AIの「無料」は終わる？ RedditがPerplexityを提訴、データ利用の対価とは

インターネット検索でAIが回答を要約してくれると便利ですよね。しかし、そのAIが学習するデータを巡り、ある「事件」が起きています。巨大オンラインコミュニティのRedditが、AI検索サービスを提供するPerplexityなどを相手取り、訴訟を起こしたのです。

このニュースを伝えた「Reddit、AIへのコンテンツ不正利用でPerplexityを提訴」によると、RedditはPerplexityが自社の膨大な投稿データを無断で収集（データスクレイピング）し、AIモデルの学習に利用していると主張。さらに、そのデータ収集を仲介したとされる企業3社も訴えています。

一体、何が起きているのでしょうか。この記事では、AIとコンテンツ利用を巡る最新の動きについて、分かりやすく解説していきます。

AI学習データを巡る対立：Reddit vs Perplexity

私たちが普段利用しているAIサービスが「賢く」なるためには、インターネット上の大量の情報、いわゆる「学習データ」が不可欠です。しかし今、そのデータの「出所」と「正当性」を巡って大きな論争が巻き起こっています。

その中心にいるのが、世界最大級のオンラインコミュニティであるRedditと、AI検索エンジンのPerplexityです。Redditは、PerplexityをはじめとするAI企業が、自社プラットフォームの膨大な投稿データを無断で利用していると主張し、法的措置に踏み切りました。これは、AIが学習するデータの権利や利用方法について、業界全体に問いを投げかける重要な出来事です。

RedditはなぜPerplexityを訴えたのか？

Redditが訴訟に踏み切った背景には、自社コンテンツがAIの学習に無断で利用され、正当な対価が支払われていないという主張があります。

無断での「データスクレイピング」 Redditは、Perplexityが自社コンテンツを無許可で収集し、AIモデルの学習に利用していると訴えています。このデータスクレイピングとは、ウェブサイトから特定の情報を自動的に抽出する技術のことです。Redditによれば、Perplexityは自社の「アンサーエンジン」（ユーザーの質問にAIが直接回答を生成する仕組み）を強化するため、Redditの貴重な情報を盗んでいるというのです。
仲介業者も標的に さらにRedditは、Perplexityが利用したとされるデータ収集サービス会社、SerpApi、Oxylabs、AWMProxyの3社も同時に訴えています。これらの会社は、AI企業にRedditからコンテンツを収集する手段を提供していたとされています。
警告を無視か Redditは2024年5月、Perplexityにデータ収集を停止するよう求めました。Perplexity側は「AIモデルの学習にRedditのコンテンツは使用していない」と説明したものの、その後もPerplexityの回答にRedditのコンテンツが引用される事例は増えたとRedditは主張。PerplexityがGoogleの検索結果ページをスクレイピングすることで、間接的にRedditのコンテンツを入手していると見ています。

AIサービスの「見えざるコスト」

私たちがAIサービスを無料で利用できる裏側では、大量のデータが収集・学習されています。今回の訴訟は、この「無料」の陰にある、コンテンツ提供者への対価や、データの正当な取得方法といった、見えにくいコストや問題点を浮き彫りにしています。AIがより良いサービスを提供するために、どのようなデータがどう使われるべきか。この問題は、私たちユーザーにとっても他人事ではありません。

AI業界を揺るがす「データ洗浄」とは？

Redditの訴訟をきっかけに、AI業界で「データ洗浄（Data Laundering）」という言葉が注目されています。これは、不正に集めたデータの出所を隠し、あたかも正規のルートで取得したかのように見せかける行為を指します。

違法に集めたデータを「きれい」に見せる手口

Redditの最高法務責任者は、この状況を「産業規模の『データ洗浄』経済」と表現しています。これは、違法な資金の出所を隠すマネーロンダリング（資金洗浄）になぞらえた言葉です。

具体的には、AI企業がコンテンツ提供者と直接ライセンス契約を結ばず、データスクレイピング業者を仲介してコンテンツを利用するケースがこれにあたります。Redditは、これらの業者が技術的な保護手段を迂回してデータを盗み、AI企業に販売していると訴えています。

Redditは、訴えられたOxylabs、AWMProxy、SerpApiを、この「データ洗浄」の典型例として挙げています。

Oxylabs：公開データの収集を専門としますが、Redditは「公開データ」という名目で不正に収集したデータを提供していると見ています。
AWMProxy：ロシアを拠点とするプロキシサービスで、身元を隠してデータを盗んでいるとRedditは主張しています。
SerpApi：Googleの検索結果ページをスクレイピングするサービスを提供し、間接的なデータ収集を可能にしているとされています。

Redditは、これらの業者を「銀行強盗」に例え、金庫に直接入れないため、現金を運ぶ装甲車（Googleの検索結果ページ）を襲うようなものだと批判しています。

なぜAI業界で問題視されるのか

AIの性能や倫理観は、学習データに大きく左右されます。もしAIが違法に取得されたデータで学習した場合、著作権侵害のリスクや、生成される情報の信頼性低下、倫理的な問題につながる可能性があります。

Redditのようなプラットフォームが持つ、ユーザーの「生きた」会話や情報は、AIにとって非常に価値のあるデータです。そのため、AI企業は正規のルートでコンテンツライセンス契約を結ぶべきだという声が高まっています。

一方でPerplexity側は、自社は「アプリケーション層企業」であると主張しています。これは、AIモデル自体を訓練しているのではなく、既存のAIを利用してサービスを提供する企業という意味です。しかしRedditは、Perplexityが業者を介して間接的にデータを取得しているとみており、この「データ洗浄」の手口が、AI業界の健全な発展を妨げる要因だと指摘しています。

Perplexityの反論と「公開データ」の境界線

Redditの訴訟に対し、Perplexity側は自社の事業は「公開データ」へのアクセスを支援するものだと反論しています。データ収集サービスを提供するOxylabs側も、自社はあくまで「公開データ」の収集を支援しているだけで、誰かが所有権を主張すべきではないと主張。この問題は、「公開データ」とは何か、その利用における法的な境界線が曖昧であることを浮き彫りにしています。

Perplexityの主張：「AIモデルを直接学習させていない」

Perplexity側は「私たちはAIモデルを直接訓練していないアプリケーション層企業だ」と述べています。自社のサービスは、ユーザーが求める情報にアクセスしやすくするための「アプリケーション」であり、コンテンツライセンス契約は不要だという立場です。

Perplexityは、Redditのデータに合法的にアクセスしていると主張していますが、Reddit側は、Googleの検索結果ページを介した間接的な利用を問題視しており、両者の主張は対立しています。

Oxylabsの主張：「公開データに所有権はない」

訴えられたOxylabs側は、Redditの主張に「ショックを受けている」とコメント。自社の事業は「公開データ」の収集を支援するものであり、「いかなる企業も、本来所有していない公開データの所有権を主張すべきではない」と反論しています。

同社は、自社のビジネスが偽情報対策や環境モニタリングなど公共の利益に貢献していると強調し、倫理的かつ合法的なデータ収集を原則としていると主張。しかし、Redditは、こうした企業がRedditのコンテンツを「盗まれたデータ」としてAI企業に販売していると非難しており、両者の主張には大きな隔たりがあります。

曖昧な「公開データ」とAI開発の未来

この騒動は、「公開データ」の定義や、その収集・利用における倫理的・法的なルールが、AI技術の急速な発展に追いついていない現実を示しています。インターネット上に公開されている情報でも、AIの学習に利用されるとなると、コンテンツ提供者の権利など、複雑な問題が絡み合います。

AI開発におけるデータ収集の「合法性」と「倫理性」については、まだ明確な線引きがなく、議論が続いています。今回の訴訟は、その議論をさらに深めるきっかけとなるでしょう。

AI時代の羅針盤：「情報」の価値と向き合うために

今回のRedditとPerplexityの対立は、単なる企業間の争いにとどまりません。これは、AIが社会に浸透する中で、私たちが「情報」の価値や権利とどう向き合うべきかを問う、重要な出来事です。

訴訟の行方が示すAI開発の新たなルール

この訴訟の結果は、今後のAI業界全体のルール作りを大きく左右する可能性があります。もしRedditの主張が認められれば、AI企業はコンテンツ提供者と正規のライセンス契約を結ぶ流れが加速するでしょう。それはAI開発の透明性を高める一方、開発コストの上昇を招き、「無料」で高性能なAIサービスの提供が難しくなるかもしれません。

また、「公開データ」の定義を巡る法的な議論も活発化するはずです。これは、AI開発が健全に発展するために避けては通れない道と言えます。