يواجه أي فريق يدرب نموذج ذكاء اصطناعي نوعين مختلفين من المخاطر القانونية، ينبعان من اتجاهين مختلفين. الأول تنظيمي: اعتبارا من 2 أغسطس 2026، تلزم المادة 10 من قانون الذكاء الاصطناعي للاتحاد الأوروبي مزودي أنظمة الذكاء الاصطناعي عالية المخاطر بتوثيق مجموعات بيانات التدريب والتحقق والاختبار الخاصة بهم، بما في ذلك عمليات جمع البيانات ومصدرها. أما الثاني فمدني: يمكن لصاحب حقوق النشر أن يدعي أن عمله استخدم دون إذن، ويقع عبء الإثبات على شركة الذكاء الاصطناعي لتوضيح ما هي البيانات التي استخدمتها فعليا وكيفية الحصول عليها.
يطرح كلا النوعين من المخاطر صيغة من السؤال ذاته: ماذا تحتوي مجموعة البيانات، ومن أين جاءت، ومتى تم الحصول عليها. هذا السؤال هو ما يعنيه إثبات المصدر عمليا، ويستحق الأمر توخي الدقة بشأن ما يمكن وما لا يمكن أن يثبته سجل يحمل ختما زمنيا.
ما الذي تتطلبه المادة 10 فعليا
تنطبق المادة 10 على أنظمة الذكاء الاصطناعي عالية المخاطر، وتحدد ممارسات حوكمة البيانات التي يجب أن يضعها المزود موضع التنفيذ. وتشمل الالتزامات خيارات التصميم المتخذة عند جمع البيانات، وعملية جمع البيانات نفسها ومصدرها، وخطوات الإعداد مثل التوصيف والتصنيف والتنقية، وتقييم ما إذا كانت مجموعة البيانات ذات صلة وممثلة بما فيه الكفاية للغرض المقصود منها، وفحص إمكانية وجود تحيز. وحيثما يحدد المزود ثغرات تحول دون الامتثال، يجب توثيق ذلك أيضا.
لا يطلب أي من هذا من الشركة أن تثبت أنها حصلت على إذن بشأن كل حق نشر ضمن مجموعة بيانات التدريب. فالمادة 10 هي نظام لجودة البيانات والحوكمة، وليست نظاما لتصفية حقوق النشر. لكن الاستجابة لها بشكل جيد تتطلب السجل الأساسي ذاته الذي تحتاجه أي دفاع في قضية حقوق نشر: ما هي البيانات التي أدخلت، ومن أين جاءت، ومتى.
المخاطر المدنية المنفصلة
تشكل مطالبات حقوق النشر ضد ممارسات تدريب الذكاء الاصطناعي مجالا نشطا وحيا من التقاضي في عدة ولايات قضائية، مع دعاوى رفعتها دور نشر ومؤلفون وأصحاب حقوق موسيقية ومكتبات صور ضد كبرى شركات تطوير الذكاء الاصطناعي. وتختلف النظريات القانونية باختلاف الولاية القضائية والقضية، ولا تزال المحاكم تعمل على حسم مسائل جوهرية مثل ما إذا كان التدريب على مواد محمية بحقوق النشر يشكل استخداما تحويليا، وكيفية تفاعل التزامات الترخيص مع استثناءات التنقيب عن البيانات. لن نحاول التنبؤ بكيفية حسم أي قضية بعينها، كما أن سجل بيانات التدريب لا يحسم هذه المسألة أيضا.
ما يحدد نتيجة مطالبة من هذا النوع عمليا هو الدليل. فإذا ادعى صاحب حقوق أن عمله جمع دون إذن، تتوقف إجابة شركة الذكاء الاصطناعي على قدرتها على إثبات، بسجل لم يكتب بعد وقوع الحدث، ما الذي جمعته، ومن أين، وبأي شروط. والشركة التي لا تستطيع إعادة بناء سلسلة توريد بياناتها الخاصة إنما تجادل من الذاكرة أمام مدع لديه شكوى محددة.
ماذا يعني إثبات المصدر لمجموعة بيانات، عمليا
تنقسم سلسلة الحفظ لمجموعة بيانات التدريب إلى ثلاثة عناصر يستحق كل منها تتبعا منفصلا:
- سجل الاقتناء. متى أضيف مصدر ما إلى المجموعة، ومن أي رابط أو واجهة برمجة تطبيقات أو مرخص أو مورد، وبموجب أي نسخة من شروط ذلك المصدر السارية في ذلك الوقت.
- سجل الترخيص. ما هي الاتفاقية، إن وجدت، التي تغطي الاستخدام، سواء كانت ترخيصا مباشرا، أو منحا بموجب شروط خدمة منصة ما، أو ترخيصا مفتوحا، أو اعتمادا على استثناء لتنقيب النصوص والبيانات مثل المادة 4 من توجيه حقوق النشر في السوق الرقمية الموحدة، وما إذا كان صاحب الحقوق قد احتفظ بحقوقه ضد هذا الاستثناء بطريقة قابلة للقراءة آليا.
- سجل السلامة. إثبات أن مجموعة البيانات التي تشير إليها الشركة اليوم هي ذاتها التي دربت عليها النموذج فعليا، وليست إعادة بناء جمعت لاحقا لأغراض نزاع ما.
من بين هذه العناصر الثلاثة، يعد سجل السلامة هو العنصر الذي لا تملك معظم الفرق إجابة جيدة بشأنه. فسجلات الاقتناء والترخيص تميل إلى التناثر بين رسائل البريد الإلكتروني وعقود الموردين وويكيات داخلية. وحتى عندما توجد، غالبا لا توجد طريقة لإثبات أن مجموعة البيانات المشار إليها في تلك المستندات هي ذاتها مجموعة الملفات التي دُرب عليها النموذج فعليا، بعد أشهر أو سنوات.
ما الذي يثبته الختم الزمني المؤهل، وما لا يثبته
ختم بصمة تجزئة تشفيرية لمجموعة بيانات لحظة اقتنائها، بختم زمني مؤهل، ينشئ سجلا قابلا للدفاع عنه يثبت أن مجموعة محددة من البتات كانت موجودة وفي حيازتك في لحظة زمنية معينة. وهذا ادعاء ضيق النطاق لكنه مفيد حقا. فهو يعني أنه بإمكانك أن تثبت أمام محكمة، بعد أشهر أو سنوات، الشكل الدقيق الذي كانت عليه مجموعة البيانات لحظة جمعها، دون الاعتماد فقط على كلامك أو على مستند كان من الممكن تعديله لاحقا.
من المهم توخي الدقة بشأن حدود هذا الادعاء، لأن المبالغة فيه أسوأ من عدم طرحه أصلا. فبصمة التجزئة المختومة تثبت الوجود والحيازة في لحظة زمنية معينة. لكنها لا تثبت أن لديك إذنا باستخدام المحتوى، ولا تثبت أن المحتوى حُصل عليه بشكل قانوني في المقام الأول. فالترخيص والإذن مسألتان قانونيتان منفصلتان لا يستطيع الختم الزمني وحده الإجابة عنهما. ما يفعله هذا الختم هو إزالة فئة كاملة من النزاع، وهي ما إذا كنت أصلا قادرا على إثبات ما كان بحوزتك ومتى، بحيث يمكن أن يدور النقاش الفعلي حول شروط الترخيص على أساس الوقائع، بدلا من الاعتماد على رواية الأحداث التي تكون المحكمة مستعدة لتصديقها.
بالنسبة لشركة تواجه جهة تنظيمية تسأل عن حوكمة البيانات بموجب المادة 10، أو صاحب حقوق يدعي استخداما غير مصرح به، فإن الفرق بين القول "إليك بصمة تجزئة تحمل ختما زمنيا لمجموعة البيانات بالضبط، مختومة في تاريخ اقتنائها، إلى جانب سجلات الترخيص لدينا" والقول "نعتقد أن هذا تقريبا ما استخدمناه" هو الفرق بين موقف قابل للدفاع عنه وموقف غير قابل للتحقق منه.
أين يندرج هذا ضمن سير عمل عملي
تستفيد الفرق التي تبني منتجات ذكاء اصطناعي وتحتاج إلى الدفاع عن مسألة الحوكمة بموجب المادة 10 وعن مسألة حقوق النشر الأساسية على حد سواء، من التعامل مع اقتناء مجموعات البيانات كحدث منفصل ومختوم بدلا من مجلد مستمر وقابل للتغيير. احسب بصمة التجزئة واختم لقطة من مجموعة البيانات لحظة الاقتناء، وأرفق شروط الترخيص السارية في تلك اللحظة، واحتفظ بهذا السجل منفصلا عن أي تنقية أو تصفية لاحقة تجري بعد ذلك. فإذا نشأ نزاع لاحقا، بشأن مصدر معين أو تاريخ معين أو ترخيص معين، يكون السجل موجودا بالفعل بدلا من الحاجة إلى إعادة بنائه تحت ضغط.
تتناول صفحتنا الخاصة بإثبات مصدر بيانات الذكاء الاصطناعي كيفية عمل هذا الأمر للفرق التي تحتاج إلى سجل يحمل ختما زمنيا ومقبولا أمام المحاكم يوضح محتوى مجموعة البيانات وتاريخ اقتنائها، إلى جانب وثائق الترخيص التي تجيب عن السؤال المنفصل المتعلق بالإذن.
