پلتفرم محبوب ردیت (Reddit) یک دعوای قضایی رسمی علیه شرکت پرپلکسیتی (Perplexity) و سه ارائه‌دهنده داده دیگر شامل SerpApi، Oxylabs و AWMProxy ثبت کرده است. محور این شکایت، استخراج غیرمجاز و سیستماتیک محتوای کاربران ردیت جهت آموزش مدل‌های زبانی بزرگ (LLM) بدون کسب مجوز است.

جزئیات اتهامات ردیت به پرپلکسیتی

بر اساس متن شکایت، متهمان با دور زدن تدابیر امنیتی و فنی ردیت (مانند فایل robots.txt و محدودیت‌های نرخ درخواست)، به آرشیو عظیم گفتگوهای این پلتفرم نفوذ کرده‌اند. ردیت این رفتار را «سرقت سازمان‌یافته داده» توصیف کرده و تأکید دارد که پرپلکسیتی برای دستیابی به این اطلاعات ارزشمند، هر راهی را به جز امضای قرارداد رسمی 라이سنس‌دهی داده پیش گرفته است.

🔗 بیشتر بخوانید: ردیت داده‌های خود را برای آموزش هوش مصنوعی به فروش می‌رساند

زمان‌بندی رویدادها و شواهد فنی

در مه ۲۰۲۴، ردیت از طریق اطلاعیه‌ای رسمی از پرپلکسیتی خواستار توقف فوری استخراج داده (Scraping) شد. اگرچه پرپلکسیتی ادعا کرد از محتوای ردیت برای آموزش مدل‌های خود استفاده نمی‌کند، اما بررسی‌های فنی ردیت نشان داد که بلافاصله پس از این هشدار، تعداد ارجاعات و ترافیک ربات‌های پرپلکسیتی به سرورهای ردیت به شدت افزایش یافته است.

شاهدی دیگر که ردیت در شکایت خود به آن اشاره کرده، سرعت عجیب بازتولید محتواست. در یک مورد، محتوایی که ظاهرا تنها توسط ایندکس‌کننده گوگل قابل دسترس بود، در عرض چند ساعت در پاسخ‌های موتور پرپلکسیتی ظاهر شد. ردیت استدلال می‌کند که تنها راه دستیابی این‌چنین سریع، «اسکرپینگ» نتایج جستجوی گوگل و تزریق آن در موتور جستجوی پرپلکسیتی بوده است.

🔗 بیشتر بخوانید: فیلترینگ و تحریم علتنارضایتی کاربران شده است_دیدانگار

مواضع طرفین: دفاع از داده در برابر دفاع از دسترسی آزاد

بیانیه بن لی، مدیر حقوقی ردیت

«شرکت‌های هوش مصنوعی در مسابقه‌ای بی‌رحمانه برای کسب محتوای انسانی باکیفیت به سر می‌برند که یک اقتصاد مخرب برای استخراج داده ایجاد کرده است. اسکرپرها با دور زدن محافظت‌ها، داده‌ها را دزدیده و به خریدارانی می‌فروشند که برای آموزش مدل‌های خود تشنه داده‌اند. ردیت هدف اصلی است، زیرا یکی از بزرگ‌ترین و پویاترین مخازن گفتگوهای انسانی در تاریخ محسوب می‌شود.»

پاسخ جسی دوایر، سخنگوی پرپلکسیتی

«ما تا کنون این شکایت را دریافت نکرده‌ایم، اما با تمام توان در دفاع از حق کاربران در دسترسی آزاد و منصفانه به دانش عمومی تلاش می‌کنیم. رویکرد ما اصولی و مسئولانه است و هر تهدیدی علیه شفافیت و منافع عمومی را تحمل نخواهیم کرد.»

تأثیرات این پرونده بر اکوسیستم هوش مصنوعی و وب

این دعوای قضایی نقطه عطفی در چالش‌های حقوقی و اخلاقی میان پلتفرم‌های تولیدکننده محتوا (User-Generated Content) و شرکت‌های هوش مصنوعی است. نتیجه این پرونده می‌تواند پیشینه‌های حقوقی مهمی برای نحوه لایسنس‌دهی داده‌های آموزشی، تعریف مجدد استفاده عادلانه (Fair Use) در عصر هوش مصنوعی، و الزامات شفافیت برای موتورهای جستجوی مبتنی بر LLM ایجاد کند. ردیت که پیش از این قراردادهای داده با گوگل و OpenAI را امضا کرده، اکنون با رویکردی تهاجمی‌تر، سعی در حفظ مالکیت فکری جامعه کاربری خود دارد.