В России обсуждали раскрытие обучающих датасетов разработчиками нейросетей
Минцифры и участники рынка обсуждали возможность законодательно обязать разработчиков отечественных нейросетей раскрывать сведения об обучающих датасетах, включая их происхождение, объем и формат. В текущую версию законопроекта об ИИ данная мера не вошла из-за возражений представителей отрасли, указавших на высокую нагрузку на разработчиков и риски для конкурентных преимуществ, а эксперты предупреждают о вероятности авторских судебных споров в случае раскрытия источников данных.
Краткое изложение по материалу: Forbes.ru
Что сообщает источник
Ниже — краткий пересказ материала источника; для правовых выводов сверяйтесь с первичным документом.
- Минцифры, профильные ассоциации и компании сферы искусственного интеллекта обсуждали инициативу об обязании разработчиков российских моделей ИИ раскрывать данные о наборах информации для обучения и тестирования нейросетей.
- Одна из рабочих версий регулирования предусматривала раскрытие наименования, даты создания, назначения, формата, объема и происхождения датасетов, а также возможное создание реестра отечественного ИИ или наборов данных.
- Представитель Минцифры подтвердил, что в текущую редакцию готовящегося законопроекта об ИИ положения о раскрытии обучающих данных не включены.
- В Альянсе в сфере ИИ заявили, что детальное реестровое описание массивов данных потребует несоразмерных затрат или превратится в формальность без аналитической ценности.
- Представители индустрии отметили, что подробное раскрытие состава данных создает существенную нагрузку при регулярных обновлениях моделей и может затронуть конкурентные преимущества разработчиков.
- В случае введения обязанности раскрывать массивы данных выявление фактов использования материалов без соблюдения авторских прав может привести к появлению судебных исков к разработчикам в России.
Редакционная оценка правового значения
Аналитический комментарий AIPravo; это не текст первичного документа и не официальное толкование права.
Инициатива по обязательному раскрытию происхождения и параметров обучающих датасетов направлена на повышение прозрачности разработки ИИ, однако несет риски раскрытия коммерчески значимой информации о структуре моделей. Кроме того, фиксация источников данных может послужить доказательственной базой для потенциальных судебных исков со стороны правообладателей при несанкционированном использовании объектов авторского права в процессе машинного обучения.