Sztuczna inteligencja, sztuczny czy prawdziwy problem? AI w kontekście praw autorskich

Przykładem, który dobrze ilustruje, jak niezwykłe możliwości ma to podejście do rozwiązywania skomplikowanych zadań jest projekt The Next Rembrand². W ramach tego projektu został stworzony program komputerowy, który przeanalizował tysiące dzieł holenderskiego malarza Rembrandta Harmenszoona van Rijna, żyjącego w XVII wieku. Następnie na ich podstawie stworzył własny obraz, naśladując styl słynnego malarza. Powstałe dzieło miało wszystkie cechy utworu w rozumieniu prawa autorskiego – było twórcze i indywidualne (choć inspirowane pracami Rembrandta). Brakuje mu jednak podstawowego elementu. Nie zostało stworzone przez człowieka. Maszyny nie mają zdolności prawnej, a zatem nie mogą być podmiotem praw i obowiązków. W związku z tym nie przysługuje im ochrona, z jakiej mogą korzystać ludzie.

Powstaje więc pytanie, do kogo należą prawa do tak stworzonego obrazu? Odpowiedź na tego rodzaju pytanie powoli przestaje być kwestią czysto akademicką, bo dostęp do odpowiedniej technologii staje się coraz szerszy i łatwiejszy. W Polsce z rozwiązań opartych na sztucznej inteligencji korzystają już niemal wszyscy (tytułem przykładu w wideokonferencjach możliwość realizacji podmiany tła oparta jest w większości na AI). Własne rozwiązania tworzą duże podmioty gospodarcze, ale również firmy pozbawione wielkiego kapitału. Przykładem może być start-up Comixify³, który umożliwia stworzenie własnego komiksu na podstawie przesłanego nagrania wideo. Kto jest jednak właścicielem praw do tak stworzonego komiksu? Polskie prawo nie daje jasnej odpowiedzi. Nie jest też wcale oczywiste, w jaki sposób należałoby je zmienić. Przyznanie maszynom zdolności prawnej wydaje się pomysłem zbyt abstrakcyjnym i pozbawionym uzasadnienia. Byłoby to rozwiązanie rodem z twórczości Stanisława Lema.

Inspiracji można szukać w kraju powszechnie uważanym za kolebkę prawa autorskiego, czyli Wielkiej Brytanii (przyjmuje się, że pierwszym aktem prawnym regulującym prawo autorskie była brytyjska ustawa z 1710 r., tzw. Statut Anny). Zgodnie z brytyjskim rozwiązaniem, utwór wygenerowany komputerowo (computer-generated) oznacza, że został on stworzony w takich okolicznościach, że nie ma ludzkiego autora utworu⁴. W przypadku dzieła literackiego, dramatycznego, muzycznego lub artystycznego, które jest generowane komputerowo, za autora uważa się osobę, która podjęła działania niezbędne do stworzenia dzieła⁵. Z reguły chodzić więc będzie tu o programistę lub użytkownika już stworzonego modelu AI. Jest to jedno z potencjalnych i najbardziej intuicyjnych rozwiązań problemu, jednak ma ono swoje wady. Przede wszystkim twórca modelu w chwili obecnej to rzadko jeden człowiek. Częściej są to całe zespoły, które również specjalizują się w konkretnych etapach tworzenia użytecznego algorytmu, będąc zarazem przedstawicielami niezależnych firm. Ponadto takie podejście sprawia, że rola osoby, która dostarcza maszynie danych niezbędnych do nauki, a także informacji zwrotnej, jest niedostrzegana przez system prawny. Tymczasem często to właśnie ten etap decyduje o jakości utworu, co przekłada się na to, jak cenione są obecnie wiarygodne i czyste dane gromadzone na ogromną skalę przez firmy określane mianem gigantów technologicznych. Co więcej, tak skonstruowany system nie wyróżnia osoby, która inicjuje proces, w wyniku którego powstaje dzieło – wprowadza ustawienia wyjściowe (choć mogą być sytuacje, gdy osoby takiej nie ma, bo impuls do działania pochodzić będzie od maszyny). Wobec tego sposób ochrony utworu nie jest odbiciem wkładu człowieka w dobór i wybór danych, które mogą kreować ochronę na gruncie prawa autorskiego.

Innym rozwiązaniem jest pozostawienie utworów stworzonych przez maszynę w domenie publicznej i umożliwienie swobodnego z nich korzystania. W dłuższej perspektywie pozbawiłoby to jednak bodźca do rozwoju technologii. Skoro korzyści ekonomiczne mogłyby przypaść przypadkowej osobie, prawo nie tworzyłoby zachęty do inwestycji. Utwór stworzony przez maszynę może zostać wykorzystany komercyjnie na rzecz zupełnie innego niezwiązanego z nim podmiotu. Byłoby to więc krzywdzące dla osoby, która stworzyła tego rodzaju maszynę oraz włożyła pracę (często dużą) w nauczenie jej odpowiedniego zachowania i wyborów. W tej sytuacji prawo autorskie nie spełniałoby więc swojej podstawowej funkcji, jaką jest zachęta do innowacji i tworzenie dla niej odpowiednich warunków.

Przyznanie ochrony utworom stworzonym przez maszynę wymagałoby naruszenia jeszcze jednego istotnego założenia, jakie leży u podstaw polskiego prawa autorskiego, tj. ochronę niepodlegającej zbyciu więzi twórcy z utworem. Nie ulega wątpliwości, że w przypadku maszyn tego rodzaju więź emocjonalna nie wystąpi. Sztuczna inteligencja wymusza więc zmianę na poziomie podstawowych domniemań i założeń, jakie stały się podstawą europejskiego prawa autorskiego.

Czy jednak algorytm w istocie może być twórczy? Przyjmując prostą definicję algorytmu, jako zbioru stałych, następujących po sobie operacji matematycznych, mamy pewność, że wynik, jaki otrzymamy dla tych samych warunków startowych będzie zawsze taki sam. Jest on niezależny od czasu, liczby prób wykonania, ani żadnych innych okoliczności. Tak jak zegarmistrz ma pewność, co do długości cyklu zegarowego wahadła, pomimo mnogości następujących po sobie w mechanizmie zegara ruchów sprężyn i zębatek. W konsekwencji jest on zatem ściśle określony. Kończąc na tym etapie analizę problemu i skupiając się jedynie na tym spostrzeżeniu stawiamy się w kłopotliwym położeniu. Patrząc z tego punktu widzenia, sztuczna inteligencja to tak naprawdę jedynie swoiste działanie matematyczne (co prawda bardzo skomplikowane, ale w pełni określone, zanim jeszcze zostanie wykonane). Czy w takim przypadku jest miejsce na twórczość i czym to rozwiązanie różni się od już istniejącego oprogramowania pomagającego w procesie twórczym?

To, co wyróżnia algorytmy sztucznej inteligencji od innych algorytmów to poziom ich wewnętrznego „chaosu”, który w niezrozumiały dla nas sposób prowadzi do rozwiązań lepszych niż te, które jesteśmy w stanie osiągnąć tradycyjnymi metodami. W tym ujęciu przypomina to wahadło, ale z dwoma przegubami w środku, które matematycy określają mianem układu chaotycznego (chaos deterministyczny). W takich układach, pomimo znajomości przez nas wszystkich rządzących ruchem praw fizyki, nie jesteśmy w stanie przewidzieć ruchu takiego wahadła, bo jest ono niezmiernie wrażliwe na każdą początkową zmianę swojego punktu startu. Taka jest również sztuczna inteligencja – wiemy, że jej wyniki są ściśle określone, ale są one dla nas nie do przewidzenia. To, co dodaje całej sprawie „magii” jest fakt, że modele AI podają nam pomocną dłoń tam, gdzie zawiodły nas próby pisania rozwiązania krok po kroku. W większości przypadków próby napisania tradycyjnego algorytmu kończą się fiaskiem, gdy nie jesteśmy w stanie zapanować nad ilością i poziomem skomplikowania warunków, które rozgałęziają możliwe ścieżki otrzymania wyniku na kształt korony dojrzałego dębu, z tysiącami liści na szczycie. W tym miejscu z pomocą przychodzi AI, które „wymaga” od nas jedynie podania zbioru danych, które uważamy za istotne i... nieingerowania w jej „wewnętrzne sprawy”. Tego typu rozwiązania programiści często nazywają czarnymi skrzynkami (powszechniej używane pod angielską nazwą black box), której przekazujemy parametry wejścia, jakie uważamy za użyteczne i ze zdumieniem obserwujemy, jak po chwili otrzymujemy rozwiązanie. Jest to wygodne, gdy liczy się dla nas tylko wynik, ale cecha, która sprawia, że nie jesteśmy w stanie powiedzieć, jakie dane ze zbioru parametrów przekazanych do modelu zdecydowały o takim, a nie innym rezultacie, są głównym hamulcem przed wprowadzeniem modeli AI w niektórych systemach informatycznych. Przykładem są tu systemy oceny zdolności kredytowej.

Patrząc na to w ten sposób, możemy jednak dojść do wniosku, że sam fakt niemożności przewidzenia efektu końcowego nie czyni go automatycznie utworem w rozumieniu prawa autorskiego (nie ma cech indywidualnych i twórczych). Przecież nawet teraz kombinacja ruchów szachowych, jaką przewidują arcymistrzowie szachowi, jest poza zasięgiem możliwości zwykłego człowieka. Mimo to prawa autorskie nie chronią przecież wzorów matematycznych czy otwarć szachowych. Te ostatnie, choć często nazywają się na cześć słynnych szachistów, którzy je opracowali lub wykorzystywali (tytułem przykładu – Obrona Alechina na cześć Aleksandra Alechina⁶ lub Debiut Nimzowitscha na cześć Arona Nimzowitscha⁷), to jednak nie podlegają w żaden sposób ochronie na gruncie praw autorskich. Podobnie nawet notacja szachowa (sposób zapisu przebiegu partii w celu jej późniejszego odtworzenia) nie jest chroniona przez prawo autorskie (chyba że zawiera inne twórcze elementy, jak np. swoistą grafikę).

Podsumowując, różnica w sposobie działania algorytmu i ludzkiego umysłu sprowadza się tu nie tylko do szybkości i możliwości obliczeniowych. Umyka dodatkowo jeden istotny aspekt – jako ludzie uwielbiamy Rembrandta za jego niepowtarzalny styl i pewien kod kulturowy wpisany w jego obrazy, który oderwał go od malarskiej czołówki, rozpoczynając jego własną indywidualną drogę, czytelną dla miłośników sztuki. Sztuka nie polega przecież na błyskawicznym liczeniu i przypadkowym wklejaniu nieznacznych zmian w schemacie wyznaczonym przez znane wzorce. Być może trzeba odróżnić twórczość od samej inteligencji. W końcu nawet człowiek mało inteligentny może tworzyć i będzie to podlegało ochronie prawnej. To, ile utwór stworzony przez niego będzie wart, w zasadzie zależy od rynku. Czy zatem sztuczna inteligencja to z punktu widzenia praw autorskich sztuczny problem? Nie do końca – ponieważ, nawet jeśli założymy, że nie jest to utwór, to tak czy inaczej cały czas pozostaje nierozstrzygnięta kwestia odpowiedzialności. W tym także karnej. Nie możemy bowiem zakładać, że algorytm, tworząc swoje dzieło, będzie prawa przestrzegał. Z całą pewnością kary bać się nie będzie, a o wyrzuty sumienia trudno go podejrzewać.

Dobrym przykładem jest tu problem wypadków drogowych spowodowanych przez samochody autonomiczne, a więc takie, które są sterowane przez algorytm, bez udziału człowieka. O ile w sensie cywilnym można wyobrazić sobie stworzenie sytemu opartego na dywersyfikacji ryzyka poprzez system ubezpieczeń (choć cały czas pozostają otwarte pytania, jak miałby on wyglądać), to kwestia odpowiedzialności karnej jest jeszcze bardziej złożona.

Trzeba mieć w pamięci chociażby to, że w prawie karnym stosowanie analogii jest zabronione, co już samo w sobie stwarza szereg ograniczeń. Nawet jednak pomijając ten aspekt, problem ma inne płaszczyzny. Jeżeli za przykład uznać, że odpowiadać karnie powinien programista lub użytkownik inteligentnej maszyny, stosując np. konstrukcje odpowiedzialności za sprawstwo kierownicze, to przecież cały czas nie wiadomo, co zrobić w przypadku ekscesu. Eksces to zachowanie wykraczające poza umówione zachowanie, uzgodnione przez współsprawców. Innymi słowy, nie jest jasne, kto odpowiadałby za nieracjonalne zachowanie maszyny, które może się zdarzyć na skutek nie tylko błędu w kodzie, ale również zwyczajnej probabilistyki. Ciekawym przykładem zachowania maszyny, które nie było przewidziane przez jej twórców, może być drugi mecz szachowy rozegrany pomiędzy Garri Kasparowem a Deep Blue. Jak przyznali twórcy oprogramowania, w 44. ruchu pierwszej rozgrywki, komputer w wyniku zignorowanego przez wszystkich fragmentu kodu, wykonał ruch losowy, co zupełnie zaskoczyło Kasparowa i przyczyniło się do zwycięstwa maszyny⁸. W sytuacji, gdy komputer nie mógł wykonać najlepszego ruchu, skorzystał z zabezpieczenia pozwalającego na kontynuowanie gry i wykonał ruch dla widowni i samego Kasparowa przypadkowy. Pokazuje to, że sztuczna inteligencja może zachować się w sposób nieprzewidziany i nieracjonalny. W prawie autorskim może to mieć dodatkowy wymiar i znaczenie. Błędy czy niedoskonałości mogą być elementem twórczym. Zdarza się przy tym, że znacząco podnoszącym wartość dzieła, powodując, że staje się ono jeszcze bardziej unikatowe. Przykładem takiego mechanizmu może być zniszczenie obrazu Banksy’ego podczas aukcji⁹, który od razu zyskał na wartości (defekt paradoksalnie podniósł wartość dzieła). W tym przypadku błędy maszyny mogą więc działać w dwie strony i pytanie dotyczy nie tylko tego, kto ma ponieść odpowiedzialność za błąd, ale też tego, komu należą się niespodziewane owoce pomyłki.

Błędy mają w przypadku sztucznej inteligencji dużo większe znaczenie. Nie od dziś wiadomo, że nauka polega na ich popełnianiu i wyciąganiu wniosków. Pytanie jednak, czy w przypadku działań polegających w zasadzie na rozwiązywaniu równań, możemy mówić o błędzie maszyny? Tak naprawdę samo działanie wykonywane jest poprawnie, ale nie zawsze doprowadza ono do zamierzonego rezultatu. Błędem jest więc to, co z punktu widzenia człowieka nie jest zgodne z zamierzonym celem.

W tym miejscu dochodzimy do istoty tego, czym jest sztuczna inteligencja. Pojęcie to często jest bowiem nadużywane. Dobrze ilustrują to słowa amerykańskiego programisty Larry’ego Teslera¹⁰, który powiedział, że „sztuczna inteligencja jest tym, czego jeszcze nie zrobiono”¹¹. ­Pokazuje to, jak zmieniało się rozumienie pojęcia sztucznej inteligencji i że mimo osiągania kolejnych poziomów, cały czas daleko nam do naśladowania tego, jak działa ludzki mózg. Samo nazwanie oprogramowania sztuczną inteligencją często w warunkach rynkowych ma za zadanie jedynie przyciągnięcie uwagi inwestorów i nadanie prestiżu projektowi.

Najnowsze podejście w tworzeniu sztucznej inteligencji skupia się na tworzeniu struktury działającej podobnie jak ludzki mózg. Podejście to nazywa się „sztucznymi sieciami neuronowymi”. Zgodnie z tym założeniem błąd to nie jest to, co jest logicznie niepoprawne, ale to, co prowadzi do efektów, które nie są pożądane (określa to funkcja nazywana funkcją kary lub funkcją strat). Algorytm zaprojektowany jest w tym przypadku tak, żeby tworzył sieć. Osiąga on coraz lepsze rezultaty poprzez porównywanie swoich wyników z oczekiwanymi i wzmacniając siłę połączeń między wewnętrznymi „neuronami”, które ukierunkowują na poprawne rozwiązanie. Te połączenia mogą nakładać się na siebie i na systemy ewolucyjne. Co więcej, przy zmianie warunków wzmocnieniu mogą ulec inne połączenia. Choć koncepcyjnie nie różni się to od regresji liniowej, czyli szukania prostej najlepiej wpisującej się w zbór punktów, to w efekcie sztuczne sieci neuronowe generują niezmiernie skomplikowane funkcje, doskonale wpasowując się w dostępne dane. Prowadzi to do efektu, który my interpretujemy jako wyciąganie wniosków, uogólnianie i rozumienie analogii, czyli to, z czego składa się proces uczenia się. Jeżeli prawidłowo określimy problem, czyli poniekąd dobrze zadamy pytanie, to w końcu tego rodzaju algorytm może nauczyć się tworzenia innych algorytmów. W tym przypadku granica między tym, co logiczne i przewidywalne, a tym, co twórcze jest już mniej oczywista i jasna. Nawet, jeśli mimo wszystko uznać, że dalej jest to jedynie matematyka, to jednak matematyka, która pokazuje tu swoje najpiękniejsze oblicze.