AI e copyright: tre anni di fatti, sentenze e miliardi (2023-2026)

DiPaolo Dalprato

Tre anni di sentenze, settlement miliardari, licenze volontarie e nuove normative. Analisi completa della questione AI e diritto d’autore con dati verificati.

Questo articolo prova a raccontare una situazione complessa nel modo più oggettivo possibile. Non perché serva un’altra opinione sulla questione AI e copyright, ma perché in tre anni sono successe abbastanza cose concrete da meritare una ricostruzione che metta i fatti in ordine e lasci che siano loro a parlare.

Una nota necessaria prima di cominciare. Non sono un giurista. Questa è un’analisi divulgativa basata sui documenti pubblici disponibili, dalle sentenze agli accordi, dai testi di legge ai dati economici verificabili. Dove i fatti finiscono e comincia l’interpretazione, lo segnalo.

Ancora oggi sento chiedere «Le AI rubano?», ed è una domanda legittima. Chi lavora con i contenuti, chi ci vive, ha tutto il diritto di sapere come funziona il suo diritto d’autore con l’arrivo delle AI e la loro necessità di essere addestrate.

Il problema è che nel 2026 la risposta più diffusa è ancora come nel 2023, una risposta netta di uno dei due schieramenti. Ma la realtà è più articolata di quanto entrambe le versioni ammettano.

In tre anni sono successe cose concrete. I tribunali hanno emesso sentenze che si contraddicono tra loro. Le aziende AI sono state condannate a risarcimenti miliardari e allo stesso tempo hanno investito miliardi in licenze per i contenuti di addestramento. L’Unione Europea ha introdotto obblighi di trasparenza, l’Italia ha approvato una legge specifica, l’amministrazione americana si è posizionata in modo esplicito. Un intero mercato delle licenze per dataset si è formato quasi dal nulla. E nel frattempo il contesto tecnico è cambiato, con dati sintetici, dataset ripuliti e strategie legali costruite non più sul diritto d’autore ma sulla pirateria.

Sul blog ho pubblicato cinque articoli specifici tra il 2023 e il 2025, ciascuno dedicato a un pezzo di questa storia. Questo pillar non li ripete, ma li collega, li aggiorna e aggiunge quello che nei singoli pezzi manca, il tessuto connettivo che tiene insieme tre anni di evoluzione.

Dataset, licenze e TOS: da dove viene il materiale di addestramento

Per addestrare un modello di intelligenza artificiale generativa servono quantità enormi di dati. Testi, immagini, audio, video. La prima domanda è dove li trovano le aziende AI, e la risposta è meno semplice di quanto la narrativa corrente suggerisca.

Un punto tecnico va chiarito subito perché condiziona tutto il resto. Molti dei grandi dataset di immagini usati per l’addestramento non contengono le immagini stesse ma solo i riferimenti per raggiungerle, tipicamente URL accompagnati da metadati e annotazioni. Il dataset non è un archivio di file copiati ma un indice che punta a contenuti ospitati altrove. La distinzione è rilevante perché cambia la natura della domanda giuridica, che non è «hanno copiato le mie immagini in un archivio» ma «hanno usato un indice per accedere alle mie immagini e darle in pasto a un modello».

La fonte più grande per costruire questi indici è il web aperto. Common Crawl è un archivio che dal 2008 indicizza miliardi di pagine web accessibili pubblicamente e costituisce la base di partenza per molti dataset di addestramento. Il fatto che un contenuto sia pubblicamente accessibile non significa però che sia utilizzabile per qualsiasi scopo, e questa ambiguità è al centro di buona parte del contenzioso legale in corso. Su Common Crawl sono stati costruiti dataset più specifici come LAION-5B, una raccolta di 5,85 miliardi di coppie testo-immagine che segue esattamente il pattern appena descritto: non conserva le immagini, solo gli URL che puntano ad esse.

La storia di LAION-5B merita una nota perché illustra un punto spesso trascurato nel dibattito. Nel dicembre 2023 il dataset è stato temporaneamente rimosso dopo che un’indagine esterna aveva individuato al suo interno materiale CSAM (materiale pedopornografico). È stato poi ripubblicato in versione ripulita come Re-LAION. Il fatto che il problema sia stato individuato e corretto è una conseguenza diretta dell’apertura del dataset: essendo pubblicamente ispezionabile, chiunque poteva verificarne il contenuto. Con un dataset proprietario e chiuso la stessa verifica non sarebbe stata possibile. Ne avevo scritto su ai-know.pro nell’articolo C’è del marcio nelle AI.

Accanto al web aperto esistono dataset costruiti con licenze esplicite. Open Images di Google usa Creative Commons. COCO (Common Objects in Context) rilascia le proprie annotazioni sotto licenza Creative Commons Attribution 4.0, mentre le immagini provengono da Flickr e hanno ciascuna la propria licenza individuale. Multimedia Commons raccoglie materiale con licenze aperte. Sono raccolte disponibili a condizioni dichiarate, anche se le condizioni specifiche variano da un dataset all’altro e da un tipo di contenuto all’altro.

Poi ci sono i termini di servizio dei social network. Quando si pubblica un contenuto su Facebook, Instagram, YouTube o X si concede alla piattaforma una licenza d’uso ampia, non esclusiva e trasferibile. La maggior parte degli utenti non legge quei termini, ma la licenza esiste e copre usi che includono, in molti casi, la possibilità di sublicenziare il contenuto a terzi. Il confine tra «ho dato il consenso senza saperlo» e «mi hanno rubato il contenuto» è sottile, e sta nel testo di un contratto che quasi nessuno legge.

Infine ci sono le partnership commerciali dirette. Shutterstock ha un accordo con OpenAI dal 2021. Getty Images, dopo aver fatto causa a Stability AI, ha stretto un accordo con NVIDIA per la generazione di immagini basata sul proprio archivio con licenza. Il caso di Adobe con Firefly è particolarmente istruttivo. Adobe ha addestrato Firefly sulle immagini di Adobe Stock, il proprio archivio, usando la licenza già prevista dall’accordo con i contributor. Ha anche introdotto un bonus annuale per compensare gli autori delle opere usate nel training. Ma le cifre riportate dai contributor nei forum vanno da poche decine di dollari a meno di cinque, con un minimo di pagamento abbassato a un dollaro. E soprattutto è tecnicamente impossibile determinare quanto spesso un’immagine specifica abbia contribuito a generare un output. Anche quando il rapporto commerciale è regolare e trasparente, il problema dell’equità della compensazione e dell’attribuzione resta aperto.

Il quadro che risulta non è «tutto rubato» e non è «tutto legale». È un mosaico dove coesistono materiale con licenza esplicita, materiale ottenuto attraverso consenso inconsapevole, materiale la cui legalità dipende dall’interpretazione, compensazioni che i diretti interessati considerano inadeguate e materiale acquisito in modo chiaramente illecito. Per i dettagli su come sono costruiti i principali dataset e su come funzionano i TOS dei social rimando ai due articoli dedicati, Le AI rubano? Sì-no-boh (I°) e Le AI rubano? Sì-no-boh (II°).

Cosa dicono i tribunali

Se il primo livello della questione riguarda da dove viene il materiale, il secondo riguarda cosa ne pensano i giudici. E la risposta più onesta è che non sono d’accordo tra loro.

La sentenza più rilevante finora è quella del giudice William Alsup nel caso Bartz vs Anthropic, emessa nel giugno 2025 da un tribunale federale di San Francisco. Alsup ha stabilito due principi distinti. Il primo è che l’addestramento di un modello AI su materiale protetto da copyright può costituire fair use trasformativo, perché il modello non riproduce le opere ma le usa per apprendere pattern linguistici. Il secondo è che l’acquisizione del materiale attraverso la pirateria resta illegale indipendentemente dall’uso che se ne fa dopo. In pratica Alsup ha tracciato una linea tra il come si ottiene il materiale e il cosa se ne fa: il training può essere legittimo, ma procurarsi le opere attraverso canali pirata non lo è. Ha anche affermato che il mercato delle licenze per il training AI non è controllabile dagli autori, il che significa che gli autori non possono rivendicare un danno economico per la mancata vendita di licenze che non esistevano prima. Ho analizzato la sentenza in dettaglio nell’articolo Bartz vs Anthropic. Il testo integrale della sentenza è disponibile pubblicamente.

A poche settimane di distanza, nello stesso distretto giudiziario di San Francisco, il giudice Vince Chhabria ha emesso una sentenza che va nella direzione opposta su un punto specifico. Nel caso Kadrey vs Meta, Chhabria ha riconosciuto il fair use anche per materiale acquisito da shadow library, le biblioteche pirata online. Dove Alsup condanna l’acquisizione illegale pur riconoscendo il fair use del training, Chhabria estende il fair use anche al modo in cui il materiale è stato ottenuto. Due giudici federali, stesso distretto, conclusioni incompatibili sullo stesso punto.

Fuori dagli Stati Uniti il quadro non si semplifica. Nel novembre 2025 il tribunale di Londra ha emesso la sentenza nel caso Getty Images vs Stability AI, ma non ha potuto pronunciarsi sulla legalità del training perché l’addestramento del modello era avvenuto fuori dal Regno Unito. Ha però stabilito un principio tecnico rilevante: un modello che non conserva copie delle opere di addestramento nei propri parametri non costituisce una «copia che rappresenta infrazione». Getty ha vinto solo sulle violazioni del marchio legate alla riproduzione del watermark, con una portata che lo stesso tribunale ha definito limitata. L’analisi completa è nell’articolo Getty vs Stability.

In Germania il tribunale di Monaco ha preso una posizione diversa. Nel caso GEMA vs OpenAI, deciso nel novembre 2025, ha stabilito che la memorizzazione di testi di canzoni protette nei pesi di un modello AI costituisce riproduzione ai sensi del diritto d’autore tedesco. Un modello che «ricorda» un testo protetto al punto da poterlo riprodurre su richiesta sta, secondo il tribunale tedesco, effettuando una copia. È una conclusione che contrasta direttamente con il principio stabilito a Londra.

Il quadro giuridico che risulta da queste sentenze è frammentato. Negli Stati Uniti il fair use trasformativo per il training sembra consolidarsi come principio, ma il suo perimetro esatto è ancora in discussione e due giudici dello stesso distretto lo interpretano in modo diverso. Nel Regno Unito il problema della giurisdizione ha impedito di arrivare al merito. In Germania la memorizzazione nei pesi del modello è stata equiparata alla riproduzione. E al febbraio 2026 risultano decine di cause pendenti, soprattutto negli USA, il che significa che il contenzioso è ancora nella fase iniziale.

Quanto vale la questione: settlement, licenze e il mercato che si sta formando

Mentre i tribunali discutono i principi, i soldi si muovono. E le cifre raccontano qualcosa che né la narrativa «rubano tutto» né quella «è fair use» riescono a spiegare.

Il settlement più grande nella storia del copyright statunitense riguarda proprio una delle cause appena discusse. L’accordo tra Anthropic e gli autori nel caso Bartz prevede un risarcimento di 1,5 miliardi di dollari, con l’approvazione preliminare arrivata nel settembre 2025, l’udienza finale è prevista per aprile 2026. Ho analizzato l’accordo in dettaglio nell’articolo L’accordo Anthropic-autori.

Nel settore musicale il contenzioso si sta muovendo in parallelo. Un gruppo di editori musicali ha avviato nel gennaio 2026 una causa da 3 miliardi di dollari contro Anthropic per la pirateria di oltre 20.000 opere musicali, ancora in fase iniziale. Ma accanto alle cause ci sono anche le chiusure negoziate: Warner Music Group ha chiuso con Suno nel novembre 2025, Universal Music con Udio nell’ottobre 2025. In entrambi i casi l’accordo ha incluso sia un settlement per il passato sia una licenza per i modelli futuri.

Le cause e i settlement sono però solo una parte della storia. L’altra parte, per certi versi più significativa, riguarda le licenze che le aziende AI stanno stipulando volontariamente, senza che un tribunale le obblighi. OpenAI ha firmato almeno 18 accordi di licenza con editori. I più rilevanti per importo includono News Corp (oltre 250 milioni di dollari su cinque anni), Reddit (stimato circa 70 milioni all’anno), Shutterstock (contratto pluriennale attivo dal 2021). La stima complessiva degli impegni di OpenAI si aggira tra i 400 e i 500 milioni di dollari. Google ha accordi con Reddit (stimato 60 milioni all’anno), Associated Press e Springer Nature (23 milioni). Meta ha chiuso accordi con sette testate nel dicembre 2025, poi con News Corp (fino a 50 milioni all’anno) nel marzo 2026.

Il mercato delle licenze per dataset AI nel suo complesso è stimato tra 2,8 e 4,8 miliardi nel 2025. Tre anni fa questo mercato non esisteva.

In questo contesto il caso di Anthropic è anomalo. A differenza di OpenAI, Google e Meta, Anthropic non ha stipulato nessun accordo di licenza proattivo con editori o detentori di diritti. Questa scelta l’ha esposta ai costi legali più alti del settore, l’accordo da 1,5 miliardi e la causa da 3 miliardi aperta dagli editori musicali sono conseguenze dirette dell’assenza di una strategia di licenze preventive.

Queste cifre complicano la narrativa in entrambe le direzioni. Contraddicono chi sostiene che le aziende AI rubino impunemente, perché le conseguenze economiche sono enormi e misurabili. Ma contraddicono anche chi sostiene che le aziende AI abbiano il diritto di usare liberamente qualsiasi contenuto, perché le stesse aziende stanno investendo miliardi per assicurarsi licenze che, se il fair use coprisse tutto, non avrebbero ragione di acquistare. Il dato più eloquente dice che miliardi di dollari in licenze volontarie dimostrano che un mercato si sta formando anche in assenza di obblighi legislativi. I contenuti iniziano ad avere un valore economico misurabile, e le aziende AI lo stanno riconoscendo con i fatti, indipendentemente da quello che diranno i tribunali.

Il caso Adobe discusso nella sezione precedente aggiunge un’ulteriore sfumatura. Anche dove il rapporto commerciale è regolare e la compensazione esiste, la questione di quanto sia equa quella compensazione resta aperta. Quando un contributor riceve pochi dollari la sproporzione con il valore commerciale del modello addestrato è evidente. Ma è altrettanto vero che il contributo di una singola opera si diluisce in dataset di miliardi di altri contenuti, e determinare il peso specifico di ciascuna opera nella generazione di un output è un problema che oggi non ha soluzione tecnica. La questione della compensazione equa non è solo giuridica o economica, è anche un problema di misurazione che il mercato in formazione non ha ancora gli strumenti per risolvere.

Normative, politica e risposte dell’industria

Mentre i tribunali costruiscono precedenti caso per caso, i legislatori provano a definire regole generali. E le aziende AI, nel frattempo, stanno cambiando il modo in cui si procurano i dati.

Il quadro normativo europeo

L’Europa si è mossa prima degli altri sul piano legislativo. La Direttiva Copyright 2019/790 contiene due articoli specifici sul text and data mining. L’articolo 3 consente il TDM per finalità di ricerca scientifica senza restrizioni. L’articolo 4 consente il TDM commerciale ma riconosce ai detentori dei diritti la possibilità di opt-out, cioè di dichiarare esplicitamente che i propri contenuti non possono essere utilizzati per questo scopo.

L’AI Act (Regolamento UE 2024/1689) ha aggiunto un ulteriore livello. Per i modelli di intelligenza artificiale di uso generale (GPAI) introduce obblighi di trasparenza sui dati di addestramento. Le disposizioni sono in vigore dal 2 agosto 2025, con applicazione effettiva prevista dal 2 agosto 2026. Le sanzioni possono arrivare a 15 milioni di euro o al 3% del fatturato globale dell’azienda.

Il 10 marzo 2026 il Parlamento Europeo ha approvato una risoluzione che va oltre il quadro esistente, chiedendo licenze obbligatorie per l’uso di opere protette nell’addestramento AI, elenchi dettagliati delle opere utilizzate e una presunzione di violazione del copyright quando gli obblighi di trasparenza non vengono rispettati. La risoluzione non è ancora legge vincolante ma indica la direzione in cui si sta muovendo il legislatore europeo.

L’Italia ha approvato la legge 132/2025, in vigore dal 10 ottobre 2025, che regola anche il text and data mining per l’addestramento AI con possibilità di opt-out e limita la protezione copyright per le opere generate con AI a quelle che presentano un’attività intellettuale riconoscibile dell’autore umano.

Nel Regno Unito, che dopo la Brexit non fa più parte dell’Unione Europea ma condivide il sistema di common law con gli Stati Uniti, il governo aveva proposto un’eccezione per il TDM con possibilità di opt-out. La proposta è stata ritirata dopo che l’88% delle 11.500 risposte alla consultazione pubblica si era espresso a favore dell’obbligo di licenza.

La dimensione politica negli Stati Uniti

Negli Stati Uniti la questione AI e copyright si è intrecciata con la politica in modo esplicito. I fatti, in ordine cronologico.

Il 20 gennaio 2025 l’amministrazione Trump ha revocato l’executive order sull’AI firmato da Biden e ha firmato un nuovo ordine esecutivo orientato alla competitività dell’industria AI americana.

L’8 e il 10 maggio 2025 la Librarian of Congress e la Register of Copyrights sono state licenziate. La Register era stata rimossa il giorno dopo la pubblicazione di un rapporto del Copyright Office che affermava che l’uso commerciale di opere protette per produrre contenuti espressivi in competizione con gli originali va oltre i confini del fair use.

Il 23 luglio 2025, al summit sull’AI, il presidente Trump ha dichiarato che non si può avere un programma AI di successo se si deve pagare per ogni contenuto usato per l’addestramento.

Il 20 marzo 2026 la Casa Bianca ha pubblicato il National AI Policy Framework, che afferma esplicitamente che il training su materiale protetto da copyright non viola le leggi sul copyright, pur riconoscendo che esistono argomentazioni contrarie.

Nel marzo 2025 oltre 400 personalità del mondo creativo, tra cui Ben Stiller, Paul McCartney e Cate Blanchett, hanno firmato una lettera aperta alla Casa Bianca contro le proposte di esenzione per le aziende AI.

Le aziende AI hanno tutte aumentato significativamente la propria spesa in attività di lobbying. Al Congresso sono pendenti diverse proposte legislative: il CLEAR Act (trasparenza sulle opere usate nel training), il TRAIN Act (potere di subpoena per la disclosure dei dati), il COPIED Act (standard di provenienza dei contenuti) e il NO FAKES Act (contrasto ai deepfake), quest’ultimo l’unico con supporto bipartisan sia dall’industria tecnologica sia dal settore creativo.

Le risposte dell’industria

Mentre il quadro legale e politico si definisce, le aziende AI stanno modificando le proprie pratiche in modi che tre anni fa non erano prevedibili.

La risposta più visibile è il modello delle licenze proattive descritto nella sezione precedente. OpenAI, Google e Meta stanno investendo miliardi per assicurarsi accordi commerciali con editori e detentori di diritti prima che i tribunali o i legislatori li obblighino a farlo. Il pattern è chiaro: chi ha investito in licenze preventive si trova in una posizione legale più solida di chi non l’ha fatto.

Sul piano tecnico la risposta più significativa è l’uso crescente di dati sintetici per l’addestramento. Stability AI ha dichiarato di aver usato dati sintetici per il training di Stable Diffusion 3. Se un modello può essere addestrato su dati generati da altri modelli anziché su opere umane protette da copyright, il problema giuridico alla base di tutto questo contenzioso si ridimensiona in modo sostanziale. La qualità e l’efficacia dei dati sintetici rispetto a quelli reali è ancora oggetto di ricerca, ma la direzione è tracciata.

I dataset problematici, nel frattempo, sono stati rimossi o ripuliti. Books3, la raccolta di libri piratati che è alla base di molte delle cause in corso, è stata rimossa nel 2023 dopo le azioni legali. LAION-5B, come discusso nella sezione precedente, è stato rimosso e ripubblicato dopo la rimozione del materiale CSAM, una vicenda legata alla sicurezza dei contenuti e non al copyright.

Sul piano delle strategie legali si è affermato un pattern che i commentatori hanno definito Shadow Library Strategy. Invece di affrontare la questione generale del fair use per il training, i querelanti concentrano le azioni sulla pirateria, cioè sull’acquisizione illegale del materiale di addestramento. La certificazione della classe nel caso Bartz, limitata alla pirateria e non estesa al training in sé, conferma l’efficacia di questa strategia.

L’industria creativa si è organizzata. La Human Artistry Campaign riunisce oltre 180 organizzazioni in più di 35 paesi. L’Authors Guild guida sia il contenzioso sia l’attività di lobbying negli Stati Uniti. In Italia la SIAE ha lanciato la campagna #CopyOrRight nell’aprile 2025.

La risposta che non piace a nessuno

Le AI rubano? Dopo tre anni di sentenze, miliardi di dollari, leggi approvate e mercati creati dal nulla, la risposta più accurata è che la domanda stessa è troppo semplice per la realtà che descrive.

Una parte del materiale di addestramento è ottenuta con licenze esplicite o attraverso contratti che gli utenti hanno accettato senza leggere. Un’altra parte è stata acquisita attraverso la pirateria, e su questo i tribunali sono unanimi nel condannare. Ma tra questi due estremi esiste un territorio vasto dove la legalità dipende dall’ordinamento giuridico in cui ci si trova, dal giudice a cui capita la causa e da distinzioni tecniche su cui nemmeno gli esperti concordano, se un modello che non conserva copie delle opere stia effettuando una riproduzione, se il training costituisca fair use indipendentemente da come il materiale è stato acquisito, se la memorizzazione nei parametri di una rete neurale equivalga a una copia.

I tribunali americani stanno tracciando il perimetro del fair use trasformativo ma si contraddicono tra loro sullo stesso punto. Il tribunale di Londra non ha potuto pronunciarsi perché l’addestramento era avvenuto altrove. Quello di Monaco ha preso una posizione opposta a quella londinese sulla natura della memorizzazione nei pesi del modello. E le cause crescono di numero.

Nel frattempo i soldi hanno cominciato a muoversi prima delle leggi. Le aziende AI hanno investito miliardi in licenze volontarie, riconoscendo nei fatti un valore economico ai contenuti di addestramento che in teoria il fair use renderebbe gratuiti. I settlement hanno raggiunto cifre senza precedenti nella storia del copyright. Un intero mercato delle licenze per dataset si è formato in meno di tre anni. Ma le regole su cosa costituisca una compensazione equa per il singolo autore, il cui contributo si diluisce in miliardi di altre opere, non esistono ancora.

L’Europa sta costruendo un quadro normativo strutturato. L’AI Act impone trasparenza, la Direttiva Copyright riconosce l’opt-out, il Parlamento Europeo spinge per licenze obbligatorie. L’Italia ha la sua legge. Negli Stati Uniti la direzione politica è opposta, con un’amministrazione che si posiziona esplicitamente a favore dell’industria AI e contro l’obbligo di licenza per il training. I dati sintetici offrono una via d’uscita tecnica dal problema, ma la loro efficacia su larga scala è ancora da verificare.

La situazione del 2026 è diversa da quella del 2023 non perché qualcuno abbia vinto ma perché il terreno sotto i piedi si è mosso. Chi nel 2023 diceva «rubano tutto» oggi deve fare i conti con sentenze che riconoscono il fair use, con miliardi investiti in licenze e con un mercato che si sta strutturando. Chi nel 2023 diceva «è tutto fair use» deve fare i conti con condanne per pirateria, settlement miliardari e con un’Europa che si muove verso le licenze obbligatorie.

La risposta che non piace a nessuno è che entrambi gli schieramenti avevano parzialmente ragione e parzialmente torto, e che la realtà ha costruito una terza via fatta di mercato, giurisprudenza contraddittoria, normative in arrivo e soluzioni tecniche in evoluzione. Questa terza via è più complicata di uno slogan, ma è quella in cui viviamo.

Glossario

AI Act — Regolamento UE 2024/1689 sull’intelligenza artificiale. Introduce obblighi di trasparenza per i modelli di intelligenza artificiale di uso generale, inclusa la documentazione dei dati di addestramento.

Class action — Azione legale collettiva in cui un gruppo di persone con interessi comuni agisce attraverso un rappresentante. La «certificazione della classe» è il passaggio in cui il tribunale autorizza la causa a procedere come azione collettiva.

Common Crawl — Archivio no-profit che dal 2008 indicizza miliardi di pagine web pubblicamente accessibili. Usato come base per molti dataset di addestramento AI.

CSAM — Child Sexual Abuse Material. Materiale pedopornografico.

Fair use — Dottrina del diritto statunitense che consente l’uso di materiale protetto da copyright senza autorizzazione in determinate circostanze (critica, commento, ricerca, insegnamento). Nel contesto AI, il «fair use trasformativo» è l’argomento secondo cui il training usa le opere per uno scopo diverso dall’originale (apprendere pattern, non riprodurre le opere).

GPAI — General Purpose AI. Modelli di intelligenza artificiale di uso generale, categoria definita dall’AI Act europeo.

LAION-5B — Dataset di 5,85 miliardi di coppie testo-immagine costruito a partire da Common Crawl. Non contiene le immagini ma solo gli URL che puntano ad esse.

Opt-out — Meccanismo che consente ai detentori di diritti di dichiarare che i propri contenuti non possono essere usati per il text and data mining. Previsto dalla Direttiva Copyright UE (art. 4) e dalla legge italiana 132/2025.

Settlement — Accordo transattivo tra le parti di una causa legale, raggiunto prima o durante il processo. Comporta tipicamente un risarcimento economico in cambio della rinuncia all’azione legale.

Shadow library — Biblioteca digitale che distribuisce materiale protetto da copyright senza autorizzazione (es. Library Genesis, Z-Library). La «Shadow Library Strategy» è il pattern legale in cui i querelanti concentrano le azioni sulla provenienza pirata del materiale anziché sulla questione del fair use.

TDM — Text and Data Mining. Processo automatizzato di estrazione e analisi di grandi quantità di dati da fonti digitali. Nel contesto AI, è il processo con cui i modelli vengono addestrati su dataset di testi e immagini.

TOS — Terms of Service (termini di servizio). Contratti che regolano l’uso di una piattaforma o un servizio online.

Training — Processo di addestramento di un modello di intelligenza artificiale. Il modello viene esposto a grandi quantità di dati per apprendere pattern statistici che gli consentono di generare contenuti.

AI e copyright: gli articoli di approfondimento

Questo articolo fa parte di un cluster di sei articoli su ai-know.pro dedicati al tema AI e copyright.

Potrebbe interessarti