La richiesta del giudice Tigar arriva dopo il rigetto della difesa di NVIDIA come semplice intermediario passivo
Un giudice federale chiede a NVIDIA cinque pagine per spiegare perché non dovrebbe rivelare i dataset scaricati dopo il 1° luglio 2024. Sembra una formalità procedurale. È invece il punto esatto in cui la causa sul copyright dell’IA smette di riguardare solo i modelli e inizia a riguardare chi fornisce i dati. La richiesta è arrivata la scorsa settimana, il 6 agosto, quando il giudice Jon Tigar ha ordinato alle parti di depositare memorie integrative di cinque pagine sull’appello del querelante Nazemian contro la decisione del magistrato Kim, che aveva escluso la divulgazione dei dataset scaricati da NVIDIA dopo il 1° luglio 2024.
Cinque pagine per aprire gli archivi
La disputa ruota attorno alla scoperta probatoria, cioè alla fase in cui una parte può chiedere all’altra di consegnare documenti e materiali rilevanti per il processo. Il magistrato Sallie Kim aveva stabilito che NVIDIA non doveva rivelare i dataset scaricati dopo il 1° luglio 2024. Nazemian ha impugnato quella decisione. Il giudice Tigar ora vuole cinque pagine da entrambe le parti, prima di pronunciarsi sull’appello.
Cinque pagine sono poche. Ma la posta in gioco è alta: se l’appello di Nazemian venisse accolto, NVIDIA dovrebbe aprire i propri archivi sui dati di addestramento raccolti dopo quella data. Perché questo spaventa tanto? La risposta sta in una decisione precedente dello stesso giudice.
Il precedente che ha già detto no a NVIDIA
Lo scorso 5 maggio, il giudice Tigar ha respinto la mozione di NVIDIA per archiviare la denuncia per violazione diretta e contributiva del copyright. E ha respinto il paragone di NVIDIA con un fornitore di servizi internet passivo. La difesa dell’azienda puntava a presentarsi come un semplice intermediario: chi fornisce gli strumenti non sarebbe responsabile di come vengono usati. Il giudice ha chiuso quella porta.
La denuncia riguarda i modelli linguistici di grandi dimensioni NeMo Megatron. Secondo l’accusa, NVIDIA li avrebbe addestrati su The Pile, un grande archivio di testi che include la raccolta Books3: quasi 200.000 libri copiati dalla biblioteca ombra Bibliotik. Il punto non è tecnico: se il materiale di addestramento è stato copiato senza autorizzazione, chi lo ha usato ne risponde, anche quando il modello finale non riproduce nulla di specifico nei suoi output.
Se la corte ha già respinto la difesa passiva, il confine della responsabilità si sposta. Non sono più solo i chatbot a rispondere di ciò che sanno, ma l’intera catena di strumenti che li ha costruiti.
La catena di strumenti sotto accusa
Da qui l’implicazione più scomoda per chi costruisce intelligenza artificiale: la sentenza Nazemian v. NVIDIA estende la responsabilità per i dati di addestramento alla catena di strumenti, non solo ai chatbot. Finora il dibattito pubblico si è concentrato sui modelli che rispondono agli utenti, sui chatbot che generano testi e immagini. Questa causa si muove a monte: chi fornisce i componenti della filiera — i dataset, le infrastrutture di addestramento, gli strumenti — può essere chiamato a rispondere di ciò che finisce dentro quei dati.
Il punto non è più se un modello “copi” un libro quando risponde a una domanda. È che cosa è stato usato per addestrarlo. Se un tribunale stabilisce che chi ha raccolto e impiegato quei dati ne risponde, il confine si allarga verso chi quei dati li produce, li aggrega, li distribuisce. La causa contro NVIDIA diventa un test su questo confine: non è una questione tra una società e un autore, ma una questione su chi controlla la filiera dei dati che alimenta i modelli.
Per chi pubblica online il messaggio è chiaro: il controllo dei dati di addestramento non è più un dettaglio tecnico, ma un rischio legale. Un testo pubblicato su un sito, un libro in formato digitale, un’immagine caricata su una piattaforma: tutto può finire in un archivio come The Pile e da lì dentro un modello. La domanda che i tribunali stanno cominciando a fare non è solo che cosa genera il modello, ma che cosa ha ingerito.
Chi pubblica online deve smettere di pensare ai modelli di IA come scatole chiuse: la responsabilità inizia dai dati che li addestrano, e i tribunali stanno aprendo quella scatola.
