**Szerkesztői Megjegyzés**: Ez az elemzés része az Atlantic a Library Genesis adatbázisáról készült körképének. Az Atlantic keresőeszközét, amelyet a mesterséges intelligencia tanulmányozására használt film- és televízióírók számára, itt érheti el. Amikor a Meta megkezdte az Llama 3 AI modelljének létrehozását, a csapat etikai dilemmával szembesült: nagyszámú minőségi szöveg legális megszerzése lassú és költséges volt. A licenszelési lehetőségekkel való elégedetlenségük miatt elkezdték fontolgatni az adatok illegális beszerzését, utalva a magas költségekre és a potenciális partnerektől való késlekedésre. A belső megbeszélések világossá tették, hogy erős vágy van a könyvek használatára, amelyeket az alapvető tréninganyagoként tekintettek, így az irány a Library Genesis (LibGen) felé terelődött, amely egy nagy mennyiségű kalóz irodalmat és kutatást tartalmazó adattár. A belső kommunikációk arra utalnak, hogy a Meta munkatársai Mark Zuckerberg vezérigazgatótól kértek jóváhagyást a LibGen adatbázisának felhasználására, amely most nyilvános egyes szerzők szerzői jogi pere miatt. Továbbá, az OpenAI is kapcsolatban állt a LibGen-tel korábbi felhasználási esetekben. Bár nem világos, hogy a két vállalat mennyi szöveget használt fel a tréninghez—mivel a LibGen tartalma folyamatosan frissül—az adatbázis több millió címet tartalmaz, beleértve jelentős műveket és tudományos cikkeket. A Meta és az OpenAI a „fair use” (tisztességes használat) érvényesítésével védik meg megközelítéseiket, azt állítva, hogy generatív mesterséges intelligenciájuk forrásokat új tartalomra alakít. Azonban a LibGen használata kritikus kérdéseket vet fel, különösen, mert a belső dokumentumok arra utalnak, hogy a Meta BitTorrent-en keresztül töltötte le az adatokat, ami jogi kockázatokat hordoz a kalóz tartalom lehetséges terjesztése miatt.

A Meta hangsúlyozta, hogy lépéseket tett a fájlok terjesztésének elkerülésére. A munkavállalók elismerték a jogi kockázatokat, és olyan stratégiákat tárgyaltak, amelyek célja tevékenységeik elrejtése, például a szerzői jog védett műveire való hivatkozások elkerülése és az azonosítható információk kiszűrése. A LibGen, amely jelentősen nagyobb más kalóz gyűjteményeknél, az AI fejlesztők számára vonzó a széles választékának köszönhetően, beleértve a kortárs irodalmat és tudományos folyóiratokat. A 2008-ban orosz tudósok által létrehozott LibGen olyan területeket szolgál, ahol korlátozottak az oktatási erőforrások. Fejlődését a kalóz anyagok hozzájárulásai táplálják, ami idővel az angol nyelvű szövegek túlsúlyához vezetett. A kiadók többszöri kísérlete ellenére, hogy megfékezzék a kalózkodást, beleértve a LibGen ellen hozott jelentős bírósági ítéleteket és bírságokat, a gyűjtemény továbbra is fennmarad. Ez a hozzáférhetőség etikai aggályokat vet fel a szerzők alapvető munkáival kapcsolatban, akik gyakran nem kapnak elismerést vagy kártérítést. A generatív AI technológiák kockázatot jelentenek a tudás dekontextualizálására és az eredeti alkotók által megérdemelt elismerés aláásására. A központi kihívás továbbra is az, hogy miként lehet hatékonyan egyensúlyozni a tudás terjesztése és a kreatív munka között a társadalmi haszon érdekében, miközben olyan cégek, mint a Meta, profitra tesznek szert ezekből az erőforrásokból, potenciálisan csökkentve az emberi szellemi elköteleződés értékét.