Et nytt lovforslag i USA vil tvinge AI-selskaper til å avsløre treningsdataene sine. Intensjonen er god — men er det egentlig så enkelt?
Da jeg var liten, lærte jeg meg å tegne ved å legge matpapir over Donald Duck-blader og tegne over. Jeg studerte andres tegninger, kopierte stiler, og utviklet etter hvert min egen. Ingen sendte faktura.
Nå vil amerikanske politikere at AI-selskaper skal måtte dokumentere alt de har «lært av». TRAIN Act heter det — og det høres mer fornuftig ut enn det kanskje er.
Hva er TRAIN Act?
TRAIN Act — Transparency and Responsibility for Artificial Intelligence Networks — er et tverrpolitisk lovforslag som nylig ble introdusert i det amerikanske Representantenes hus. Det ble allerede lagt frem i Senatet, og har støtte fra tungvektere som RIAA (Recording Industry Association of America) og SAG-AFTRA, fagforeningen for skuespillere.
Kjernen: Opphavsrettighetshavere skal kunne finne ut om verkene deres ble brukt til å trene AI-modeller.
Hva krever lovforslaget?
I praksis betyr det at AI-selskaper må:
- Dokumentere treningsdataene sine — hvilke datasett de brukte og hvor de kom fra.
- Gi skapere innsyn — rettighetshavere kan sende forespørsler og få svar.
- Publisere oversikter over hvilke typer data som ble brukt.
Høres jo rimelig ut, ikke sant? Problemet er at det aldri er så enkelt når politikere blander seg inn.
Bakgrunnen: Rettssaker i kø
TRAIN Act kommer i kjølvannet av en bølge rettssaker:
- The New York Times saksøkte OpenAI for å ha trent på millioner av avisartikler uten tillatelse.
- Getty Images gikk til sak mot Stability AI for bruk av 12 millioner fotografier.
- Tusenvis av forfattere, inkludert Sarah Silverman og Michael Chabon, har saksøkt Meta og OpenAI.
Alle handler om det samme spørsmålet: Har AI-selskaper rett til å lære av eksisterende verk?
Her er det jeg stussa på
Jeg forstår frustrasjonen. Virkelig. Men la meg stille et spørsmål:
Når en kunstner går på museum og studerer Monet i timevis, og deretter maler noe inspirert av det — må hun dokumentere det? Når en musiker lytter til tusenvis av låter og utvikler sin egen stil — skal han sende en liste til alle artistene han har hørt på?
Selvfølgelig ikke. Slik lærer mennesker. Vi observerer, analyserer, og skaper noe nytt basert på alt vi har sett og hørt. AI gjør fundamentalt det samme — bare raskere.
Og nå skal det reguleres.
Regulering gjør ting dyrere
Det er en grunnleggende økonomisk sannhet som politikere elsker å ignorere: Regulering koster penger. Noen må betale for all den dokumentasjonen, alle de forespørslene, alt det byråkratiet.
Gjett hvem som ender opp med regningen. Spoiler: Det er deg og meg.
Høyere kostnader for AI-selskaper betyr dyrere AI-verktøy. Små aktører som ikke har råd til compliance-avdelinger blir presset ut. De store — Google, OpenAI, Meta — overlever fint. De små? Ikke så mye.
Ironisk nok ender slike reguleringer ofte opp med å beskytte de store selskapene fra konkurranse. Det motsatte av intensjonen.
Men vent — er det ikke en reell bekymring?
Jo. Det er det. Og jeg skal være rettferdig.
Det er forskjell på å lære av noe og å kopiere noe. Hvis en AI-modell gjenskaper en hel artikkel ord for ord, eller genererer et bilde som er tilnærmet identisk med et eksisterende verk — da har vi et opphavsrettslig problem. Det er allerede ulovlig i dag, uten TRAIN Act.
Men å lære mønstre fra data? Det er noe helt annet. Det er det både mennesker og maskiner gjør.
Bunnlinjen
TRAIN Act har gode intensjoner. Transparens er bra. Men det er en vesensforskjell mellom å kreve åpenhet og å skape et byråkratisk monster som gjør AI dyrere og mindre tilgjengelig for alle.
Historien har vist oss gang på gang: Når staten regulerer teknologi, vinner de store og taper de små. Spørsmålet er om vi virkelig ønsker det.
Jeg tror vi klarer oss med lovene vi allerede har. Opphavsrett eksisterer. Rettssystemet fungerer (sakte, men det fungerer). Vi trenger ikke flere lover — vi trenger bedre håndhevelse av de vi har.
Men hei, hva vet jeg. Jeg lærte å tegne med matpapir over Donald Duck. 😏
