Un modello di intelligenza artificiale addestrato su milioni di libri – molti dei quali coperti da copyright – è finito al centro di una causa legale negli Stati Uniti. Il verdetto? Sorprendente: un giudice federale ha stabilito che utilizzare opere protette per l’addestramento di un’AI può rientrare nel fair use, ossia un uso consentito dalla legge sul diritto d’autore. Ma la storia non finisce qui. Nella stessa decisione, il giudice ha anche condannato fermamente la pratica di scaricare libri pirata come fonte di dati, aprendo la porta a potenziali risarcimenti miliardari. Questo caso – che coinvolge la startup AI Anthropic – sta facendo discutere l’intero settore tecnologico e pone le basi per il futuro rapporto tra AI e diritto d’autore.
Fair use: il training AI è legittimo secondo il giudice
La causa è stata intentata da tre scrittori (Andrea Bartz, Charles Graeber e Kirk Wallace Johnson) contro Anthropic, accusata di aver usato i loro libri senza permesso per addestrare il suo modello linguistico Claude. Nella sua decisione, il giudice William Alsup – noto per la competenza in casi tech – ha dato ragione ad Anthropic su un punto cruciale: addestrare un’AI su testi protetti può costituire “fair use” secondo la legge statunitense. In altre parole, far “leggere” all’AI opere altrui senza autorizzazione può essere legittimo, a patto che l’uso sia sufficientemente trasformativo.
Alsup ha definito l’uso fatto da Anthropic “estremamente trasformativo”: il modello non fornisce un semplice sostituto dei libri originali, ma genera qualcosa di nuovo. L’analogia è con l’apprendimento umano: proprio come uno scrittore umano può leggere libri, memorizzarne brani e poi creare un romanzo originale, così l’AI può apprendere dai testi e produrre contenuti inediti. Il giudice ha osservato che far pagare un autore ogni volta che qualcuno legge un libro, lo ricorda a memoria o ne trae ispirazione per un’opera nuova sarebbe impensabile. Allo stesso modo, non si può impedire a un’AI di “imparare” dai libri, finché non replica pedissequamente parti protette.
Importante, la decisione di Alsup riguarda solo l’uso dei dati di training (gli input) e non eventuali testi generati dall’AI. In questo caso, gli autori non sostenevano che Claude avesse sputato fuori brani copiati dai loro libri, ma solo che il semplice atto di copia e analisi durante l’addestramento fosse una violazione. Il giudice ha quindi esaminato a fondo la dottrina del fair use: negli USA, la sezione 107 del Copyright Act elenca quattro fattori per capire se un uso non autorizzato sia lecito, primo fra tutti lo scopo “trasformativo”. Nel caso di Claude, il tribunale ha concluso che l’AI sfrutta i libri come materia prima per creare qualcosa di diverso e creativo, in linea con la finalità del copyright di promuovere il progresso scientifico e la creatività. Questa è la prima volta che un tribunale si esprime così chiaramente sul fair use nell’addestramento di AI generative, fornendo un precedente di peso per le numerose cause analoghe in corso.
Dal punto di vista delle aziende tech, si tratta di una vittoria importante. Colossi come OpenAI, Google, Meta e la stessa Anthropic hanno sempre sostenuto che i loro modelli non “rubano” testi, ma li utilizzano per scopi innovativi e benefici per la società. Obbligarli a pagare licenze per ogni opera usata in fase di training, dicono, soffocherebbe sul nascere un settore in pieno boom. La pronuncia di Alsup sembra dar loro ragione su questo punto, riconoscendo esplicitamente che l’addestramento è un uso consentito e anzi auspicato dalla legge (“not only allows, but encourages”, ha scritto il giudice). Non sorprende quindi che Anthropic si sia detta “soddisfatta” per il riconoscimento del carattere trasformativo e creativo del proprio AI.
Libri pirata: Books3, LibGen e la “biblioteca” segreta di Anthropic
Se Anthropic ha ottenuto una vittoria sul fronte del fair use, ha però incassato anche una sonora sconfitta su un altro fronte: quello della pirateria. Durante la causa è emerso che la startup, nel suo sforzo di “leggere tutti i libri del mondo”, non si è limitata ad acquistare testi legalmente. Ha anche attinto a piene mani da archivi pirata online come Library Genesis (LibGen), il Pirate Library Mirror (PiLiMi) e il celebre dataset Books3, che indicizza oltre 180 000 libri digitali ottenuti senza licenza. In totale, tra il 2021 e il 2022, un cofondatore di Anthropic ha scaricato oltre 7 milioni di libri pirata da queste fonti. L’azienda sognava di costruire una sorta di “biblioteca centrale di tutti i libri del mondo” da conservare per sempre nei propri server – una risorsa permanente dalla quale attingere per addestrare vari modelli AI.
Il giudice Alsup ha considerato questa pratica un chiaro oltrepassare il limite. In sostanza, ha distinto due tipi di attività: da un lato scansionare libri acquistati (anche usati) e usarli per il training; dall’altro immagazzinare copie pirata in un archivio permanente. Il primo comportamento rientra nel fair use (persino la conversione da cartaceo a digitale è stata giudicata lecita, in quanto operazione trasformativa per finalità di ricerca e indicizzazione). Il secondo comportamento invece è una violazione a sé stante: creare una biblioteca digitale usando e-book pirata è illecito, a prescindere dall’uso che se ne fa. Il fatto che Anthropic, in un secondo momento, abbia iniziato a comprare milioni di libri cartacei da scannerizzare non la esonera dalle responsabilità per aver “rubato” inizialmente quei testi online. Anzi, l’aver mantenuto copie pirata “per comodità e risparmio” – parole del giudice – aggrava la posizione dell’azienda.
Alsup ha quindi negato ad Anthropic il giudizio immediato su questa parte della causa: si andrà a processo per determinare i danni dovuti agli autori per la copia non autorizzata dei loro libri. La cifra potrebbe essere enorme: la legge USA prevede fino a 150 000 $ di sanzione per ogni violazione volontaria di copyright. Moltiplicando per milioni di opere, si arriva a somme astronomiche (teoricamente centinaia di miliardi di dollari). È improbabile che si giunga a tanto – spesso in questi casi si opta per un risarcimento forfettario o un accordo – ma il segnale è chiaro: il tribunale intende punire in modo esemplare l’uso disinvolto di materiali pirata. Nelle parole di Alsup, nessun imputato potrà convincere la corte che scaricare libri da siti pirata quando avrebbe potuto acquistarli legalmente fosse “ragionevolmente necessario” per ottenere il fair use successivo. Tradotto: se vuoi addestrare un’AI sui nostri libri, procùrati le copie in modo lecito.
- Fonti dei dataset di Anthropic: la startup ha acquistato milioni di libri cartacei (anche usati) da rivenditori, per poi scannerizzarli e distruggere le copie fisiche (pratica giudicata lecita). Allo stesso tempo, ha scaricato senza permesso circa 196 000 libri dal dataset Books3, almeno 5 milioni di file da LibGen e circa 2 milioni da PiLiMi. Queste copie digitali pirata sono state conservate in un archivio interno permanente.
Implicazioni per OpenAI, Meta, Google e tutto il settore
La sentenza sul caso Anthropic avrà conseguenze che vanno ben oltre questa singola azienda. Negli ultimi mesi, numerosi autori, editori e creatori hanno avviato azioni legali simili contro le big tech dell’AI. OpenAI (ChatGPT), Meta (LLaMA), Microsoft (GitHub Copilot) e altre invocano il fair use come scudo, e finora mancava un precedente chiaro. Ora la decisione di Alsup sarà citata in ogni tribunale che discute di copyright AI. Nei casi in cui non ci sia pirateria, questa pronuncia dà forza alla tesi delle aziende: addestrare i modelli generativi è un uso consentito.
Di contro, la Authors Guild – la maggiore associazione di autori negli USA – ha definito “pericolosa” la parte di sentenza sul fair use. I creatori temono che il data mining indiscriminato privi gli scrittори del controllo sulle proprie opere e saturi il mercato di contenuti AI concorrenti. La Guild spera in un ribaltamento in appello; la battaglia legale è tutt’altro che conclusa e potrebbe arrivare alle Corti superiori.
Nel frattempo le aziende AI dovranno calibrare con attenzione le loro mosse. Il messaggio è inequivocabile: basta dataset pirata. Il rischio legale supera qualunque vantaggio nel reperire materiale non autorizzato. Molte imprese stanno già stringendo accordi di licenza con editori, puntando su testi di pubblico dominio o licenze aperte, o su dati proprietari forniti dagli utenti stessi. Anche se il fair use di Anthropic verrà confermato, collaborare con gli autori può ridurre i rischi regolatori e costruire un ecosistema più sostenibile.
Va poi considerato il contesto internazionale: la dottrina del fair use è tipica degli Stati Uniti. In Europa vigono eccezioni più ristrette e un diritto di opt-out per i titolari. Un’Anthropic europea avrebbe molte più difficoltà a difendersi se usasse dati senza licenza. Questo aumenterà la pressione per norme sul copyright aggiornate all’era AI, sia negli USA sia altrove.
E ora?
Il caso Anthropic è uno snodo centrale nel dibattito su AI e copyright. Riconosce che i modelli possono “leggere” opere protette traendone ispirazione, ma ribadisce che l’innovazione non giustifica la pirateria. La palla passa ai tribunali di grado superiore e ai legislatori, chiamati a bilanciare progresso tecnologico e tutela della creatività. Nel frattempo, aziende AI, autori ed editori dovranno trovare un terreno comune: licenze collettive, accordi di revenue sharing, nuovi modelli di compenso. Le domande aperte sono molte: fino a che punto è giusto che un’AI sfrutti il lavoro creativo altrui? Come garantire un ecosistema sostenibile per chi crea senza frenare l’innovazione? Il finale è tutto da scrivere, ma una cosa è certa: dopo il “caso Anthropic” il rapporto tra AI e copyright non sarà più lo stesso.
