Publicado en The Guardian
https://www.theguardian.com/technology/2025/jan/10/mark-zuckerberg-meta-books-ai-models-sarah-silverman
Zuckerberg aprobó el uso de libros «pirateados» por Meta para entrenar modelos de IA, según sus autores
Sarah Silverman y otros denuncian ante los tribunales que el CEO aprobó el uso de datos a pesar de las advertencias.
Mark Zuckerberg aprobó el uso por parte de Meta de versiones «pirateadas» de libros protegidos por derechos de autor para entrenar los modelos de inteligencia artificial de la empresa, según alega un grupo de autores en una demanda presentada ante un tribunal estadounidense.
Citando comunicaciones internas de Meta, la demanda afirma que el director ejecutivo de la empresa de redes sociales respaldó el uso del conjunto de datos LibGen, un vasto archivo en línea de libros, a pesar de las advertencias dentro del equipo ejecutivo de IA de la empresa de que se trata de un conjunto de datos «que sabemos que es pirata».
El mensaje interno dice que el uso de una base de datos que contiene material pirateado podría debilitar las negociaciones del propietario de Facebook e Instagram con los reguladores, según la presentación. «La cobertura mediática que sugiere que hemos utilizado un conjunto de datos que sabemos que es pirata, como LibGen, puede debilitar nuestra posición negociadora con los reguladores».
El autor estadounidense Ta-Nehisi Coates, la cómica Sarah Silverman y los demás autores que demandan a Meta por infracción de derechos de autor hicieron las acusaciones en una presentación hecha pública el miércoles, ante un tribunal federal de California.
Los autores demandaron a Meta en 2023, alegando que la empresa de redes sociales utilizó indebidamente sus libros para entrenar a Llama, el gran modelo lingüístico que alimenta sus chatbots.
El conjunto de datos Library Genesis, o LibGen, es una «biblioteca en la sombra» originaria de Rusia que afirma contener millones de novelas, libros de no ficción y artículos de revistas científicas. El año pasado, un tribunal federal de Nueva York ordenó a los operadores anónimos de LibGen pagar a un grupo de editores 30 millones de dólares (24 millones de libras) en concepto de daños y perjuicios por infracción de derechos de autor.
El uso de contenidos protegidos por derechos de autor para entrenar modelos de IA se ha convertido en un campo de batalla legal en el desarrollo de herramientas de IA generativa como el chatbot ChatGPT, con profesionales creativos y editores advirtiendo de que utilizar su trabajo sin permiso pone en peligro sus medios de vida y modelos de negocio.
El expediente cita un memorando, que hace referencia a las iniciales de Mark Zuckerberg, en el que se señala que «después de la escalada a MZ», el equipo de IA de Meta «ha sido aprobado para utilizar LibGen».
Citando comunicaciones internas, el documento también afirma que los ingenieros de Meta hablaron de acceder a los datos de LibGen y revisarlos, pero dudaron en iniciar ese proceso porque «hacer torrenting», un término para compartir archivos entre iguales, desde «un portátil corporativo [propiedad de Meta] no parece correcto».
Un juez de distrito estadounidense, Vince Chhabria, desestimó el año pasado las demandas de que el texto generado por los modelos de IA de Meta infringía los derechos de autor de los autores y que Meta sustraía ilegalmente la información de gestión de derechos de autor (CMI) de sus libros, que se refiere a información sobre la obra que incluye el título, el nombre del autor y el propietario de los derechos de autor. Sin embargo, los demandantes obtuvieron permiso para modificar sus demandas.
Los escritores argumentaron esta semana que las pruebas reforzaban sus alegaciones de infracción y justificaban la reactivación de su caso CMI y la adición de una nueva alegación de fraude informático.
En una vista celebrada el jueves, Chhabria declaró que permitiría a los autores presentar una demanda modificada, pero se mostró escéptico sobre el fundamento de las demandas por fraude y CMI.
Se ha contactado con Meta para que haga comentarios.
**************************************
Zuckerberg approved Meta’s use of ‘pirated’ books to train AI models, authors claim
Sarah Silverman and others file court case claiming CEO approved use of dataset despite warnings
Mark Zuckerberg approved Meta’s use of “pirated” versions of copyright-protected books to train the company’s artificial intelligence models, a group of authors has alleged in a US court filing.
Citing internal Meta communications, the filing claims that the social network company’s chief executive backed the use of the LibGen dataset, a vast online archive of books, despite warnings within the company’s AI executive team that it is a dataset “we know to be pirated”.
The internal message says that using a database containing pirated material could weaken the Facebook and Instagram owner’s negotiations with regulators, according to the filing. “Media coverage suggesting we have used a dataset we know to be pirated, such as LibGen, may undermine our negotiating position with regulators.”
The US author Ta-Nehisi Coates, the comedian Sarah Silverman and the other authors suing Meta for copyright infringement made the accusations in a filing made public on Wednesday, in a California federal court.
The authors sued Meta in 2023, arguing that the social media company misused their books to train Llama, the large language model that powers its chatbots.
The Library Genesis, or LibGen, dataset is a “shadow library” that originated in Russia and claims to contain millions of novels, nonfiction books and science magazine articles. Last year a New York federal court ordered LibGen’s anonymous operators to pay a group of publishers $30m (£24m) in damages for copyright infringement.
Use of copyrighted content in training AI models has become a legal battleground in the development of generative AI tools such as the ChatGPT chatbot, with creative professionals and publishers warning that using their work without permission is endangering their livelihoods and business models.
The filing cites a memo, referring to Mark Zuckerberg’s initials, noting that “after escalation to MZ”, Meta’s AI team “has been approved to use LibGen”.
Quoting internal communications, the filing also says Meta engineers discussed accessing and reviewing LibGen data but hesitated on starting that process because “torrenting”, a term for peer-to-peer sharing of files, from “a [Meta-owned] corporate laptop doesn’t feel right”.
A US district judge, Vince Chhabria, last year dismissed claims that text generated by Meta’s AI models infringed the authors’ copyrights and that Meta unlawfully stripped their books’ copyright management information (CMI), which refers to information about the work including the title, name of the author and copyright owner. However, the plaintiffs were given permission to amend their claims.
The writers argued this week that the evidence bolstered their infringement claims and justified reviving their CMI case and adding a new computer fraud allegation.
Chhabria said during a hearing on Thursday that he would allow the writers to file an amended complaint but expressed scepticism about the merits of the fraud and CMI claims.
Meta has been contacted for comment.
//////////////////
