کپیرایت هوش مصنوعی یعنی چه؟ سه مفهوم پایه
«کپیرایت هوش مصنوعی» یک قانون جداگانه نیست؛ مجموعهای از پرسشهای کپیرایت کلاسیک است که حالا در چرخهٔ هوش مصنوعی مطرح میشود: جمعآوری دادهٔ آموزشی، آموزشِ خودِ مدل، و خروجیهایی که شبیه آثار موجودند. در اروپا هر سه مرحله میتوانند عملِ «بازتولید» یا «ارائه به عموم» شمرده شوند و به همین دلیل نیاز به مجوز یا استثنا دارند. قانون AI Act هم یک لایهٔ جدید اضافه میکند: حتی وقتی استثنا دارید، باید سیاست و شفافیت داشته باشید.
مادهٔ ۳ و مادهٔ ۴ دستور DSM چه تفاوتی دارند؟
دستور «کپیرایت در بازار واحد دیجیتال» (2019/790) دو استثنای TDM تعریف کرده است: مادهٔ ۳ برای پژوهش علمی و مادهٔ ۴ برای هر هدف دیگری، از جمله اهداف تجاری. هر دو فقط روی محتوای «بهطور قانونی در دسترس» اعمال میشوند؛ یعنی دور زدن paywall یا بیاعتنایی به موانع دسترسی، شما را از استثنا محروم میکند. تفاوت کلیدی در مخاطب و در امکان انصراف حقدار است.
| معیار | مادهٔ ۳ | مادهٔ ۴ |
|---|---|---|
| هدف مجاز | پژوهش علمی | هر هدف، شامل تجاری |
| چه کسی میتواند استفاده کند | سازمانهای پژوهشی و مؤسسات میراث فرهنگی | هر سازمان یا فرد |
| امکان opt-out توسط حقدار | ندارد (اجباری) | دارد — رزرو ماشینخوان |
| شرط دسترسی | دسترسی قانونی به اثر | دسترسی قانونی به اثر |
- دسترسی قانونی: نسخهای که تحلیل میکنید باید بدون دور زدن موانع بهدست آمده باشد.
- هدف تحلیل خودکار: بازتولیدها باید در خدمت استخراج الگو باشند، نه مصرف مستقیم.
- عدم رزرو: حقدار برای همین اثر اعلام ماشینخوان «ممنوع» نگذاشته باشد.
- محدودیت نگهداری: نسخهها فقط تا اندازهٔ لازم برای تحلیل نگه داشته شوند.
This specification defines a simple and practical Web protocol, capable of expressing the reservation of rights relative to text & data mining (TDM) applied to lawfully accessible Web content.
— W3C TDM Reservation Protocol — Final Community Group Report, 10 May 2024
قانون هوش مصنوعی اروپا (AI Act) چه الزاماتی برای دادهٔ آموزشی دارد؟
قانون هوش مصنوعی (2024/1689) از ۱ اوت ۲۰۲۴ لازمالاجراست و الزامات مدلهای همهمنظوره از ۲ اوت ۲۰۲۵ فعال شدهاند. مادهٔ ۵۳(۱)(c) از ارائهدهندگان GPAI میخواهد سیاستی برای رعایت حقوق کپیرایت اتحادیه — از جمله شناسایی و احترام به رزروهای مادهٔ ۴(۳) DSM — داشته باشند. مادهٔ ۵۳(۱)(d) نیز انتشار خلاصهٔ عمومی و «بهقدر کافی مفصل» از محتوای آموزشی را الزامی میکند. این دو بند، کپیرایت را از «ریسک دادگاهی صرف» به «وظیفهٔ انطباق قابل ممیزی» ارتقا میدهند.
- 1
سیاست کپیرایت بنویسید
سیاست مکتوب و اجرایی برای رعایت حقوق کپیرایت اتحادیه، شامل فرایند شناسایی رزروهای مادهٔ ۴(۳).
- 2
خلاصهٔ عمومی دادهٔ آموزشی منتشر کنید
با قالب رسمی دفتر AI (منتشرشده در ۲۴ جولای ۲۰۲۵): مدالیته، مقیاس، زبانها، منابع اصلی، خزندهها و نحوهٔ رعایت opt-out.
- 3
بهروزرسانی دورهای
خلاصه هر ۶ ماه و بهمحض تغییر مادی (مثل further training) تازه شود.
- 4
اطلاعات را به مصرفکنندگان مدل برسانید
توسعهدهندگانِ پاییندست باید بتوانند مستندات و خلاصه را بگیرند؛ این را در فرایند خرید مدل بخواهید.
این الزامات شما را — بهعنوان مصرفکنندهٔ مدل یا توسعهدهندهٔ پاییندست — هم لمس میکند. هنگام انتخاب ارائهدهنده، خلاصهٔ عمومی دادهٔ آموزشی و سیاست کپیرایت او را بخواهید و بایگانی کنید؛ بخشی از انطباق محصول شما به سند او وابسته است. اگر خودتان fine-tune میکنید، همان منطق رزروها و دسترسی قانونی روی دادهٔ شما اعمال میشود؛ مدلِ شما از نظر حقوقی «زیرمجموعهٔ تصمیمهای دادهای شما» است.
سه حکم مهم ۲۰۲۴–۲۰۲۵ چه گفتند؟ مونیخ، هامبورگ، لندن
قانون را بنویسند، دادگاه تفسیر میکند. سه حکم اخیر نقشهٔ مرزها را بهمراتب شفافتر کردهاند و هر کدام یک «درس فنی» مشخص دارند. جدول زیر خلاصه است؛ بند بعدی هر پرونده را باز میکنیم.
| پرونده | دادگاه و تاریخ | نتیجهٔ کلیدی | درس برای توسعهدهنده |
|---|---|---|---|
| GEMA v. OpenAI (42 O 14139/24) | LG München I — ۱۱ نوامبر ۲۰۲۵ | حفظشدن ترانهها در مدل = بازتولید؛ استثنای TDM رد شد | طراحی مدل نباید اثر محافظتشده را قابل بازیابی کند |
| Kneschke v. LAION | LG Hamburg — ۲۷ سپتامبر ۲۰۲۴ | ساخت دیتاست (تصویر + URL + embed) برای پژوهش مجاز | دیتاستسازی پژوهشی پوشش دارد؛ بازتولید در محصول نه |
| Getty Images v. Stability AI | High Court لندن — ۴ نوامبر ۲۰۲۵ | ادعاهای اصلی کپیرایت رد شد؛ شکست جزئی در علائم تجاری | وزنهای مدل بهخودیخود «نسخهٔ متضاد» نیستند؛ برند و واترمارک جدا سنجیده میشود |
در پروندهٔ مونیخ، انجمن حقنویسان GEMA نشان داد مدلهای GPT-4/4o متن کامل ترانههای محافظتشدهٔ آلمانی را با پرامپتهای ساده — حتی با غیرفعال بودن جستوجوی وب — تقریباً کامل بازمیگردانند. دادگاه گفت چنین حفظشدگی، بازتولید است و استثنای TDM فقط بازتولیدهای «پیشآمادهسازی برای تحلیل» را میپوشاند، نه بازتولیدهای ماندگار در مدل. دادگاه همچنین مسئولیت را به کاربر نهایی منتقل نکرد: معماری و دادهٔ آموزشی بهکلی زیر کنترل ارائهدهنده است.
در هامبورگ، عکاسی استوکی به نام Kneschke علیه LAION شکایت کرد چون یکی از عکسهایش در دیتاست تصویری (URL + embed) آمده بود. دادگاه ساخت دیتاست را با استثنای پژوهشی TDM (مادهٔ ۳ DSM و معادل ملی آن در آلمان) مجاز دانست و در تجدیدنظر نیز رد دعوا تأیید شد. نکتهٔ مهم: آنچه پوشش گرفت «ساخت دیتاست برای پژوهش» بود، نه استفادهٔ تجاری در محصول.
در لندن، گتی ایماژ ادعا کرده بود آموزش در بریتانیا، خروجیهای واترمارکدار و وزنهای مدل نقض هستند؛ اما ادعاهای اصلی کپیرایت در جریان دادرسی کنار گذاشته شد و دادگاه در ۴ نوامبر ۲۰۲۵ آنها را ناکام اعلام کرد. دادگاه گفت وزنهای مدل خودشان نسخهٔ متضاد نیستند و ادعای نقض ثانویه هم پابرجا نماند؛ تنها بخشی از ادعاهای علائم تجاری (خروجیهای واترمارکدار) پابرجا ماند. حکم دربارهٔ «آموزش در UK» نتیجهٔ مطلقی برای صنعت نیست، اما نشان داد اثبات نقض در سطح وزنها دشوار است.
opt-out ماشینخوان را چطور در کد تشخیص بدهم؟ (TDMRep و robots.txt)
مادهٔ ۴(۳) رزرو را «بهینه برای ماشین» میخواهد و پروتکل TDMRep این خواسته را به سه شکل رایج عملیاتی کرده است: فایل /.well-known/tdmrep.json روی سرور مبدأ، هدرهای HTTP با نام tdm-reservation و tdm-policy، و متاتگهای HTML با همان نامها. مقدار ۱ یعنی «حق TDM رزرو شده» و مقدار ۰ یعنی «رزروی نیست». اولویت پردازش مهم است: فایل سایتگیر، بعد هدر پاسخِ خود منبع، و در آخر متاتگ — هر لایهٔ بعدی مقدار لایهٔ قبلی را بازنویسی میکند.
| User-agent | سرویس | نقش |
|---|---|---|
| GPTBot | OpenAI | خزندهٔ جمعآوری داده برای آموزش مدلها |
| OAI-SearchBot | OpenAI | خزندهٔ موتور جستوجوی OpenAI |
| ChatGPT-User | OpenAI | بازدید به نیابت از کاربر ChatGPT (نه آموزش) |
| ClaudeBot | Anthropic | خزندهٔ جمعآوری داده برای آموزش |
| Google-Extended | کنترل استفادهٔ محتوا در آموزش Gemini/Vertex | |
| CCBot | Common Crawl | خزندهٔ کرپ عمومی که دیتاستهای بسیاری از مدلها از آن تغذیه میشود |
با APX24: یک دستیار خلاصهٔ قانونی بسازیم
جایی که این دانش به ارزش تبدیل میشود، ابزار است: دستیاری که الزامات مادهٔ ۵۳ را برای تیم خلاصه کند، یا گزارش خوانا از فایل tdmrep.json ناشران بسازد. API مدلهای زبانی در APX24 سازگار با OpenAI v1 است؛ یعنی همان ساختار POST /v1/chat/completions با آرایهٔ messages و هدر Bearer. در نمونهٔ زیر از مدل gpt-6-astra برای خلاصهسازی مقرراتی استفاده میکنیم.
چکلیست عملی برای تیمهای محصول: چه باید کرد؟
این بخش همان چیزی است که باید در بکلاگ تیم جا بگیرد: مجموعهای از اقدامات قابل تخصیص که لایهٔ حقوقی و لایهٔ فنی را به هم میدوزد. ترتیب اهم: اول مبنای حقوقی، بعد رزروها، بعد مستندسازی. هر اقدام را با مالک و مهلت تعریف کنید تا از «میدانیم، بعداً» خارج شوید.
- 1
مبنای حقوقی را بنویسید
برای هر منبع داده مشخص کنید به کدام استثنا/مجوز تکیه دارید (مادهٔ ۳، مادهٔ ۴، لایسنس، قرارداد).
- 2
رزروها را ماشینی چک کنید
گیت check_tdm (بخش ۵) را قبل از هر ذخیرهسازی اجرا کنید؛ رزروشدهها به صف لایسنس بروند.
- 3
منشأ داده را مستند کنید
URL، تاریخ، User-Agent و تصمیم رزرو را در لاگ ماندگار نگه دارید.
- 4
دادهٔ خودتان را هم اعلام کنید
اگر ناشر/سکو هستید، هدر tdm-reservation یا فایل tdmrep.json را منتشر کنید تا انتخاب شما ماشینخوان باشد.
- 5
برای موارد رزروشده مسیر مجوز بسازید
tdm-policy ناشر را بخوانید، تماس بگیرید، و قرارداد را در رجیستری داده ثبت کنید.
- 6
رویهٔ قضایی را پایش کنید
هر فصل، وضعیت تجدیدنظرها و راهنماهای جدید دفتر AI را مرور و سیاست را بهروز کنید.
- خط قرمز ۱ — دور زدن paywall یا موانع دسترسی: «دسترسی قانونی» شرط هر دو استثناست.
- خط قرمز ۲ — خزش با هویت جعلی یا نادیدهگرفتن robots.txt خزندههای اعلامشده.
- خط قرمز ۳ — نادیدهگرفتن رزرو ماشینخوان TDMRep به این بهانه که فایل حقوقی نیست.
- خط قرمز ۴ — فرض «استفادهٔ پژوهشی» برای محصولی که در عمل تجاری است؛ دادگاهها به واقعیت کارکرد نگاه میکنند.




