کسی بھی ٹیم کے ذریعے AI ماڈل کو تربیت دیتے وقت دو مختلف قانونی خطرات سامنے آتے ہیں، اور یہ دو مختلف سمتوں سے آتے ہیں۔ پہلا ریگولیٹری ہے: 2 اگست 2026 سے، EU AI Act کے آرٹیکل 10 کے تحت ہائی رسک AI سسٹمز کے فراہم کنندگان کو اپنے تربیتی، توثیقی اور جانچ کے ڈیٹاسیٹس کی دستاویز بندی کرنا لازمی ہے، جس میں ڈیٹا اکٹھا کرنے کے عمل اور ڈیٹا کی اصلیت شامل ہے۔ دوسرا دیوانی ہے: ایک کاپی رائٹ کا مالک یہ دعویٰ کر سکتا ہے کہ اس کے کام کا استعمال بغیر اجازت کے کیا گیا، اور یہ ثابت کرنے کی ذمہ داری AI کمپنی پر آتی ہے کہ اس نے دراصل کون سا ڈیٹا استعمال کیا اور وہ کیسے حاصل کیا گیا۔
دونوں خطرات ایک ہی سوال کی مختلف صورتیں پوچھتے ہیں: ڈیٹاسیٹ میں کیا ہے، وہ کہاں سے آیا، اور آپ کو یہ کب ملا۔ عملی طور پر اصلیت (provenance) کا یہی مطلب ہے، اور یہ واضح کرنا ضروری ہے کہ ایک ٹائم اسٹیمپ شدہ ریکارڈ کیا ثابت کر سکتا ہے اور کیا نہیں۔
آرٹیکل 10 دراصل کیا مطالبہ کرتا ہے
آرٹیکل 10 ہائی رسک AI سسٹمز پر لاگو ہوتا ہے اور ان ڈیٹا گورننس طریقوں کا تعین کرتا ہے جو ایک فراہم کنندہ کے پاس ہونے چاہئیں۔ ان ذمہ داریوں میں ڈیٹا اکٹھا کرنے میں کیے گئے ڈیزائن فیصلے، ڈیٹا اکٹھا کرنے کا عمل خود اور ڈیٹا کی اصلیت، اینوٹیشن، لیبلنگ اور صفائی جیسے تیاری کے مراحل، یہ جائزہ کہ آیا ڈیٹاسیٹ اپنے مقصد کے لیے متعلقہ اور کافی حد تک نمائندہ ہے، اور ممکنہ تعصب (bias) کی جانچ شامل ہیں۔ جہاں کوئی فراہم کنندہ ایسی کمیاں پہچانتا ہے جو تعمیل کو روکتی ہیں، وہاں اسے بھی دستاویز کرنا لازمی ہے۔
ان میں سے کوئی بھی کسی کمپنی سے یہ ثابت کرنے کا مطالبہ نہیں کرتا کہ اس نے تربیتی سیٹ میں ہر کاپی رائٹ کو کلیئر کیا ہے۔ آرٹیکل 10 ایک ڈیٹا کوالٹی اور گورننس نظام ہے، کاپی رائٹ کلیئرنس نظام نہیں۔ لیکن اس کا اچھا جواب دینے کے لیے وہی بنیادی ریکارڈ درکار ہے جو ایک کاپی رائٹ دفاع کے لیے بھی درکار ہے: کون سا ڈیٹا شامل ہوا، وہ کہاں سے آیا، اور کب۔
الگ دیوانی خطرہ
AI تربیتی طریقوں کے خلاف کاپی رائٹ کے دعوے کئی دائرہ اختیار میں ایک زندہ اور فعال قانونی چارہ جوئی کا میدان ہیں، جن میں ناشرین، مصنفین، موسیقی کے حقوق رکھنے والوں اور امیج لائبریریوں کی جانب سے بڑی AI کمپنیوں کے خلاف مقدمات دائر کیے گئے ہیں۔ قانونی نظریات دائرہ اختیار اور مقدمے کے لحاظ سے مختلف ہوتے ہیں، اور عدالتیں ابھی بھی بنیادی سوالات پر کام کر رہی ہیں، جیسے کہ کاپی رائٹ شدہ مواد پر تربیت ایک تبدیلی کنندہ (transformative) استعمال ہے یا نہیں، اور لائسنسنگ کی ذمہ داریاں ڈیٹا مائننگ کی استثناؤں کے ساتھ کیسے تعامل کرتی ہیں۔ ہم یہ اندازہ لگانے کی کوشش نہیں کریں گے کہ کوئی مخصوص مقدمہ کس طرح طے ہوگا، اور تربیتی ڈیٹا کا ریکارڈ بھی اس سوال کو حل نہیں کرتا۔
عملی طور پر، اس طرح کا دعویٰ دراصل کس چیز پر منحصر ہوتا ہے، وہ ہے ثبوت۔ اگر کوئی حق دار یہ الزام لگاتا ہے کہ اس کے کام کو بغیر اجازت کے اسکریپ کیا گیا، تو AI کمپنی کا جواب اس بات پر منحصر ہے کہ کیا وہ ایسا ریکارڈ دکھا سکتی ہے، جو اس نے بعد میں نہیں لکھا، کہ اس نے کیا اکٹھا کیا، کہاں سے، اور کن شرائط کے تحت۔ جو کمپنی اپنی ڈیٹا سپلائی چین کو دوبارہ تعمیر نہیں کر سکتی، وہ ایک مخصوص شکایت رکھنے والے مدعی کے خلاف محض یادداشت کی بنیاد پر دلیل دے رہی ہوتی ہے۔
ڈیٹاسیٹ کے لیے اصلیت کا عملی مطلب کیا ہے
تربیتی ڈیٹاسیٹ کے لیے تحویل کا سلسلہ (chain of custody) تین چیزوں میں تقسیم ہوتا ہے، جنہیں الگ الگ ٹریک کرنا مناسب ہے:
- حصولی ریکارڈ (Acquisition record)۔ کسی ماخذ کو کارپس میں کب شامل کیا گیا، کس URL، API، لائسنس دہندہ، یا فروخت کنندہ سے، اور اس وقت اس ماخذ کی شرائط کے کس نسخے کے تحت۔
- لائسنسنگ ریکارڈ۔ اگر کوئی ہو، تو کون سا معاہدہ استعمال کا احاطہ کرتا ہے، چاہے وہ براہ راست لائسنس ہو، پلیٹ فارم کی سروس کی شرائط سے دی گئی اجازت ہو، ایک اوپن لائسنس ہو، یا ڈیجیٹل سنگل مارکیٹ کاپی رائٹ ڈائریکٹو کے آرٹیکل 4 جیسے ٹیکسٹ اینڈ ڈیٹا مائننگ استثنا پر انحصار ہو، اور کیا حق دار نے اس استثنا کے خلاف مشین کے پڑھنے کے قابل طریقے سے حقوق محفوظ رکھے تھے۔
- سالمیت ریکارڈ (Integrity record)۔ یہ ثبوت کہ آج کمپنی جس ڈیٹاسیٹ کی طرف اشارہ کر رہی ہے، وہی وہ ہے جس پر اس نے دراصل تربیت دی، نہ کہ تنازعے کے مقاصد کے لیے بعد میں تیار کی گئی ایک از سر نو تعمیر۔
ان تینوں میں سے، سالمیت ریکارڈ وہ ہے جس کے لیے زیادہ تر ٹیموں کے پاس کوئی اچھا جواب نہیں ہوتا۔ حصولی اور لائسنسنگ ریکارڈ اکثر بکھرے ہوئے ای میلز، فروخت کنندہ معاہدوں اور اندرونی ویکیز میں پڑے رہتے ہیں۔ جہاں یہ موجود بھی ہوں، وہاں اکثر یہ ثابت کرنے کا کوئی طریقہ نہیں ہوتا کہ ان دستاویزات میں حوالہ دیا گیا ڈیٹاسیٹ وہی فائلوں کا سیٹ ہے جس پر مہینوں یا برسوں بعد ماڈل کو دراصل تربیت دی گئی تھی۔
ایک کوالیفائیڈ ٹائم اسٹیمپ کیا ثابت کرتا ہے، اور کیا نہیں
حصولی کے وقت ایک ڈیٹاسیٹ کے کرپٹوگرافک ہیش کو کوالیفائیڈ ٹائم اسٹیمپ کے ساتھ سیل کرنا ایک قابل دفاع ریکارڈ بناتا ہے کہ بائٹس کا ایک مخصوص سیٹ موجود تھا اور ایک مخصوص وقت پر آپ کے پاس تھا۔ یہ ایک محدود مگر واقعی مفید دعویٰ ہے۔ اس کا مطلب ہے کہ آپ مہینوں یا برسوں بعد کسی عدالت کو بالکل دکھا سکتے ہیں کہ ڈیٹاسیٹ کیسا دکھتا تھا جب آپ نے اسے اکٹھا کیا تھا، بغیر اپنی بات پر یا ایسی دستاویز پر بھروسہ کیے جسے بعد میں تبدیل کیا جا سکتا تھا۔
اس دعوے کی حدود کے بارے میں واضح رہنا ضروری ہے، کیونکہ اسے بڑھا چڑھا کر پیش کرنا اسے نہ کرنے سے بھی برا ہے۔ ایک سیل شدہ ہیش ایک مخصوص وقت پر موجودگی اور قبضے کو ثابت کرتا ہے۔ یہ یہ ثابت نہیں کرتا کہ آپ کے پاس مواد استعمال کرنے کی اجازت تھی، اور یہ بھی ثابت نہیں کرتا کہ مواد شروع میں قانونی طور پر حاصل کیا گیا تھا۔ لائسنسنگ اور اجازت الگ قانونی سوالات ہیں جنہیں ایک ٹائم اسٹیمپ اکیلے حل نہیں کر سکتا۔ یہ جو کرتا ہے وہ ہے تنازعے کی ایک پوری قسم کو ختم کرنا، یعنی کیا آپ یہ بھی دکھا سکتے ہیں کہ آپ کے پاس کیا تھا اور کب تھا، تاکہ لائسنسنگ شرائط کے بارے میں اصل دلیل حقائق پر ہو سکے، نہ کہ اس پر کہ عدالت کس کے بیان پر یقین کرنے کو تیار ہے۔
ایک ایسی کمپنی کے لیے جو ریگولیٹر کے آرٹیکل 10 ڈیٹا گورننس کے سوال کا سامنا کر رہی ہے، یا کسی حق دار کے غیر مجاز استعمال کے الزام کا سامنا کر رہی ہے، یہاں اس مخصوص ڈیٹاسیٹ کا ٹائم اسٹیمپ شدہ ہیش ہے، جو اسی دن سیل کیا گیا جب ہم نے اسے حاصل کیا، ساتھ ہی ہمارے لائسنسنگ ریکارڈز، اور محض یہ خیال کہ ہم نے تقریبا یہی استعمال کیا تھا، ان دونوں کے درمیان فرق ہی ایک قابل دفاع پوزیشن اور ایک غیر قابل تصدیق پوزیشن کے درمیان فرق ہے۔
یہ ایک عملی ورک فلو میں کہاں فٹ بیٹھتا ہے
AI پروڈکٹس بنانے والی ٹیمیں، جنہیں آرٹیکل 10 گورننس کے سوال اور بنیادی کاپی رائٹ سوال دونوں کا دفاع کرنا ہے، ڈیٹاسیٹ کے حصول کو ایک جاری، تبدیل ہونے والے فولڈر کے بجائے ایک الگ، سیل شدہ واقعے کے طور پر برتنے سے فائدہ اٹھاتی ہیں۔ حصول کے وقت ایک ڈیٹاسیٹ اسنیپ شاٹ کو ہیش اور سیل کریں، اس لمحے لاگو لائسنسنگ شرائط منسلک کریں، اور اس ریکارڈ کو الگ رکھیں چاہے بعد میں کوئی بھی ڈاؤن اسٹریم صفائی یا فلٹرنگ ہو۔ اگر بعد میں کوئی تنازع آتا ہے، کسی مخصوص ماخذ، مخصوص تاریخ، یا مخصوص لائسنس کے بارے میں، تو ریکارڈ پہلے سے موجود ہوتا ہے، دباؤ میں اسے دوبارہ تعمیر کرنے کی ضرورت نہیں پڑتی۔
ہمارا AI ڈیٹاسیٹ پروونینس صفحہ بتاتا ہے کہ یہ ان ٹیموں کے لیے کیسے کام کرتا ہے جنہیں ڈیٹاسیٹ میں کیا تھا اور یہ کب حاصل کیا گیا تھا، اس کا ایک ٹائم اسٹیمپ شدہ، عدالت میں قابل قبول ریکارڈ چاہیے، ساتھ ہی وہ لائسنسنگ دستاویزات جو اجازت کے الگ سوال کا جواب دیتی ہیں۔
