Analiza Techniczna
Propozycja ogólnounijnego podatku od treści AI stanowi bezpośrednie wyzwanie techniczne i prawne dla dominującego paradygmatu trenowania dużych modeli językowych (LLM). Obecnie najnowocześniejsze modele są trenowane głównie na ogromnych zbiorach danych pozyskanych z otwartej sieci, proces ten funkcjonuje w prawnej szarej strefie, szczególnie w świetle surowych unijnych dyrektyw dotyczących praw autorskich, takich jak Dyrektywa o prawie autorskim na jednolitym rynku cyfrowym. Inicjatywa Mistral uznaje, że ten model jest na dłuższą metę technicznie i prawnie niezrównoważony. Z technicznego punktu widzenia, obowiązkowa płatność za dane wymusiłaby fundamentalną ponowną ocenę strategii pozyskiwania, kuratorstwa i wykorzystania danych. Zachęca to do rozwoju bardziej zaawansowanych systemów śledzenia pochodzenia danych i zarządzania prawami, zintegrowanych bezpośrednio z procesem rozwoju AI. Ponadto, stawia na pierwszym planie efektywność danych – techniki takie jak lepsze architektury modeli, zaawansowane filtrowanie danych i generowanie wysokiej jakości danych syntetycznych stałyby się kluczowymi przewagami konkurencyjnymi. Koszt legalnie licencjonowanych, wysokiej jakości korpusów treningowych gwałtownie by wzrósł, przez co sama skala danych stałaby się mniejszym czynnikiem różnicującym niż inteligencja jej wykorzystania. To mogłoby spowolnić brutalne skalowanie parametrów i ilości danych, przekierowując uwagę badań i rozwoju na innowacje algorytmiczne, które osiągają więcej za mniej.
Wpływ na Branżę
Bezpośredni wpływ na branżę byłby wstrząsem dla modeli biznesowych i dynamiki konkurencji. Obowiązkowy system rekompensat tworzy ustrukturyzowaną gospodarkę danych, przekształcając twórców treści, wydawców i potencjalnie indywidualnych użytkowników w interesariuszy łańcucha wartości AI. Dla firm AI, szczególnie startupów, wymagany kapitał początkowy na rozwój modeli znacząco by wzrósł, podnosząc barierę wejścia i potencjalnie faworyzując dobrze finansowane firmy już obecne na rynku lub te z ekskluzywnymi partnerstwami danych. To mogłoby przyspieszyć konsolidację branży. Jednocześnie tworzy jednak nowe możliwości biznesowe dla brokerów danych, platform clearingowych praw oraz usług audytowych specjalizujących się w zgodności trenowania AI. Europejskie firmy AI, takie jak Mistral, mogą zyskać przewagę pierwszego ruchu, budując relacje z dostawcami danych i dostosowując swoje operacje do tego nowego regulowanego środowiska przed globalnymi konkurentami. Propozycja zaostrza również istniejące napięcie między społecznością open-source AI a deweloperami modeli własnościowych, ponieważ koszty licencjonowania mogłyby uczynić replikację dużych modeli open-source zaporowo drogą. Struktura kosztów branży uległaby trwałej zmianie, przy czym znaczna część budżetów R&D przesunęłaby się z kosztów mocy obliczeniowej na koszty pozyskiwania danych.
Perspektywy na Przyszłość
Patrząc w przyszłość, propozycja Mistral jest prawdopodobnie zwiastunem formalnej instytucjonalizacji rozwoju AI w Europie i poza nią. Oczekujemy wieloletniego okresu przejściowego, charakteryzującego się intensywnym lobbingiem, bitwami prawnymi i stopniową f