Google dice che non esiste una lista delle opere di training, e non si può creare

Lunedì, la giudice Eumi K. Lee del Northern District of California ha respinto la mozione dei querelanti per ottenere un riesame dell'ordinanza sulla discovery emessa da un magistrate judge in In re Google Generative AI Copyright Litigation. Effetto pratico: Google non deve identificare quali opere protette da copyright dei membri della class action siano presenti nei suoi dataset di addestramento. Due ulteriori ordini emessi lo stesso giorno preparano il terreno per la certificazione della class action.

La frase al centro della vicenda

L'ordinanza cita testualmente la posizione di Google: "There is no list of works Google used for training, and no way for Google to generate one. The only record and the only means of determining what materials Google used to train its AI models is the training data itself." La magistrate judge Susan van Keulen aveva rilevato che "only the training datasets will reveal what putative class works were ultimately used," e che la richiesta dei querelanti avrebbe spinto Google a duplicare il lavoro che il loro stesso esperto proposto aveva già svolto — "redundant and not proportional to the needs of the case."

Che cosa sbaglia l'impostazione convenzionale

Dire che "il giudice stabilisce che Google non deve dire su cosa ha addestrato i suoi modelli" sopravvaluta la portata della decisione sotto tre aspetti. Primo, lo standard: il riesame ai sensi della Rule 72(a) può essere concesso solo se l'ordinanza è "clearly erroneous or contrary to law", e l'ordinanza della giudice Lee afferma esplicitamente che non può "simply substitute" il proprio giudizio a quello del magistrate judge. Non ha deciso se Google possa produrre un simile elenco; ha deciso di non poter ravvisare un errore manifesto nella decisione altrui che non lo richiede. Secondo, la frase di Google è una posizione difensiva citata dal tribunale, non un accertamento giudiziale di fatto. Il ragionamento effettivo del tribunale è che van Keulen non si è limitata ad accettare la parola di Google: ha valutato la testimonianza resa nelle deposizioni. Terzo, si tratta di discovery. Nulla di tutto questo tocca fair use, violazione o danni.

Perché una decisione sulla discovery conta così tanto

Identificare quali opere specifiche siano presenti in un corpus di addestramento è l'elemento portante di ogni class action sull'addestramento dell'IA. Senza un elenco delle opere, l'ascertainability e la predominance ai sensi della Rule 23 diventano materialmente più difficili: occorre definire la classe facendo riferimento a qualcosa che nessuno può enumerare. Questa decisione sposta quel peso sull'analisi del dataset campione svolta dal consulente stesso dei querelanti, e arriva mentre la mozione per la certificazione è pendente davanti alla stessa giudice.

Ciò che resta aperto

La mozione per certificare la class action, quattro mozioni per escludere gli esperti, una mozione per sanzioni e una mozione per intervenire. La risposta di Google di due pagine sull'authority supplementare è attesa per l'8 settembre. Un terzo ordine emesso lo stesso giorno ha chiuso sette mozioni superate e afferma espressamente che è amministrativo e non incide sui diritti delle parti — è un lavoro di manutenzione, non sette rigetti.