**Hinweis des Herausgebers**: Diese Analyse ist Teil von The Atlantic's Untersuchung des Library Genesis-Datensatzes. Nutzen Sie hier das Suchtool von The Atlantic für Film- und Fernsehtexte, das zur Schulung von KI verwendet wurde. Als Meta begann, sein KI-Modell Llama 3 zu entwickeln, sah sich das Team mit einem ethischen Dilemma konfrontiert: Der legale Erwerb einer großen Menge an qualitativ hochwertigen Texten war langsam und kostspielig. Sie zogen in Betracht, Daten zu piratieren, nachdem sie mit den Lizenzierungsoptionen unzufrieden waren und hohe Kosten sowie Verzögerungen bei der Lieferung von potenziellen Partnern anführten. Interne Gespräche zeigten ein starkes Verlangen, Bücher zu verwenden, die als wesentlich für das Training angesehen wurden, was sie dazu brachte, Library Genesis (LibGen), ein großes Repository für piratierte Literatur und Forschung, zu erkunden. Interne Kommunikationen zeigten, dass Meta-Mitarbeiter die Genehmigung von CEO Mark Zuckerberg einholten, um den Datensatz von LibGen zu nutzen, der aufgrund einer Urheberrechtsklage von mehreren Autoren nun öffentlich ist. Darüber hinaus wird OpenAI in früheren Anwendungsfällen ebenfalls mit LibGen in Verbindung gebracht. Obwohl der vollständige Umfang der Texte, auf denen beide Unternehmen ihr Training durchgeführt haben, unklar ist – der Inhalt von LibGen wird ständig aktualisiert – enthält die Datenbank Millionen von Titeln, darunter bedeutende Werke und wissenschaftliche Aufsätze. Meta und OpenAI verteidigen ihre Ansätze unter dem Vorwand der "fairen Nutzung" und argumentieren, dass ihre generative KI Quellen in neue Inhalte umwandelt. Jedoch wirft die Nutzung von LibGen kritische Fragen auf, insbesondere da interne Dokumente darauf hindeuten, dass Meta Daten über BitTorrent heruntergeladen hat, was rechtliche Risiken birgt angesichts der möglichen Verbreitung von piratiertem Inhalt.

Meta hat darauf bestanden, Vorsichtsmaßnahmen gegen das Verbreiten von Dateien getroffen zu haben. Mitarbeiter erkannten die rechtlichen Risiken an und diskutierten Strategien, um ihre Aktivitäten zu verbergen, wie das Vermeiden von Referenzen auf urheberrechtlich geschützte Werke und das Herausfiltern von identifizierbaren Informationen. LibGen, das erheblich größer ist als andere Piratensammlungen, zieht KI-Entwickler aufgrund seiner breiten Auswahl an, einschließlich zeitgenössischer Literatur und wissenschaftlicher Zeitschriften. LibGen wurde 2008 von russischen Wissenschaftlern gegründet und bedient Gebiete mit eingeschränktem Zugang zu Bildungsressourcen. Sein Wachstum wurde durch Beiträge von piratierten Materialien gefördert, was im Laufe der Zeit zu einer Vorherrschaft englischer Texte führte. Trotz mehrerer Versuche von Verlagen, Piraterie einzudämmen, einschließlich bedeutender Gerichtsurteile und Geldstrafen gegen LibGen, bleibt das Repository bestehen. Diese Zugänglichkeit wirft ethische Bedenken hinsichtlich der zugrunde liegenden Arbeiten der Autoren auf, die oft weder Anerkennung noch Vergütung erhalten. Generative KI-Technologien riskieren, Wissen zu entkontextualisieren und die Würdigung der ursprünglichen Schöpfer zu untergraben. Die zentrale Herausforderung bleibt, wie man effektiv die Verbreitung von Wissen und kreativen Arbeiten zum gesellschaftlichen Wohl ausbalancieren kann, da Unternehmen wie Meta diese Ressourcen zu Profitzwecken nutzen und möglicherweise den Wert menschlichen intellektuellen Engagements mindern.