Um dos maiores conjuntos de dados de treinamento de música para IA publicamente conhecidos foi retirado do ar, enquanto uma onda de ações coletivas contra empresas de música generativa avança nos tribunais dos EUA e um novo artigo acadêmico enquadra o debate sobre raspagem de dados em termos neocoloniais.
Retirada do conjunto de dados e consequências para pesquisadores
Uma investigação publicada no mês passado identificou quatro conjuntos de dados em circulação pública contendo aproximadamente 21,2 milhões de gravações protegidas por direitos autorais. Uma ferramenta de busca complementar permitiu que artistas verificassem se suas músicas estavam incluídas, gerando indignação entre músicos que encontraram suas obras nas coleções.
Três dos quatro conjuntos de dados não contêm arquivos de áudio, apenas links para o YouTube e Spotify combinados com metadados. Desenvolvedores normalmente alimentam esses links em ferramentas automatizadas de extração que ignoram telas de login, anúncios e mecanismos de pagamento de royalties. Os únicos usuários confirmados são o Google e a Stability AI, que citaram o Free Music Archive, a menor das quatro coleções, em artigos de pesquisa publicados. Permanece desconhecido quem baixou o quê dos dois conjuntos de dados que representam a grande maioria das 21 milhões de faixas, já que nenhuma legislação atual exige divulgação.
Na esteira da investigação, o Sleeping-DISCO-9M, um conjunto de dados com pouco mais de 9,7 milhões de faixas extraídas de música comercial, foi removido por seu editor, o Sleeping AI Research Collective. A retirada do link de download original não garante que os dados tenham parado de circular, e o conjunto de dados permanece pesquisável por meio de uma ferramenta disponível publicamente.
Um artigo que acompanhava o conjunto de dados, intitulado “SLEEPING-DISCO 9M: Um conjunto de dados de pré-treinamento em larga escala para modelagem de música generativa”, também foi discretamente retirado. Seu resumo observava que “não existem conjuntos de dados de código aberto de alta qualidade que representem músicas populares e conhecidas”. Os autores pretendiam usar o conjunto de dados para pré-treinamento de modelos generativos. Embora a remoção não seja uma admissão de responsabilidade, os demandantes em casos de direitos autorais poderiam argumentar que isso demonstra consciência de potenciais riscos legais. Sem esses conjuntos de dados, os pesquisadores que constroem modelos musicais de código aberto são forçados a recorrer a bibliotecas livres de royalties, músicas Creative Commons, catálogos licenciados ou conjuntos de dados sintéticos, todos com limitações de escala ou diversidade musical.
Sleeping AI emitiu um comunicado descrevendo a “eliminação total” como uma decisão deliberada “em resposta a controvérsias públicas emergentes, comportamentos de perseguição localizada e incidentes crescentes de doxing que comprometeram a segurança pessoal, a privacidade e as liberdades individuais de autores independentes”. O comunicado negou que o conjunto de dados hospedasse, indexasse ou distribuísse conteúdo multimídia protegido por direitos autorais, acrescentando que “nenhum modelo de IA generativa foi treinado com esses metadados”.
Ações coletivas e fraturas no licenciamento
Separadamente da controvérsia sobre o conjunto de dados, uma série de ações coletivas movidas por músicos independentes está avançando contra as empresas de música com IA Suno, Udio, Mureka e, mais recentemente, Google, alegando cópia não autorizada e treinamento de IA. Loevy + Loevy, um escritório de advocacia de direitos civis envolvido no litígio, declarou em seu site: “Se as vozes independentes se calarem, as empresas de IA consolidarão um modelo de negócios que trata o trabalho criativo como combustível gratuito. Se agirmos agora, juntos, podemos forçá-las a licenciar, pagar e respeitar os artistas que fazem a música valer a pena ser ouvida.”
As negociações de licenciamento entre a Suno e duas das três grandes gravadoras fracassaram no início deste ano. A divisão agora se concentra em saber se as músicas geradas por IA podem ser baixadas das plataformas que as produzem. O Warner Music Group, que fez um acordo com a Suno em novembro, permite que usuários pagantes baixem e comercializem suas criações. O Universal Music Group, que fez um acordo com a Udio em outubro, exigiu que a Udio desativasse todos os downloads e deu aos usuários uma janela de 48 horas para exportar suas músicas antes que o recurso fosse removido.
A Universal e a Sony Music foram à Justiça para acessar os termos do acordo da Warner, argumentando que não podem negociar às cegas contra um contrato cujo conteúdo não têm permissão de conhecer. A Sony, que se recusou a fazer um acordo, adicionou mais de 61 mil gravações ao seu processo contra a Suno. Esse caso está prestes a ter uma audiência de julgamento sumário neste mês. A decisão poderá determinar se treinar modelos de IA com gravações protegidas por direitos autorais sem licença constitui uso justo ou violação.
Ecos coloniais e modelos alternativos
Um artigo publicado em abril no Eastern African Journal of Humanities and Social Sciences argumenta que os conjuntos de dados de treinamento de IA são “artefatos políticos que fixam formas neocoloniais de opressão ao congelar culturas dinâmicas e vivas para serem consumidas exogenamente”. Ele traça o padrão desde a gravação de “Mbube” por Solomon Linda em 1939, que foi tirada de seu criador, circulou globalmente e foi monetizada por todos, menos por ele. O artigo observa a ironia de que um conjunto de dados chamado Sleeping-DISCO esteja no centro da controvérsia atual.
Os juristas Chijioke Okorie e Melissa Omino apresentaram um argumento relacionado sobre as estruturas de licenciamento propostas, observando que as licenças abertas padrão tratam os proprietários de conjuntos de dados africanos como se fossem entidades bem abastecidas do Norte Global. O resultado, argumentam, é uma desigualdade que nasce de tratar como iguais atores em situações desiguais.
Alguns desenvolvedores no continente estão respondendo rejeitando completamente o modelo de raspagem. A startup nigeriana Korin AI, por exemplo, trabalha licenciando música de artistas locais.
