大規模言語モデル（LLM）と著作権侵害：著作権遵守の質と特異性に関する考察

Core Concepts

大規模言語モデル（LLM）は、著作権で保護されたテキストをどの程度再現するか、また、モデルやデータセットによってその程度がどのように異なるかを体系的に調査した結果、LLMの著作権遵守には大きなばらつきがあり、モデルの規模が大きいほど潜在的な著作権侵害の件数は増加する傾向にあるが、著作権遵守の特異性については、必ずしも規模と相関関係があるわけではないことが明らかになった。

Abstract

大規模言語モデルにおける著作権侵害：遵守状況の分析と考察

本稿は、大規模言語モデル（LLM）における著作権侵害の可能性について、ヨーロッパの法律を例に、体系的な分析を行った研究論文である。

本研究は、LLMの出力結果が、どのような状況下で、どの程度まで著作権法に抵触する可能性があるのかを、ヨーロッパの法律を例に体系的に分析することを目的とする。

データセット

著作権で保護された書籍20冊とパブリックドメインの書籍20冊からなるコーパスを用いた。
著作権で保護された書籍は、ベストセラーリストを参考に、1954年以降に著者が亡くなった作品から選定した。
パブリックドメインの書籍は、1954年以前に著者が亡くなった作品から、Project Gutenbergの人気ダウンロードリストを参考に選定した。
プロンプト

現実的なエンドユーザーの行動を模倣し、著作権で保護されたテキストの複製を要求する5つのカテゴリーのプロンプトを作成した。

直接複製
テキストベースの複製
特定のテキストの複製
難読化による敵対的プロンプト
説得による敵対的プロンプト
テキストマッチング

著作権で保護されたテキストの複製を検出するため、ファジーテキストマッチングアルゴリズムを開発した。
このアルゴリズムは、イギリス英語とアメリカ英語の違いや、版の違いによる表現の差異などを考慮し、わずかな変更が加えられた複製も検出することができる。
著作権侵害の指標

著作権侵害の程度を測るために、160文字を超える複製を著作権侵害とみなす指標（SRR）と、著作権で保護されたテキストとパブリックドメインのテキストに対する複製率の比率を測る指標（CDR）を定義した。
出力結果の分類

著作権侵害の可能性の有無に加え、モデルが出力するテキストの種類を7つのカテゴリーに分類した。

160文字以上の複製（Match-Significant）
160文字以下の複製（Match-Insignificant）
著作権を理由に回答を拒否（Refusal-Copyright）
著作権以外の理由で回答を拒否（Refusal-Other）
実際には存在しないテキストを生成（Hallucination）
要約など、原文を使用しない回答（NonLiteral）
その他（Other）
評価対象のLLM

GPT-4、GPT-3.5 Turbo、LLama 2 Chat、Alpaca、Vicuna、Luminous Supreme Control、OpenGPT-Xの7つのLLMを評価対象とした。

Key Insights Distilled From

LLMs and Memorization: On Quality and Specificity of Copyright Compliance

by Feli... at arxiv.org 11-19-2024

https://arxiv.org/pdf/2405.18492.pdf

Deeper Inquiries

著作権保護期間が終了した作品を学習データに用いる場合でも、著作者人格権の侵害に配慮する必要があるのではないか。

著作権保護期間が終了した作品（パブリックドメイン作品）は、著作権法による保護の対象外となり、原則として自由に利用できます。しかしながら、著作者人格権は著作権保護期間が終了した後も存続する場合があり、パブリックドメイン作品の利用においても著作者人格権の侵害となる可能性は残ります。
具体的には、著作者人格権の一つである氏名表示権について、パブリックドメイン作品を利用する際には、著作者の氏名を表示することが求められます。また、同一性保持権の観点からは、著作者の意図を歪曲したり、名誉を毀損するような形で作品を利用することは避けるべきです。
LLMの学習データとしてパブリックドメイン作品を用いる場合、膨大なデータの中から個々の作品の著作者やその意図を完全に把握することは困難です。しかし、AI技術の進歩に伴い、著作権保護期間が終了した作品であっても、著作者人格権を尊重する方向へ発展していくべきです。例えば、LLMの出力結果に作品や著作者に関する情報を付与する、あるいは利用者が著作者情報を確認できるような仕組みを導入するなどの対策が考えられます。

著作権侵害のリスクを低減するために、LLMの出力結果に対して、著作権情報を付与する仕組みを導入するべきではないか。

LLMの出力結果に対して著作権情報を付与することは、著作権侵害のリスクを低減する有効な手段となりえます。具体的には、以下の様なメリットが考えられます。

利用者への注意喚起: 出力結果に著作権情報が付与されることで、利用者はその情報が著作権で保護されている可能性を認識し、無断利用を控える意識が高まります。
権利者への情報提供: 著作権情報が付与されることで、権利者は自身の作品がLLMに利用されていることを把握しやすくなり、権利侵害に対する監視や対応がしやすくなります。
ライセンス交渉の円滑化: LLMの出力結果を利用したいユーザーは、付与された著作権情報を通じて権利者と連絡を取り、ライセンス交渉を行うことが容易になります。
著作権情報を付与する仕組みを導入する際には、以下の様な課題も検討する必要があります。

技術的な実現可能性: 膨大な出力結果に対して、正確かつ効率的に著作権情報を付与する技術の開発が必要です。
情報量のバランス: 利用者の利便性を損なわない程度に、必要最低限の著作権情報を付与する必要があります。
誤情報への対策: 誤った著作権情報が付与されることを防ぐため、情報の正確性を担保する仕組みが必要です。
これらの課題を解決した上で、著作権情報を付与する仕組みを導入することで、LLMの健全な発展と著作権保護の両立を目指すべきです。

LLMの普及が、著作権制度の在り方や、創作活動にどのような影響を与えるかについて、長期的な視点で考察を深める必要がある。

LLMの普及は、著作権制度の在り方や創作活動に大きな影響を与える可能性があり、長期的な視点に立った深い考察が不可欠です。
著作権制度への影響:

保護対象の拡大: LLMの出力結果が著作物と認められるか、その場合、誰が権利者となるのか、新たな法的解釈や制度設計が必要となる可能性があります。
権利制限規定の見直し: LLMの学習におけるデータ利用と著作権法上のフェアユースとの関係性、あるいは新たな権利制限規定の創設について、議論が必要です。
国際的な枠組みの構築: LLMの開発・利用は国境を越えて広がるため、国際的な著作権保護の枠組みの整備が急務となります。
創作活動への影響:

創作活動の効率化: LLMは創作の補助ツールとして活用され、創作活動の効率化や新たな表現の可能性が期待されます。
著作権侵害の増加: LLMの出力結果が安易に利用されることで、著作権侵害のリスクが高まり、創作意欲の低下に繋がる可能性も懸念されます。
創作活動の多様化: LLMの利用を通じて、従来の枠にとらわれない新たな創作活動が生まれる可能性も考えられます。
LLMの普及は、著作権制度や創作活動に大きな変化をもたらす可能性があります。技術の進歩を注視しながら、関係者間で議論を重ね、新たな時代に対応した著作権制度の構築と、創造的な環境の整備を進めていく必要があるでしょう。