Os Emails da Meta Revelam o Torrent de Livros Pirateados para Treinamento de IA

Emails recentemente revelados surgiram como o que os autores de livros estão chamando de “a evidência mais condenatória” contra a Meta em um processo de direitos autorais em andamento, conforme relatado pela primeira vez por Ars Technica.

Ars Technica informa que os autores alegam que a Meta treinou ilegalmente seus modelos de IA em livros pirateados, e os e-mails revelam preocupações internas sobre a legalidade do uso de torrents e semeadura de material protegido por direitos autorais.

No mês passado, a Meta admitiu ter feito o torrent de um conjunto de dados controverso conhecido como LibGen, que contém dezenas de milhões de livros piratas.

No entanto, os detalhes permaneceram incertos até que os emails sem redação foram tornados públicos.

De acordo com a petição judicial dos autores, a Meta fez o download via torrent de “pelo menos 81,7 terabytes de dados em várias bibliotecas sombra através do site Anna’s Archive, incluindo pelo menos 35,7 terabytes de dados da Z-Library e LibGen.” Além disso, “a Meta também já fez o download via torrent de 80,6 terabytes de dados da LibGen.”

“A magnitude do esquema ilegal de torrent da Meta é impressionante”, afirmou a petição dos autores, ressaltando que até mesmo “atos muito menores de pirataria de dados — apenas 0,008 por cento da quantidade de obras protegidas por direitos autorais que a Meta pirateou — resultaram em juízes encaminhando a conduta para o escritório dos Procuradores dos EUA para investigação criminal.”

A Ars Technica observa que os e-mails também revelam um desconforto interno entre os funcionários da Meta. Em abril de 2023, o engenheiro de pesquisa Nikolay Bashlykov escreveu: “Baixar torrents de um laptop corporativo não parece certo”, acrescentando um emoticon sorridente.

Ele expressou preocupação sobre o uso de endereços IP da Meta “para carregar conteúdo pirata através de torrents”. Em setembro de 2023, Bashlykov havia abandonado o humor, consultando a equipe jurídica da Meta e alertando que “o uso de torrents implicaria em ‘semear’ os arquivos – ou seja, compartilhar o conteúdo fora, isso poderia legalmente não estar OK”.

Apesar desses avisos, autores alegam que a Meta continuou a fazer torrent e a semear conteúdo pirateado, até mesmo tentando esconder suas atividades.

Ars Technica relata que mensagens internas mostram que a Meta evitou usar servidores do Facebook para baixar o conjunto de dados para “evitar” o “risco” de alguém “rastrear o semeador/baixador”, conforme descrito pelo pesquisador Frank Zhang.

Michael Clark, um executivo da Meta, também admitiu em um depoimento que as configurações foram modificadas “para que a menor quantidade possível de semeadura pudesse ocorrer”.

Os autores agora argumentam que a equipe da Meta envolvida na decisão de torrenting deve ser deposta novamente, pois as novas evidências supostamente “contradizem o testemunho de depoimento anterior”.

Por exemplo, enquanto o CEO Mark Zuckerberg afirmou que não teve envolvimento no uso da LibGen para treinamento de IA, mensagens não redigidas sugerem que a “decisão de usar a LibGen ocorreu” após “uma escalada anterior para MZ”.

Ars Technica relata que a Meta manteve que seu treinamento de IA na LibGen constitui “uso justo” e negou qualquer distribuição ilegal das obras dos autores. No entanto, as revelações de torrenting complicaram sua defesa, permitindo que os autores expandam suas reivindicações de violação direta de direitos autorais.

Conforme o caso avança, a Meta enfrenta um crescente escrutínio sobre sua gestão de material protegido por direitos autorais, com os autores determinados a responsabilizar o gigante da tecnologia pelo que eles descrevem como um “esquema massivo e ilegal de torrenting.”