Noveno Circuito desestima demanda DMCA por no considerar el entrenamiento de IA como copia
- Fecha original
- Fecha en Limonatic
El Noveno Circuito de Estados Unidos confirmó este miércoles la desestimación unánime de las demandas por incumplimiento de la DMCA contra GitHub Copilot y OpenAI Codex. La decisión, firmada por el juez Eric Miller, establece que generar código nuevo no constituye una copia con derechos de autor.
La clave del litigio reside en la sección 1202(b) de la DMCA, que prohíbe eliminar o alterar información de gestión de copyright como nombres de autores y avisos. Los programadores argumentaban que Copilot reproducía su código sin incluir estas cabeceras, pero el tribunal rechazó esta tesis al señalar que no existe una copia previa para ser alterada.
El fallo se basa en la distinción entre un motor de búsqueda que recupera copias existentes y Copilot, que predice continuaciones estadísticas. El juez Miller escribió que quien crea una obra nueva y omite incluir información de gestión de copyright no puede decirse que haya eliminado o alterado nada.
La pregunta sobre si el uso de código bajo licencia para entrenar modelos infringe la ley permanece sin resolver por motivos procedimentales. Los demandantes abandonaron la teoría del entrenamiento en los datos, lo que llevó al tribunal a aplicar un argumento de forfeiture y no abordar directamente la cuestión central para la industria.
Análisis editorial
El Noveno Circuito de Estados Unidos ha confirmado la desestimación de las demandas contra GitHub Copilot y OpenAI Codex por violación de la DMCA, estableciendo que generar código mediante predicción estadística no equivale a copiar obras protegidas. La decisión unánime del juez Eric Miller aclara el marco legal al determinar que omitir cabeceras al crear una obra nueva no constituye eliminar ni alterar información de gestión de derechos preexistente, ya que los modelos predictivos crean continuaciones sin recuperar archivos originales donde dicha información podría haber sido borrada.
Aunque el fallo resuelve la teoría de los outputs, deja pendiente la cuestión sobre si el uso de código licenciado para entrenar los modelos constituye una infracción, pues los demandantes abandonaron esa teoría procedimentalmente en 2022. El tribunal rechaza explícitamente que la DMCA sirva para reemplazar el derecho de autor ordinario ante una exposición potencialmente ruinosa, limitando las indemnizaciones a 25.000 dólares por infracción frente a los 30.000 dólares máximos por obra en casos de copyright estándar, lo que explica la dureza del rechazo a una demanda que pedía más de 9.000 millones de dólares.
La incertidumbre legal persiste mientras dos demandas por incumplimiento de contrato continúan ante el juez Jon Tigar discutiendo si copiar licencias open source para entrenamiento viola sus términos de atribución, y mientras Europa adopta posturas restrictivas como el fallo alemán contra Suno. El Departamento de Justicia americano se ha posicionado del lado de OpenAI en el litigio de las editoriales, y Anthropic cerró en julio un acuerdo de 1.500 millones de dólares para resolver su caso sobre piratería de libros, evidenciando que la industria busca cerrar brechas donde los tribunales aún no han definido reglas claras.
El derecho de autor está llegando tarde a la inteligencia artificial, ya que los tribunales resuelven el pasado y no el presente mientras los modelos ya están en producción. El código escrito en los próximos cinco años será generado con herramientas cuya legalidad todavía no está resuelta, obligando a la industria a reevaluar sus contratos internos sobre el uso de datos de entrenamiento para mitigar riesgos futuros que este fallo específico no cubre.
Contexto y análisis adicional
Digest
Resumen ejecutivo
- El Noveno Circuito de EE. UU. confirmó la desestimación de las demandas contra GitHub Copilot y OpenAI Codex por violación de la DMCA, estableciendo que generar código nuevo mediante predicción estadística no equivale a copiar obras protegidas.
- Esta decisión unánime del juez Eric Miller aclara el marco legal para la generación de código, aunque deja pendiente la cuestión sobre si el uso de código licenciado para entrenar los modelos constituye una infracción.
Evidencias
- El tribunal determinó que Copilot no elimina información de gestión de derechos (CMI) porque predice continuaciones estadísticas en lugar de recuperar copias existentes donde dicha información podría haber sido borrada.
- La sección 1202(b) de la DMCA prohíbe alterar CMI, pero el fallo establece que omitir cabeceras al crear una obra nueva no constituye 'eliminar' ni 'alterar' nada preexistente.
- El argumento central del juez Miller compara los modelos generativos con motores de búsqueda: estos últimos sí recuperan copias existentes (donde la eliminación es posible), mientras que los modelos predictivos crean obras nuevas sin copiar el archivo original.
Acciones
- Reevaluar los contratos y políticas internas sobre el uso de código abierto en conjuntos de datos de entrenamiento para mitigar riesgos futuros no cubiertos por este fallo.
- Monitorear si la industria presenta nuevas demandas enfocadas específicamente en la teoría de los 'inputs' (entrenamiento) dado que el tribunal no resolvió ese punto procedimentalmente.
Conclusión final
La industria tiene claridad sobre la generación de código, pero persiste una incertidumbre legal crítica respecto a las prácticas de entrenamiento con datos licenciados.
Riesgos
Riesgos/alertas
Acciones recomendadas
Señales/evidencias
- La aritmética del daño explica la dureza del rechazo El tribunal no solo desestima la demanda: explica explícitamente por qué tiene sentido hacerlo.
- Y Anthropic cerró en julio un acuerdo de 1.500 millones de dólares (≈ 1.335 millones de euros) para resolver su caso sobre piratería de libros.
Conclusión
No se identifican alertas deducibles con suficiente soporte en el texto disponible.
Autor · clanes
Votos · compartir
Las historias descartadas o eliminadas no admiten votos ni reportes.
Sentimiento
Tags
Entidades (agregadas)
Hover para ver referencias.Detalles avanzados Timeline y mini scoring
Evolución temporal
-
Enviada
hace 3 días · Historia enviada para revisión
-
Último estado
hace 2 horas · Última actualización registrada
Mini scoring (LScore)
Fuentes
- Fuente principal
-
wwwhatsnew.com
https://wwwhatsnew.com
Comentarios