Direito de treino para Modelos de Linguagem de Grande Escala (LLMs)

A Inteligência Artificial tem atingido de forma significativa diversos setores e contextos. Se a tecnologia em seus primeiros passos vinha para auxiliar tarefas do cotidiano e agilizar rotinas de trabalho, agora assume papel central na mediação da informação, influenciando intensamente sociedade e indivíduo, nas esferas pública e privada. A área do Direito se depara com diferentes frentes, dentre elas, o uso de dados para desenvolvimento e treinamento de modelos de IA (Cots; Afonso, 2024). Questões de autoria, reconhecimento autoral ou não, copyright e suas exceções permeiam o tema de incertezas regulatórias (Pena, 2024). Atualmente, o Brasil ainda se encontra em estágio inicial no tocante a legislação, encontrando no Projeto de Lei nº 2338/2023 o esforço mais recente para regulação. Com a pergunta central de como abordar o direito de treino no desenvolvimento de Large Language Models (LLMs) e o objetivo de apresentar o estado da arte a respeito, realizou-se uma revisão sistemática de literatura, utilizada para esclarecer o estado da pesquisa existente em determinado tema (Feak; Swales, 2009), com enfoque na intersecção entre Direito e Inteligência Artificial. Os procedimentos metodológicos iniciaram com a elaboração da estratégia de busca, a partir de consulta com especialistas da área do Direito, a fim de selecionar termos para formação das expressões de busca. A busca se deu nas bases Scopus, Portal de Periódicos CAPES, Scielo e Oasis, LexML, Biblioteca do Senado, Rede Virtual de Bibliotecas - RVBI e ProView. Os filtros adotados foram de revisão por pares, sem pré-prints, e publicados a partir de 2022, refinando as expressões de acordo com particularidades de cada base. Recuperou-se 280 registros, agrupados para tratamento em planilha com dados de: base que recuperou; expressão de busca; título; autoria; ano de publicação; periódico ou editora; palavras-chave (se houvesse); link para o documento na íntegra (preferencialmente DOI); tipo de documento; país da publicação; e tema geral elaborado a partir de pré-análise. Destes, foram excluídos registros repetidos ou cujo acesso não era viabilizado, que estivessem fora da temática da pesquisa, que tratavam do tema de modo muito superficial ou tratavam apenas sobre um dos eixos de interesse, resultando em 87 documentos para a análise. Os documentos foram fichados elencando excertos relevantes, que foram organizados em temática preliminar, com assunto, país e legislação específica a que se referia, constituindo por fim uma seleção de 350 excertos. Estes foram sistematizados, categorizados em assunto geral e tópicos específicos por especialistas. Assim, tópicos recorrentes na intersecção entre Direito e IA discutiam Direito Autoral e treinamento; menção ao autor, seus direitos e possibilidade de oposição a suas obras serem utilizadas para treinamento; remuneração por dados de treinamento; pirataria; previsão legal específica de diferentes países; Fair Use; exceção de TDM (Text Data Mining); proteção de dados e privacidade; responsabilidade legal; transparência e explicabilidade; discriminação; e benefícios sociais da IA. Os excertos foram organizados nesses tópicos, dando-se início à análise e redação final da pesquisa, envolvendo agrupamento de tópicos e acréscimo pontual de documentos pertinentes aos temas discutidos nos excertos. Enquanto a pesquisa ainda está em andamento, até o momento mostrou-se essencial debater a relação entre a produção científica e o local em que pesquisas majoritariamente são produzidas, considerando os diferentes contextos, para que países colocados às margens da corrida da IA, frequentemente preconizada pelo Norte Global, possam também se posicionar como agentes nesse ecossistema, capazes de construir regulação jurídica e modelos soberanos que atendam a suas especificidades. Reitera-se a importância da IA centrada no ser humano, em observância aos direitos humanos, sendo conduzida tendo em vista tanto a ampliação de seus benefícios, quanto a minimização de riscos e danos (OECD, 2024; Geiger, 2024; Barbosa; Pinheiro, 2023).