ज़्यूरिख की एक छोटी टीम ने एक भाषा मॉडल को ट्रेन किया है। अगले महीने वे इसे EU के ग्राहकों को देना चाहते हैं। शुक्रवार को उनका वकील एक लाइन भेजता है। आपका सार्वजनिक ट्रेनिंग सारांश कहां है?
यह गाइड बताती है कि वह सारांश क्या है और EU का टेम्पलेट क्या मांगता है। फिर यह दिखाती है कि ऐसे रिकॉर्ड कैसे रखें जो सारांश का सबूत दें।
ट्रेनिंग सारांश किसे प्रकाशित करना होता है
AI Act हर सामान्य-उद्देश्य AI मॉडल के प्रदाता से अपनी ट्रेनिंग सामग्री का सारांश प्रकाशित करने को कहता है।
यह नियम EU AI Act के Article 53(1)(d) में है। सामान्य-उद्देश्य AI मॉडल के प्रदाताओं को "सामान्य-उद्देश्य AI मॉडल की ट्रेनिंग में इस्तेमाल हुई सामग्री के बारे में एक पर्याप्त विस्तृत सारांश तैयार करना और सार्वजनिक रूप से उपलब्ध करना होगा, AI Office द्वारा दिए गए टेम्पलेट के अनुसार।"
ओपन-सोर्स मॉडल इस कर्तव्य से नहीं बचते। AI Act का Article 53(2) ओपन-सोर्स मॉडलों के लिए कुछ कर्तव्य हटाता है, लेकिन केवल बिंदु (a) और (b)। बिंदु (d) का सारांश अब भी लागू है।
यह कर्तव्य 2 अगस्त 2025 से लागू है (EUR-Lex पर दोबारा जांचा गया, 21 अक्टूबर 2026)। उस तारीख से पहले बाज़ार में आए मॉडलों को ज़्यादा समय मिलता है। उनका सारांश 2 अगस्त 2027 से पहले सार्वजनिक होना चाहिए (आयोग की सूचना में दोबारा जांचा गया, 21 अक्टूबर 2026)।
टेम्पलेट के तीन हिस्से
आयोग के टेम्पलेट में तीन हिस्से हैं, और हर हिस्सा डेटा की एक मोटी तस्वीर मांगता है।
AI Office ने 24 जुलाई 2025 को अपनी व्याख्यात्मक सूचना और टेम्पलेट प्रकाशित की। हर सारांश को इसका पालन करना होगा। टेम्पलेट में तीन हिस्से हैं।
- "1. सामान्य जानकारी" प्रदाता और मॉडल का नाम बताती है। यह बताती है कि मॉडल ने किस तरह की सामग्री से सीखा और हर तरह की कितनी, मोटे दायरों में। यह ट्रेनिंग डेटा का सामान्य स्वरूप बताती है।
- "2. डेटा स्रोतों की सूची" मुख्य डेटासेट के नाम बताती है। यह ऑनलाइन से खींचे गए डेटा को शब्दों में बताती है। यह बाकी सभी स्रोत भी कवर करती है, जैसे यूज़र डेटा या सिंथेटिक डेटा।
- "3. डेटा प्रोसेसिंग के प्रासंगिक पहलू" के तीन भाग हैं। भाग 3.1 है "टेक्स्ट और डेटा माइनिंग अपवाद या ऑप्ट-आउट से अधिकारों के आरक्षण का सम्मान"। भाग 3.2 है "अवैध सामग्री का हटाना"। भाग 3.3 है "अन्य जानकारी (वैकल्पिक)"।
हिस्सा 2 आगे बंटा है। यह सार्वजनिक डेटासेट, निजी डेटासेट, खींचा गया डेटा, यूज़र डेटा और सिंथेटिक डेटा कवर करता है। निजी डेटासेट फिर से बंटे हैं। एक भाग अधिकार धारकों से लाइसेंस पर लिया डेटा है। दूसरा भाग अन्य तीसरे पक्षों से लिया डेटा है।
डोमेन नाम और अपडेट का नियम
आप उन सबसे बड़ी वेबसाइटों की सूची देते हैं जिनसे आपने डेटा खींचा, और मॉडल को आगे ट्रेन करने पर सारांश ताज़ा करते हैं।
टेम्पलेट का हिस्सा 2.3 ऑनलाइन क्रॉल और खींचे गए डेटा को कवर करता है। यह डोमेन नामों की सूची मांगता है। आप वे नाम देते हैं जो "खींची गई सामग्री के आकार के हिसाब से सभी डोमेन नामों के शीर्ष 10 % में" आते हैं। छोटी और मध्यम कंपनियों के लिए नियम हल्का है। वे "शीर्ष 5%, या शीर्ष 1000 डोमेन" की सूची देती हैं।
सारांश एक जीवित दस्तावेज़ भी है। जब आप मॉडल को आगे ट्रेन करते हैं, आप इसे अपडेट करते हैं। सूचना छह महीने के अंतराल पर अपडेट मांगती है, या पहले अगर नया डेटा महत्वपूर्ण है। हर अपडेट पर उसकी तारीख होती है।
इसे कहां और कब प्रकाशित करें
सारांश आपकी वेबसाइट पर जाता है, साफ़ दिखता हुआ, देर से देर तब जब मॉडल EU बाज़ार में पहुंचे।
सूचना कहती है कि सारांश "देर से देर तब सार्वजनिक रूप से उपलब्ध होना चाहिए जब मॉडल संघ के बाज़ार में रखा जाए।" यह यह भी कहती है कि कहां। "इसे प्रदाता की आधिकारिक वेबसाइट पर साफ़ दिखने वाले और सुलभ तरीके से प्रकाशित किया जाना चाहिए"। सारांश "मॉडल के साथ उसके सभी सार्वजनिक वितरण चैनलों पर" भी जाता है।
सीधे शब्दों में, आपको अपनी साइट पर एक आसानी से मिलने वाला पेज चाहिए। आपको हर उस जगह एक कॉपी भी चाहिए जहां लोग मॉडल डाउनलोड करते हैं।
टेम्पलेट क्या नहीं मांगता
आपको हर उस कृति या फ़ाइल की सूची नहीं देनी होती जिससे मॉडल ने सीखा।
सूचना का पैराग्राफ़ 16 इस पर साफ़ है। टेम्पलेट "मॉडल को ट्रेन करने में इस्तेमाल हुए विशिष्ट डेटा और कृतियों के विवरण के खुलासे की मांग नहीं करता"। AI Act का Recital 107 कहता है कि सारांश "सामान्य रूप से व्यापक" होना चाहिए लेकिन "तकनीकी रूप से विस्तृत" नहीं।
सूचना उद्देश्य भी बताती है। सारांश "सार्थक सार्वजनिक पारदर्शिता देने और वैध हितों वाले पक्षों को संघ के कानून के तहत अपने अधिकारों का प्रयोग और प्रवर्तन करने में मदद करने" का काम करता है। एक अधिकार धारक इसे पढ़कर देखता है कि उसकी कृति इसके अंदर हो सकती है या नहीं। फिर वह आपसे सवाल पूछ सकता है। उनके जवाब के लिए आपको रिकॉर्ड चाहिए होंगे।
सारांश का सबूत सील किए हुए रिकॉर्ड से दें
अपने डेटासेट मैनिफ़ेस्ट, लाइसेंस फ़ाइलें और सारांश को तारीख वाले संस्करणों के रूप में सील करें, ताकि आप दिखा सकें कि आपके पास क्या था और कब।
सारांश एक सार्वजनिक दावा है। एक दिन कोई अधिकार धारक या AI Office पूछ सकता है कि इसके पीछे क्या था। मान लें आपका हिस्सा 2.2.1 अधिकार धारकों से लाइसेंस पर लिए डेटा की सूची देता है। आप वे लाइसेंस फ़ाइलें वैसी चाहेंगे जैसी वे ट्रेनिंग के दिन थीं। मान लें आपका हिस्सा 3.1 कहता है कि आपने ऑप्ट-आउट का सम्मान किया। आप डेटासेट मैनिफ़ेस्ट और ऑप्ट-आउट सूची वैसी चाहेंगे जैसी वे उस दिन थीं।
Swiss Trust Layer पर आप ये फ़ाइलें एक फ़ोल्डर में अपलोड करते हैं और उसे सील करते हैं। प्लैटफ़ॉर्म हर फ़ाइल का और सील किए गए पैकेज का एक फ़िंगरप्रिंट निकालता है। केवल फ़िंगरप्रिंट Swisscom Trust Services को जाता है, जो एक योग्य ट्रस्ट सेवा प्रदाता है। फ़ाइल खुद नहीं जाती। Swisscom फ़िंगरप्रिंट पर हस्ताक्षर करता है और RFC 3161 के तहत एक टाइमस्टैम्प जोड़ता है। हर सील किए गए संस्करण को सबूत का एक प्रमाणपत्र मिलता है, एक हस्ताक्षरित PDF। इसमें हर फ़ाइल का नाम और उसका फ़िंगरप्रिंट होता है, साथ में संस्करण संख्या। इस पर एक QR कोड एक सार्वजनिक सत्यापन पेज खोलता है जिसके लिए लॉगइन नहीं चाहिए।
हर बार जब आप सारांश अपडेट करें, फ़ोल्डर का एक नया संस्करण जोड़ें। फ़ोल्डर एक Version History रखता है, और हर संस्करण अपनी सील रखता है। किसी फ़ाइल में कोई भी बदलाव एक अलग फ़िंगरप्रिंट देता है। इसलिए संस्करणों की तारीख वाली श्रृंखला दिखाती है कि हर तारीख पर आपके पास क्या था।
सील क्या साबित करती है और क्या नहीं
सील साबित करती है कि रिकॉर्ड एक तारीख पर मौजूद था और तब से नहीं बदला; यह नहीं साबित करती कि डेटा का इस्तेमाल कानूनी था।
सीमा के बारे में ईमानदार रहें। सील साबित करती है कि यही फ़ाइल उस पल मौजूद थी और तब से नहीं बदली। यह नहीं साबित करती कि सामग्री किसने बनाई, कि सामग्री सच है, या कि सील करने वाले के पास अधिकार हैं। यह नहीं साबित करती कि आपके ट्रेनिंग डेटा का इस्तेमाल कानूनी था। सील कॉपीराइट नहीं बनाती। कॉपीराइट रचना के साथ पैदा होता है। सील की हुई लाइसेंस फ़ाइल दिखाती है कि उस दिन आपके पास कौन सा लाइसेंस टेक्स्ट था। वह लाइसेंस आपके इस्तेमाल को कवर करता है या नहीं, यह एक कानूनी सवाल है जिसका जवाब सील नहीं दे सकती।
अपने डेटासेट मैनिफ़ेस्ट, लाइसेंस फ़ाइलें और सारांश का मसौदा आज ही Swiss Trust Layer पर पहले संस्करण के रूप में सील करें।
