**Tala ng Patnugot**: Ang pagsusuring ito ay bahagi ng pagtingin ng The Atlantic sa dataset ng Library Genesis. Maaaring ma-access ang kasangkapan sa paghahanap ng The Atlantic para sa pagsusulat ng pelikula at telebisyon na ginamit sa pagsasanay ng AI dito. Nang simulang likhain ng Meta ang kanilang AI model, Llama 3, naharap ang koponan sa isang etikal na suliranin: ang pagkuha ng malaking dami ng de-kalidad na teksto sa legal na paraan ay mabagal at magastos. Isinasaalang-alang nila ang pagnanakaw ng data matapos silang hindi maging kontento sa mga opsyon sa lisensya, na binanggit ang mataas na gastos at naantalang paghahatid mula sa mga potensyal na kasosyo. Ipinakita ng mga internal na usapan ang matinding pagnanais na gumamit ng mga libro, na tiningnan bilang mahalaga para sa pagsasanay, na nagtulak sa kanila na tuklasin ang Library Genesis (LibGen), isang malaking imbakan ng mga piratang literatura at pananaliksik. Ipinakita ng mga panloob na komunikasyon na humingi ng pahintulot ang mga empleyado ng Meta mula kay CEO Mark Zuckerberg upang gamitin ang dataset ng LibGen, na ngayo'y pampubliko dahil sa isang kaso ng paglabag sa copyright mula sa ilang mga may-akda. Bukod dito, ang OpenAI ay naiugnay na rin sa LibGen sa mga nakaraang kaso ng paggamit. Bagaman hindi tiyak ang kabuuang saklaw ng mga tekstong sinanay ng parehong kumpanya—sapagkat patuloy na nag-a-update ang nilalaman ng LibGen—ang database ay naglalaman ng milyun-milyong pamagat, kabilang ang mahahalagang akda at mga akademikong papel. Pinagtatanggol ng Meta at OpenAI ang kanilang mga lapit sa ilalim ng pahayag ng “makatarungang paggamit, ” na nagpapa-argue na ang kanilang generative AI ay nagbabago ng mga pinagmulan sa bagong nilalaman. Gayunpaman, ang paggamit ng LibGen ay nagbabanggit ng mga kritikal na isyu, partikular dahil ipinapakita ng mga internal na dokumento na nag-download ang Meta ng data sa pamamagitan ng BitTorrent, na nagdadala ng mga legal na panganib dahil sa potensyal na pamamahagi ng mga piratang nilalaman.

Iginiit ng Meta na nagpatupad ito ng mga pag-iingat laban sa pag-seed ng mga file. Aminado ang mga empleyado sa mga legal na panganib, tinalakay ang mga estratehiya upang itago ang kanilang mga gawain, tulad ng pag-iwas sa mga sanggunian sa mga may copyright na akda at pag-filter ng mga makikilalang impormasyon. Ang LibGen, na mas malaki kaysa sa iba pang mga koleksyon ng pirata, ay kaakit-akit sa mga developer ng AI dahil sa malawak na pagpipilian nito, kabilang ang makabagong literatura at mga akademikong magasin. Itinatag noong 2008 ng mga siyentipikong Ruso, ang LibGen ay nagsisilbi sa mga lugar na may limitadong access sa mga mapagkukunang pang-edukasyon. Ang paglago nito ay pinabilis ng mga kontribusyon ng mga piratang materyal, na nagdulot ng predominance ng mga tekstong Ingles sa paglipas ng panahon. Sa kabila ng maraming pagsubok ng mga publisher na pigilin ang piracy, kabilang ang mga makabuluhang desisyon sa korte at mga multa laban sa LibGen, ang imbakan ay patuloy na umiiral. Ang accessibility na ito ay nagbabanggit ng mga etikal na alalahanin tungkol sa nakaugat na trabaho ng mga may-akda, na madalas ay hindi nakakatanggap ng kredito o kabayaran. Ang mga teknolohiyang generative-AI ay nanganganib na ma-decontextualize ang kaalaman at mabawasan ang pagkilala na nararapat sa mga orihinal na lumikha. Ang pangunahing hamon ay mananatiling kung paano epektibong balansehin ang pagpapalaganap ng kaalaman at malikhaing trabaho para sa kapakinabangan ng lipunan, habang ang mga kumpanyang tulad ng Meta ay kumikita mula sa mga mapagkukunang ito, na maaaring magpababa sa halaga ng intelektwal na pakikipag-ugnayan ng tao.