大規模言語モデルにおける著作権資料の影響：ノルウェーの視点

The Impact of Copyrighted Material on Large Language Models: A Norwegian Perspective

December 12, 2024

著者: Javier de la Rosa, Vladislav Mikhailov, Lemei Zhang, Freddy Wetjen, David Samuel, Peng Liu, Rolv-Arild Braaten, Petter Mæhlum, Magnus Breder Birkenes, Andrey Kutuzov, Tita Enstad, Svein Arne Brygfjeld, Jon Atle Gulla, Stephan Oepen, Erik Velldal, Wilfred Østgulen, Liljia Øvrelid, Aslak Sira Myhre

cs.AI

要旨

生成言語モデルのトレーニングにおける著作権付き資料の使用は、重要な法的および倫理的問題を引き起こします。本論文では、ノルウェー語の大規模言語モデル（LLM）の性能に著作権付き資料が与える影響を実証的に評価するための枠組みと結果を提案します。我々は、ノルウェーのさまざまなベンチマークでモデルを評価した際、書籍と新聞の両方が肯定的に貢献する一方、小説作品は性能の低下につながる可能性があることを発見しました。我々の実験は、AIの発展に貢献する作品の著者に対する補償制度の構築に役立つ可能性があります。

English

The use of copyrighted materials in training generative language models raises critical legal and ethical questions. This paper presents a framework for and the results of empirically assessing the impact of copyrighted materials on the performance of large language models (LLMs) for Norwegian. We found that both books and newspapers contribute positively when the models are evaluated on a diverse set of Norwegian benchmarks, while fiction works possibly lead to decreased performance. Our experiments could inform the creation of a compensation scheme for authors whose works contribute to AI development.