Meta se encuentra actualmente envuelta en varias demandas en el tribunal federal de California relacionadas con el uso de libros piratas para entrenar sus modelos de IA Llama. Aunque un juez dictaminó anteriormente que el entrenamiento con libros podría constituir un uso legítimo, el método específico de adquisición de esos libros sigue siendo un punto principal de controversia. El litigio involucra a autores de alto perfil como Sarah Silverman y Ta-Nehisi Coates, así como a importantes editoriales como Entrepreneur Media y Chicken Soup for the Soul.
El reciente testimonio bajo juramento de Stephen Roller, un antiguo investigador de Meta que trabajó en el grupo Fundamental AI Research (FAIR) entre 2017 y 2023, ha proporcionado nuevos detalles para los demandantes. Según un informe de estado conjunto, Roller admitió haber descargado mediante torrent el conjunto de datos Books3 —una colección de casi 200,000 libros obtenidos del rastreador privado de torrents Bibliotik— y haberlo distribuido a sabiendas. Roller testificó que Meta tenía copias del conjunto de datos para cuando él dejó la empresa e identificó a otros dos científicos de investigación que probablemente adquirieron sus propias copias. También confirmó que eliminó su copia personal del conjunto de datos hace aproximadamente un año, citando el litigio en curso como el motivo de su eliminación.
Esta imagen se relaciona con el testimonio específico de Stephen Roller sobre la descarga y distribución del conjunto de datos Books3.
Meta ha impugnado la interpretación de los demandantes sobre este testimonio. La empresa sostiene que Roller no especificó que su descarga se realizó para fines de Meta o en la infraestructura de Meta, sugiriendo que podría haber sido para uso personal o para un empleador diferente. Además, Meta sostiene que ya ha entregado cantidades sustanciales de registros de servidores y continúa proporcionando archivos de forma continua. Los demandantes, sin embargo, continúan presionando para obtener datos más específicos, incluidos archivos de historial de comandos de servidores de torrents y el contenido de una carpeta interna de Google Drive titulada "ML Books", la cual creen que puede contener evidencia de material pirata utilizado para fines no relacionados con la IA, como un club de lectura de la empresa. El caso de Entrepreneur Media está programado actualmente para juicio en la primavera de 2027, con varias otras editoriales uniéndose a la cola del litigio en el ínterin.
Esta imagen ilustra la defensa de Meta con respecto a las acciones del investigador y la entrega de registros de servidores por parte de la empresa.