TL;DR
Søksmål anlagt: Tre YouTube-kanaler anla et gruppesøksmål mot Apple i Californias føderale domstol for påstått videoskraping for AI-opplæring. Datasetttilkobling: Klagen sentrerer seg om Panda-70M-datasettet, som inneholder 70 millioner videotekstpar avledet fra 3,8 millioner YouTube-videoer. Juridisk strategi: Saksøkere bruker DMCA-antiomgåelsespåstander for å omgå forsvar for rimelig bruk ved å målrette hvordan data ble samlet inn i stedet for hvordan de ble brukt. Bredere kampanje: De samme saksøkerne har anlagt lignende søksmål mot Meta, Nvidia, ByteDance og Snap på grunn av uautorisert YouTube-innsamling.
Tre YouTube-kanaler anla et gruppesøksmål mot Apple i begynnelsen av april i Californias føderale domstol. Klagespråk anklager selskapet for å skrape opp opphavsrettsbeskyttede videoer for å trene AI-modeller i strid med Digital Millennium Copyright Act (DMCA). Denne innleveringen markerer den siste eskaleringen i en juridisk kampanje som kan omforme hvordan teknologiselskaper samler inn opplæringsdata fra innholdsskapere.
Saksøkerne i saken inkluderer Ted Entertainment Inc., som driver h3h3Productions drevet av Ethan Klein. Matt Fisher, som driver MrShortGameGolf, og Golfholics Inc. avrunder søknaden. Rettsdokumenter sier at Apples”massive økonomiske suksess ikke ville vært mulig uten videoinnholdet som er laget”av skapere som disse.
Filt inn under Tblank”>Target=”document.”Entertainment v. Apple Inc., søker klagen status for gruppesøksmål på vegne av en potensielt mye større gruppe YouTube-skapere. Videoene deres kan ha blitt skrapet uten samtykke. Apple har ikke offentlig kommentert innleveringen, og ingen bedriftsrepresentanter har tatt opp påstandene i noe offentlig forum.
Utover de umiddelbare partene slutter Apple seg til en voksende liste over teknologiselskaper som står overfor juridiske utfordringer fra innholdsskapere. Skapere hevder at arbeidet deres ble høstet uten tillatelse til å bygge kommersielle AI-produkter. Tre saksøkere har allerede anlagt lignende søksmål mot fire andre store teknologiselskaper.
Apples klage er en del av en koordinert juridisk kampanje som tester om DMCAs anti-omgåelsesbestemmelser gjelder for AI-treningsdatainnsamling. Hvis domstolen sertifiserer klassen, kan saken representere tusenvis av YouTube-skapere. Innholdet deres ble angivelig brukt på samme måte i henhold til arkiveringen.
How Apple Scraped YouTube-videoer, ifølge søksmålet
Tekniske påstander i arkivsenteret på et datasett kalt M Den inneholder 70 millioner videotekstpar avledet fra 3,8 millioner høyoppløselige videoer hentet fra hele internett. Snap Research opprettet datasettet og publiserte det på CVPR 2024, en datasynskonferanse på toppnivå.
Tekking fra den offentlig tilgjengelige HD-VILA-støttenVILA-10sa>M bildetekst, tekstdrevet videogenerering og videotekstinnhenting. Datasettskala illustrerer hvor mye innhold moderne AI-treningspipelines bruker. Skapere blir stadig mer bekymret for hvor dette materialet kommer fra.
Rettsdokumenter oppgir at Apple brukte Panda-70M eller lignende datasett bygget fra YouTube-videoinnhold for å utvikle sine generative AI-produkter. I følge arkivet omgikk Apple YouTubes”kontrollerte strømmearkitektur”på feil måte for å få tilgang til videoinnhold. Vanlige brukere kan bare konsumere det innholdet gjennom plattformens standard strømmegrensesnitt.
YouTube leverer video gjennom en lagdelt teknisk infrastruktur designet for å forhindre massenedlasting eller ekstern innsamling. Saksøkere hevder at Apple omgikk disse restriksjonene for å skaffe opplæringsmateriell i stor skala. Å fjerne videoer av tilgangsbeskyttelsen fulgte med prosessen.
Å velge DMCA som juridisk rammeverk representerer en kalkulert strategisk avgjørelse. Standard krav om brudd på opphavsrett over AI-treningsdata krever bevis for at AI-systemet har reprodusert eller laget avledede verk fra opphavsrettsbeskyttet materiale. Å bevise avledede arbeider presenterer en høy bar gitt hvordan treningsdata behandles gjennom nevrale nettverk.
Individuelle input blir abstrahert til statistiske mønstre i stedet for å lagres som gjenkjennelige kopier. Antiomgåelsesbestemmelser har en helt annen tilnærming. De forbyr å omgå teknisk beskyttelse på opphavsrettsbeskyttede verk og bærer lovpålagte skader som ikke krever bevis for faktisk økonomisk skade.
Lovfestet skade under DMCA varierer fra $200 til $2500 per omgåelse. For et datasett som inneholder millioner av videoer, kan potensielt ansvar nå betydelige nivåer.
Et vellykket resultat kan fastslå at skraping av videoer fra plattformer med teknisk tilgangskontroll utgjør et DMCA-brudd. Dette vil gjelde uavhengig av om AI-modellen senere reproduserer det opphavsrettsbeskyttede innholdet.
Fair use-forsvar som AI-selskaper har stolt på i andre opphavsrettssaker møter utfordringer under DMCA-vinklen. Et selskap kan hevde at AI-opplæringen deres utgjør rettferdig bruk av det opphavsrettsbeskyttede videoinnholdet. Dette forsvaret gjelder kanskje ikke den separate handlingen med å omgå tekniske tiltak for å få tilgang til det innholdet i utgangspunktet.
Tidligere AI-opphavsrettssaker har sentrert seg om hvorvidt opplæring i opphavsrettsbeskyttet data utgjør transformativ bruk. DMCA-strategien omgår dette spørsmålet fullstendig ved å fokusere på metoden for datainnsamling i stedet for bruken av selve dataene.
For AI-selskaper som har bygget sin juridiske strategi rundt argumenter for rettferdig bruk, representerer dette en potensielt bemerkelsesverdig sårbarhet. Endringer i hvordan treningsdata samles inn kan bli nødvendig hvis domstolene avviser argumentet om rimelig bruk i denne sammenhengen.
A Pattern of Lawsuits Against Big Tech
Apple står overfor anklager sammen med flere andre store teknologiselskaper. Saksøkere har anlagt lignende søksmål mot Meta, Nvidia, ByteDance og Snap. Alle påstander hevder uautorisert skraping av YouTube-videoer for AI-opplæringsformål.
Koordinerte rettssaker retter seg spesifikt mot selskaper som har bygget eller hatt nytte av datasett fra YouTube-videoinnhold. Målrettede selskaper kompenserte eller krediterte ikke skaperne som produserte innholdet.
Målretting mot fem selskaper avslører en metodisk juridisk tilnærming. Ved å inngi separate søksmål mot hvert selskap som brukte YouTube-avledede opplæringsdata, skaper saksøkere flere muligheter for gunstige avgjørelser. Hver saksøkte må sette opp sitt eget forsvar.
En seier mot et enkelt selskap vil generere presedens som styrker de gjenværende sakene. Et tap i én domstol utelukker ikke nødvendigvis suksess i en annen.
Opphavsrettskrav mot AI-selskaper strekker seg langt utover Apple-saken. Britannica og Merriam-Webster saksøkte Perplexity for anklager om innholdstyveri. Reddit anla sak mot dataskrapere for det de kalte tyveri av AI-innhold i industriell skala.
OpenAI og Microsoft møter rettssak fra New York Times for bruken av artiklene deres til chatbot-opplæring. Hver sak tester en annen juridisk teori for hvordan eksisterende åndsverklovgivning gjelder for AI-treningsdata. Ingen har ennå laget en endelig avgjørelse som avgjør spørsmålet for bransjen.
Forvirring står overfor påstander om å kopiere millioner av referanseoppføringer uten tillatelse. Reddits klage retter seg mot automatiserte skrapeverktøy som høster brukerinnlegg i stor skala. New York Times rettssaker sentrerer om hvorvidt chatbot-opplæring i avisarkiver kvalifiserer som rimelig bruk.
Apple-søksmål passer innenfor en spesifikk del av denne rettssaken: påstander som involverer store teknologiselskaper og YouTube-innhold brukt til AI-formål. En undersøkelse fra 2024 fant at Apple, Nvidia og Anthropic hadde brukt YouTube-transkripsjoner for AI-trening. Dette funnet reiste tidlige spørsmål om lovligheten og etikken i praksisen.
En påfølgende undersøkelse fra 2025 dokumenterte skraping av millioner av YouTube-videoer av store teknologifirmaer i industriell skala. Nåværende rettslige skritt representerer en eskalering av praksis dokumentert gjennom journalistikk i årevis. Slik praksis har vært utsatt for begrenset gransking av rettssalen til nå.
Utover rettssalskampene viser det bredere opphavsrettslandskapet ingen tegn til konsolidering. Føderal lovgivning som regulerer AI-treningsdata forblir fraværende. DMCA-bestemmelser står som et av de få eksisterende juridiske verktøyene som er tilgjengelige for skapere.
Kongressen har holdt høringer om AI og opphavsrett, men har ikke vedtatt spesifikke regler for hvordan opphavsrettsbeskyttet innhold kan brukes til modellopplæring. Inntil lovgivere handler, må saksøkere stole på lover skrevet tiår før moderne AI-systemer eksisterte.
En gunstig avgjørelse vil fastslå at plattformens tekniske beskyttelse gir innhold et lag med juridisk beskyttelse uavhengig av tradisjonell håndhevelse av opphavsrett. Et ugunstig resultat kan føre til at skapere ikke kan benyttes effektivt når arbeidet deres mater AI-systemer uten samtykke.
Å slå til fordel for YouTube-skaperne kan tvinge AI-selskaper til å revurdere praksisen for datainnsamling. Lisensavtaler med innholdsplattformer kan bli nødvendige i stedet for valgfrie. Dette resultatet vil påvirke hvordan teknologiindustrien nærmer seg opphavsrettsbeskyttet opplæringsdata i årene som kommer.
