrea Bartz, Charles Graeber and Kirk Wallace Johnson, said that Anthropic used pirated versions of their works and others to teach Claude to respond to human prompts.

https://www.reuters.com/technology/artificial-intelligence/authors-sue-anthr...

e sul quale successivamente, sempre se ricordo bene, i giudici avevano stabilito che

Anthropic “downloaded for free millions of copyrighted books in digital form from pirate sites on the internet.”

https://www.understandingai.org/p/the-first-copyright-ruling-on-generative

in cui, mentre condannava l'accesso alle copie pirata, ammetteva però al tempo stesso che l'addestramento era "fair use".

Gli esperti di settore in lista puntualizzeranno eventuali mie imprecisioni o dimenticanze

Ciao, Enrico

--

-- EN https://www.hoepli.it/libro/la-rivoluzione-informatica/9788896069516.html =================================================== Prof. Enrico Nardelli Past President di "Informatics Europe" Vicedirettore 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@mat.uniroma2.it online meeting: https://blue.meet.garr.it/b/enr-y7f-t0q-ont ======================================================================================================

-- _______________________________________________ nexa mailing list -- nexa@server-nexa.polito.it To change settings or unsubscribe please go to: https://server-nexa.polito.it/postorius/lists/nexa.server-nexa.polito.it/ The general archive of the list is located at: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/ Permalink to this message: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/mes...

_______________________________________________ nexa mailing list -- nexa@server-nexa.polito.it To change settings or unsubscribe please go to: https://server-nexa.polito.it/postorius/lists/nexa.server-nexa.polito.it/ The general archive of the list is located at: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/ Permalink to this message: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/mes...

-- _______________ *Maurizio Borghi* Università di Torino https://www.dg.unito.it/persone/maurizio.borghi Co-Director Nexa Center for Internet & Society <https://nexa.polito.it/>

On Thu, Jul 23, 2026 at 09:28:49AM +0200, Maurizio Borghi via nexa wrote:

E' vero, ma è una mezza verità: il giudice ha operato una distinzione tra l'uso vero e proprio dei libri per il training dell'LLM e le attività preparatorie a questo uso, in particolare la raccolta di libri in un database centrale. Il training in sé è fair use, ma la raccolta di milioni di libri scaricati illegalmente da internet per essere successivamente utilizzati nel training è una violazione, che inficia ogni successivo uso di quei libri. Questa distinzione riduce di molto la portata effettiva del fair use, poiché introduce di fatto un requisito di "acquisizione legittima" delle opere per il training degli LLM.

Personalmente ho una visione molto diversa della rilevanza della parte sul fair use nella sentenza. Se confermata, la ritengo un risultato enorme (nel bene e nel male) che valida l'approccio "YOLO" seguito finora dai principali attori commerciali nell'ambito dell'IA. In particolare, per come la capisco io, significa che tutto ciò che si può scaricare legalmente dal web può poi essere usato per l'addestramento. Il che vuol dire che, per esempio, 1) usare i dataset di Common Crawl e/o 2) in modo equivalente effettuare web crawling e utilizzare per l'addestramento il materiale così ottenuto rientrano nel fair use. Oppure mi sto perdendo qualche dettaglio legale che renderebbe legale per me, come utente, fare la stessa cosa con un browser, ma allo stesso tempo la renderebbe illegale quando lo fa un attore che usa i dati per addestrare un'IA? Ciao -- Stefano Zacchiroli - https://upsilon.cc/zack Full professor of Computer Science, Polytechnic Institute of Paris Co-founder & Chief scientific officer Software Heritage

Grazie per la risposta, Maurizio. Continuo qui sotto per entrare in alcuni dettagli che mi interessano particolarmente: On Thu, Jul 23, 2026 at 05:40:29PM +0200, Maurizio Borghi wrote:

la risposta non è semplice o univoca. Anthropic usava LibGen, Sci-Hub e Bibliotik, che (correggimi se sbaglio) sono notorie "shadow libraries".

(Confermo per LibGen e Sci-Hub, non conosco invece Bibliotik.)

Su Common Crawl non saprei, perché lì dentro c'è un po' di tutto: uno studio ha stimato che un 70% dei dataset presenti non specifica quale licenza si applichi.

Giusto --- o meglio, non conosco la percentuale, ma è certo che la stragrande maggioranza dei contenuti su Web (come del codice su GitHub, e contenuti di altra natura su piattaforme dedicate) non specifica una licenza. Ma questo non impedisce che io, utente di un Web browser, possa *accedere* legalmente a quel contenuto. Poi i default del diritto d'autore impediscono di fare altre cose, tipo copiare, modificare, redistribuire, esibire ad un pubblico, etc. --- ed è qui che entra in gioco il fair use che salva, almeno secondo questa sentenza, gli allenatori di LLM. Sbaglio qualcosa fin qui, strettamente dal punto di vista del diritto d'autore? (Vedi sotto per i vincoli contrattuali.)

Con il web scraping puoi incorrere in violazioni contrattuali se non rispetti i termini d'uso (che spesso vietano proprio lo scraping);

Il caso dei vincoli contrattuali è in effetti molto pertinente ed interessante. La sentenza prevede l'assenza di entrambi i tipi di violazioni (licenza ed eventuali contratti), o meno? L'avevo finora interpretata come una sentenza principalmente sul diritto d'autore, ma è possibilissimo che sia un errore da parte mia.

puoi inoltre violare di nuovo il copyright se rimuovi i metadati ("rights management information"), cosa piuttosto frequente tra gli addestratori di IA, e già motivo di altre cause legali.

Questo punto mi pare molto meno evidente. Il processo di allenamento contiene molti passi intermedi, non mi è chiaro come riuscire legalmente a definire dove ne inizi uno che è protetto dal fair use (e nel quale quindi, perdonami la semplificazione, si "può violare" il diritto d'autore) e dove invece no. Ma ho in mente anche io alcune delle cause aperte su questo punto, quindi spero lo scopriremo "presto". Grazie per la bella discussione e a presto. -- Stefano Zacchiroli - https://upsilon.cc/zack Full professor of Computer Science, Polytechnic Institute of Paris Co-founder & Chief scientific officer Software Heritage

E’ corretto quindi dedurre che invece la pratica di Anthropic -ma non solo- di acquistare massivamente tonnellate di libri usati, per digitalizzarli e utilizzarli nel training, non porti invece ad alcuna violazione del diritto d’autore ? (Libri che poi -sigh- sono mandati al macero ..) Grazie Antonio Il giorno 24 lug 2026, alle ore 09:15, Maurizio Borghi via nexa <nexa@server-nexa.polito.it> ha scritto: La sentenza non riguarda violazioni contrattuali o di licenza, ma solo violazioni del diritto d'autore. Sui passi intermedi, semplificando un po', la sentenza distingue tra le copie fatte per addestrare gli LLM (fair use) e quelle fatte per creare un database centrale da cui attingere per ogni evenienza (no fair use se ottenute illegalmente). Per rispondere alla tua domanda, il problema principale sta nella fase di acquisizione del "materiale da addestramento". Se lo prendo da database pirata, o aggirando un paywall (es. New York Times v OpenAI), o rimuovendo le informazioni sulle licenze (es. GitHub Copilot), allora tutti gli utilizzi successivi - che presi isolatamente sarebbero fair use - diventano illegittimi. Il contributo rilevante della sentenza sta essenzialmente nel fatto di aver respinto la difesa della "copia intermedia", cioè la copia realizzata quale mero passo intermedio per una finalità di fair use. Il giudice ridimensiona questa difesa (che ha permesso, ad esempio, a Google di prevalere nel caso Google Books), affermando che non si applica se la copia inziale è illecita. Naturalmente occorre precisare che si tratta per ora di una sentenza, non di un approccio consolidato nella giurisprunza USA. Un caro saluto, -- _______________ Maurizio Borghi Università di Torino https://www.dg.unito.it/persone/maurizio.borghi Co-Director Nexa Center for Internet & Society<https://nexa.polito.it/> Il giorno gio 23 lug 2026 alle ore 18:14 Stefano Zacchiroli via nexa <nexa@server-nexa.polito.it<mailto:nexa@server-nexa.polito.it>> ha scritto: Grazie per la risposta, Maurizio. Continuo qui sotto per entrare in alcuni dettagli che mi interessano particolarmente: On Thu, Jul 23, 2026 at 05:40:29PM +0200, Maurizio Borghi wrote:

la risposta non è semplice o univoca. Anthropic usava LibGen, Sci-Hub e Bibliotik, che (correggimi se sbaglio) sono notorie "shadow libraries".

(Confermo per LibGen e Sci-Hub, non conosco invece Bibliotik.)

Su Common Crawl non saprei, perché lì dentro c'è un po' di tutto: uno studio ha stimato che un 70% dei dataset presenti non specifica quale licenza si applichi.

Giusto --- o meglio, non conosco la percentuale, ma è certo che la stragrande maggioranza dei contenuti su Web (come del codice su GitHub, e contenuti di altra natura su piattaforme dedicate) non specifica una licenza. Ma questo non impedisce che io, utente di un Web browser, possa *accedere* legalmente a quel contenuto. Poi i default del diritto d'autore impediscono di fare altre cose, tipo copiare, modificare, redistribuire, esibire ad un pubblico, etc. --- ed è qui che entra in gioco il fair use che salva, almeno secondo questa sentenza, gli allenatori di LLM. Sbaglio qualcosa fin qui, strettamente dal punto di vista del diritto d'autore? (Vedi sotto per i vincoli contrattuali.)

Con il web scraping puoi incorrere in violazioni contrattuali se non rispetti i termini d'uso (che spesso vietano proprio lo scraping);

Il caso dei vincoli contrattuali è in effetti molto pertinente ed interessante. La sentenza prevede l'assenza di entrambi i tipi di violazioni (licenza ed eventuali contratti), o meno? L'avevo finora interpretata come una sentenza principalmente sul diritto d'autore, ma è possibilissimo che sia un errore da parte mia.

puoi inoltre violare di nuovo il copyright se rimuovi i metadati ("rights management information"), cosa piuttosto frequente tra gli addestratori di IA, e già motivo di altre cause legali.

Questo punto mi pare molto meno evidente. Il processo di allenamento contiene molti passi intermedi, non mi è chiaro come riuscire legalmente a definire dove ne inizi uno che è protetto dal fair use (e nel quale quindi, perdonami la semplificazione, si "può violare" il diritto d'autore) e dove invece no. Ma ho in mente anche io alcune delle cause aperte su questo punto, quindi spero lo scopriremo "presto". Grazie per la bella discussione e a presto. -- Stefano Zacchiroli - https://upsilon.cc/zack Full professor of Computer Science, Polytechnic Institute of Paris Co-founder & Chief scientific officer Software Heritage _______________________________________________ nexa mailing list -- nexa@server-nexa.polito.it<mailto:nexa@server-nexa.polito.it> To change settings or unsubscribe please go to: https://server-nexa.polito.it/postorius/lists/nexa.server-nexa.polito.it/ The general archive of the list is located at: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/ Permalink to this message: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/mes... _______________________________________________ nexa mailing list -- nexa@server-nexa.polito.it To change settings or unsubscribe please go to: https://server-nexa.polito.it/postorius/lists/nexa.server-nexa.polito.it/ The general archive of the list is located at: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/ Permalink to this message: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/mes...

Rilevante per questo thread (cita Bartz): India Delhi High Court <https://www.linkedin.com/feed/update/urn:li:activity:7486460083779022848/> rejects injunction, ruling OpenAI likely did not infringe news agency ANI Media’s copyright. AI training is prima facie fair dealing under India copyright law. Court cites Bartz, Kadrey, Google Books decisions. Conferma un giurisprudenza consolidata e coerente nelle giurisdizioni di common law: US, UK (Getty v Stability AI) e ora India. Giancarlo On Fri, 24 Jul 2026 at 10:12, Maurizio Borghi via nexa < nexa@server-nexa.polito.it> wrote:

Sì è corretto: condividiamo la tristezza di vedere i libri ridotti a mangime per i pappagalli stocastici, ma dobbiamo prendere atto che per le corti USA è fair use (sentenze Google Books).

Il giorno ven 24 lug 2026 alle ore 10:01 Antonio Vetro' < antonio.vetro@polito.it> ha scritto:

...

E’ corretto quindi dedurre che invece la pratica di Anthropic -ma non solo- di acquistare massivamente tonnellate di libri usati, per digitalizzarli e utilizzarli nel training, non porti invece ad alcuna violazione del diritto d’autore ?

(Libri che poi -sigh- sono mandati al macero ..)

Grazie Antonio

Il giorno 24 lug 2026, alle ore 09:15, Maurizio Borghi via nexa < nexa@server-nexa.polito.it> ha scritto:

La sentenza non riguarda violazioni contrattuali o di licenza, ma solo violazioni del diritto d'autore. Sui passi intermedi, semplificando un po', la sentenza distingue tra le copie fatte per addestrare gli LLM (fair use) e quelle fatte per creare un database centrale da cui attingere per ogni evenienza (no fair use se ottenute illegalmente).

Per rispondere alla tua domanda, il problema principale sta nella fase di acquisizione del "materiale da addestramento". Se lo prendo da database pirata, o aggirando un paywall (es. New York Times v OpenAI), o rimuovendo le informazioni sulle licenze (es. GitHub Copilot), allora tutti gli utilizzi successivi - che presi isolatamente sarebbero fair use - diventano illegittimi.

Il contributo rilevante della sentenza sta essenzialmente nel fatto di aver respinto la difesa della "copia intermedia", cioè la copia realizzata quale mero passo intermedio per una finalità di fair use. Il giudice ridimensiona questa difesa (che ha permesso, ad esempio, a Google di prevalere nel caso Google Books), affermando che non si applica se la copia inziale è illecita.

Naturalmente occorre precisare che si tratta per ora di una sentenza, non di un approccio consolidato nella giurisprunza USA.

Un caro saluto, -- _______________ *Maurizio Borghi* Università di Torino https://www.dg.unito.it/persone/maurizio.borghi Co-Director Nexa Center for Internet & Society <https://nexa.polito.it/>

Il giorno gio 23 lug 2026 alle ore 18:14 Stefano Zacchiroli via nexa < nexa@server-nexa.polito.it> ha scritto:

...

Grazie per la risposta, Maurizio. Continuo qui sotto per entrare in alcuni dettagli che mi interessano particolarmente:

On Thu, Jul 23, 2026 at 05:40:29PM +0200, Maurizio Borghi wrote:

...

la risposta non è semplice o univoca. Anthropic usava LibGen, Sci-Hub e Bibliotik, che (correggimi se sbaglio) sono notorie "shadow libraries".

(Confermo per LibGen e Sci-Hub, non conosco invece Bibliotik.)

...

Su Common Crawl non saprei, perché lì dentro c'è un po' di tutto: uno studio ha stimato che un 70% dei dataset presenti non specifica quale licenza si applichi.

Giusto --- o meglio, non conosco la percentuale, ma è certo che la stragrande maggioranza dei contenuti su Web (come del codice su GitHub, e contenuti di altra natura su piattaforme dedicate) non specifica una licenza. Ma questo non impedisce che io, utente di un Web browser, possa *accedere* legalmente a quel contenuto. Poi i default del diritto d'autore impediscono di fare altre cose, tipo copiare, modificare, redistribuire, esibire ad un pubblico, etc. --- ed è qui che entra in gioco il fair use che salva, almeno secondo questa sentenza, gli allenatori di LLM. Sbaglio qualcosa fin qui, strettamente dal punto di vista del diritto d'autore? (Vedi sotto per i vincoli contrattuali.)

...

Con il web scraping puoi incorrere in violazioni contrattuali se non rispetti i termini d'uso (che spesso vietano proprio lo scraping);

Il caso dei vincoli contrattuali è in effetti molto pertinente ed interessante. La sentenza prevede l'assenza di entrambi i tipi di violazioni (licenza ed eventuali contratti), o meno? L'avevo finora interpretata come una sentenza principalmente sul diritto d'autore, ma è possibilissimo che sia un errore da parte mia.

...

puoi inoltre violare di nuovo il copyright se rimuovi i metadati ("rights management information"), cosa piuttosto frequente tra gli addestratori di IA, e già motivo di altre cause legali.

Questo punto mi pare molto meno evidente. Il processo di allenamento contiene molti passi intermedi, non mi è chiaro come riuscire legalmente a definire dove ne inizi uno che è protetto dal fair use (e nel quale quindi, perdonami la semplificazione, si "può violare" il diritto d'autore) e dove invece no. Ma ho in mente anche io alcune delle cause aperte su questo punto, quindi spero lo scopriremo "presto".

Grazie per la bella discussione e a presto. -- Stefano Zacchiroli - https://upsilon.cc/zack Full professor of Computer Science, Polytechnic Institute of Paris Co-founder & Chief scientific officer Software Heritage _______________________________________________ nexa mailing list -- nexa@server-nexa.polito.it To change settings or unsubscribe please go to: https://server-nexa.polito.it/postorius/lists/nexa.server-nexa.polito.it/ The general archive of the list is located at: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/ Permalink to this message: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/mes...

_______________________________________________ nexa mailing list -- nexa@server-nexa.polito.it To change settings or unsubscribe please go to: https://server-nexa.polito.it/postorius/lists/nexa.server-nexa.polito.it/ The general archive of the list is located at: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/ Permalink to this message: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/mes...

-- _______________ *Maurizio Borghi* Università di Torino https://www.dg.unito.it/persone/maurizio.borghi Co-Director Nexa Center for Internet & Society <https://nexa.polito.it/> _______________________________________________ nexa mailing list -- nexa@server-nexa.polito.it To change settings or unsubscribe please go to: https://server-nexa.polito.it/postorius/lists/nexa.server-nexa.polito.it/ The general archive of the list is located at: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/ Permalink to this message: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/mes...