Martha Leal é presidente do Instituto Nacional de Proteção de Dados (INPD), especialista em Direito Digital e Proteção de Dados, mestre em Direito e Negócios Internacionais, certificada como CDPO pela Maastricht University.
O parecer do Departamento de Justiça dos Estados Unidos defende que o treino de grandes modelos de linguagem pode ser compatível com o “fair use”, mas reforça a necessidade de analisar separadamente a origem dos dados, o processo de treino e os resultados produzidos pela IA
No passado dia 1 de setembro, o Departamento de Justiça dos Estados Unidos apresentou um parecer no litígio multidistrital In re OpenAI Copyright Infringement Litigation, em tramitação no Distrito Sul de Nova Iorque.
Algumas manchetes referiram-se ao documento como se se tratasse de uma decisão. Não é. O parecer não julga a controvérsia nem tão-pouco vincula o magistrado. Regista a posição institucional do Governo federal, com fundamento no 28 U.S.C. § 517. A sua importância reside na influência que poderá exercer sobre o julgamento sumário e, ainda, na linha de argumentação que oferece para outros processos envolvendo grandes modelos de linguagem.
A posição favorece os desenvolvedores. Para o Governo norte-americano, a utilização de obras escritas no treino de grandes modelos de linguagem, conhecidos pela sigla LLMs (Large Language Models), é extraordinariamente transformadora e, se examinada de forma isolada, compatível com o fair use.
A obra original informa, educa ou entretém diretamente o público. Já a cópia realizada durante o treino permite que o modelo aprenda padrões estatísticos, vocabulário, sintaxe e relações linguísticas. O seu propósito não seria oferecer ao leitor um sucedâneo do livro ou do artigo, mas viabilizar uma ferramenta capaz de realizar tarefas variadas.
O parecer percorre os quatro fatores previstos na secção 107 do Copyright Act, conferindo especial importância ao caráter transformador e aos efeitos sobre o mercado. Neste raciocínio, nem mesmo a cópia integral da obra, realizada numa etapa intermédia, seria decisiva. Interessa saber quanto da expressão autoral chegou ao público e se o conteúdo disponibilizado pode substituir a obra. A exploração comercial do produto também não afastaria, por si só, o fair use. À medida que cresce o caráter transformador, diminui o peso atribuído à finalidade comercial.
O aspeto mais relevante, no plano jurídico, talvez seja a exigência de uma análise específica de cada utilização. A recolha e o armazenamento do conjunto de dados, a cópia para treino e a geração de resultados não são tratados como um único ato. Um resultado que reconstrua parte substancial de uma obra pode constituir uma infração sem que, necessariamente, todo o treino também o seja. O inverso merece igual atenção. Reconhecer a natureza transformadora do treino não legitima a obtenção de ficheiros em repositórios piratas, a violação de medidas tecnológicas, o incumprimento contratual ou a remoção de informações sobre a gestão dos direitos. A separação das etapas evita que questões juridicamente distintas sejam resolvidas por uma resposta única.
A passagem mais contundente do parecer trata da teoria da “diluição de mercado”, considerada em Kadrey v. Meta. De acordo com esta construção, modelos treinados com livros poderiam produzir novas obras em grande quantidade, saturar o mercado e reduzir a remuneração dos autores humanos, mesmo quando os resultados não reproduzissem substancialmente nenhum livro determinado. O Governo classifica esta teoria como “profundamente falha”. Na sua avaliação, mistura treino e resultado, além de converter concorrência económica genérica em dano autoral.
O Copyright Act protege a expressão original. Não protege estilos, géneros, ideias ou métodos de criação. Por esta razão, um texto gerado por IA não se torna infrator apenas por integrar a mesma categoria das obras utilizadas no treino ou por disputar a atenção do público.
Para que o prejuízo de mercado seja relevante no exame do quarto fator, deve haver concorrência substitutiva significativa. Em termos concretos, o resultado precisa de revelar expressão protegida em extensão suficiente para ocupar o lugar da obra identificada. A proximidade temática ou estilística não resolve esta questão quando inexiste similaridade substancial.
A orientação repercute-se diretamente em processos como New York Times vs OpenAI/Microsoft e nas ações propostas por autores e editoras. Alegações formuladas em bloco tendem a perder espaço. Será necessário apontar a obra utilizada, a etapa em que ocorreu a cópia, o conteúdo eventualmente retido pelo modelo, os elementos protegidos que reapareceram e a forma como determinado resultado substitui a obra ou um mercado derivado protegido.
Do lado dos desenvolvedores, tornam-se ainda mais relevantes o registo da proveniência dos conjuntos de dados, a deduplicação, os filtros contra a memorização e os testes orientados para a prevenção de reproduções extensas.
A posição do Governo favorece ainda soluções judiciais proporcionais ao dano demonstrado. Alguns resultados reconstrutivos podem justificar bloqueios específicos, o aperfeiçoamento de filtros ou uma indemnização pelas reproduções comprovadas. Não conduziriam, necessariamente, à proibição do treino ou à paralisação integral do modelo.
O parecer também não elimina o espaço das licenças. Acordos para acesso a conteúdo atualizado, bases proprietárias, materiais protegidos por paywall e sistemas de recuperação de informação mantêm valor económico próprio. O que o Governo recusa é a presunção de que a simples possibilidade de licenciamento torne infrator todo o treino realizado sem autorização.
Esta posição não encerra a controvérsia. A comparação entre o treino computacional e a aprendizagem humana pode ser questionada em razão da escala industrial da cópia. A separação entre treino e resultado, por sua vez, torna-se menos convincente quando a memorização é previsível ou frequente. Ainda assim, o documento desloca o centro da discussão.
Já não basta perguntar se determinada obra integrou o treino. Será necessário examinar a origem do ficheiro, a finalidade de cada cópia, a arquitetura do modelo, a expressão que chegou ao público e a existência de substituição concreta. É neste campo, simultaneamente jurídico e técnico, que deverá ser definido o alcance do fair use na era dos LLMs.