AI på treningsrommet – Getty Images vs. Stability AI Limited

Getty Images (Getty) er et globalt bildebyrå som opererer under flere navn og tilbyr lisensierte bilder, fotografier, musikk og videoer. Bare i bildedatabasen som er tilgjengelig på nettsiden gettyimages.com kan brukeren i dag søke blant 11 461 132 ulike bilder. På den samme siden er det i dag gjort tilgjengelig 1 549 905 videoklipp som kan lisensieres og benyttes. Yahoo Finance opplyser i en artikkel fra oktober 2025 at Getty sitter på totalt 562 millioner visuelle objekter, med en omsetning på 946 millioner dollar i 2024. Materialet tilbys hovedsakelig gjennom den omtalte nettsiden, samt gettyimages.co.uk og istockphoto.com. Dette er altså en global aktør med et enormt rettighetsbibliotek og betydelig omsetning. Brukerne av tjenesten inkluderer ulike typer private virksomheter, privatpersoner, medier rundt om i verden og andre forbrukere av bildemateriale. Forretningsmodellen er tuftet på at de enkelte brukerne betaler et lisensvederlag for å bruke materialet. De enkelte selskapene i Getty-konsernet har ulike kommersielle modeller, men samtlige av disse er avhengige av at bruk av materialet skjer mot en betalt lisens.

Stability AI Limited (Stability) ble grunnlagt i 2019 og ble kjent for et bredere publikum i august 2022 gjennom lanseringen av AI-modellen Stable Diffusion. Denne AI-modellen er blant annet i stand til å generere bilder basert på beskrivelser som brukeren skriver inn i et tekstfelt. Tjenesten kan også brukes til annen bildebehandling, som for eksempel å redigere eksisterende bilder eller å oppskalere kvaliteten. Flere særtrekk ved Stable Diffusion skiller den fra andre AI-modeller. Stability har blant annet gjort den underliggende kildekoden tilgjengelig, noe som igjen åpner for videre utvikling og modifisering. Senere versjoner har noe strengere lisenskrav, men kjerneteknologien er fortsatt tilgjengelig for forskning og utvikling utenfor Stabilitys kontroll. Et annet kjennetegn ved Stable Diffusion er at tjenesten er veldig effektiv og krever relativt lite datakraft for å behandle forespørslene fra brukeren. Dette har en stor praktisk betydning ved at tjenesten kan kjøres på alminnelige datamaskiner, såfremt disse har et sterkt nok grafikkort. Kombinasjonen av åpen kildekode og tilgang til å kjøre modellen på vanlige spill-PC-er gjør at mange benytter tjenesten for å eksperimentere og gjøre seg kjent med teknologien.

Stable Diffusion ble trent opp på et datasett bestående av om lag 2,3 milliarder bilder kjent som LAION-5B. Vi kommer tilbake til dette datasettet litt senere i denne artikkelen. Rent teknisk er Stable Diffusion en tekstbasert AI-modell innenfor det som kalles en generativ diffusjonsmodell. I dette ligger det at tjenesten er innrettet for å lage innhold som har likhetstrekk med datasettet den er trent på, kombinert med brukerens input. Benevnelsen «diffusjon» kjenner vi fra fysikken, altså spredningen av partikler fra et område med høy konsentrasjon til et område med lavere konsentrasjon. Overført til Stable Diffusion innebærer diffusjon av data at det som i utgangspunktet består av tilfeldige koblinger eller støy, raffineres og forbedres gjennom en iterativ prosess som til slutt resulterer i sammenhengende bilder av høy kvalitet. Det dannes dermed etter hvert konsentrasjoner av data som opplæringen tilsier skal høre sammen. Den generative modelleringen innebærer at tjenesten trenes til å gjenkjenne mønstre og sammenhenger i dataene som har blitt koblet sammen. Etter gjennomført innlæringsperiode vil tjenesten kunne generere nye data eller bildemateriale basert på slutninger utledet fra det kjente stoffet fra opplæringen.

AI-modeller som Stable Diffusion har blitt tatt godt imot av publikum og brukes av millioner av mennesker daglig. En rekke bransjer har raskt innsett nytten som ligger i å kunne generere eller tilpasse bildemateriale på denne måten. Reklamebyråer genererer bilder til bruk i markedsføring, reklamefilmer, brosjyrer, plakater og annonser. Innen kunst og design utvikles det en helt ny generasjon av kunst, og AI-produserte verk vinner kunstkonkurranser og står utstilt på en rekke museer og utstillinger. Innen spill- og underholdningsbransjen lages det visuelt innhold, teksturer og hele verdener basert på AI-generert innhold. Innen utdannings- og forskningsmiljøer lages det visuelt materiale som benyttes i læringsmidler, presentasjoner og modellering. Det finnes en rekke andre eksempler, for eksempel innen arkitektur, mote og produktutvikling. Dette er svært ulike bransjer, men alle disse kan bruke AI-generert innhold for å modellere, teste og fremvise nye tanker og konsepter.

Lanseringen av de ulike AI-modellene som nå vokser frem, reiser også en rekke problemstillinger. Et spørsmål som ofte trekkes frem, er hvor klokt det er å slippe løs disse modellene, tilsynelatende uten noen form for samordnet styring eller kontroll. Utviklingen går i et så rasende tempo at det er umulig å trekke noen sikre slutninger om hvordan dette området vil se ut om bare 10 til 15 år. En annen innvending gjelder selve opplæringsmetoden, som bygger på en massiv og intens utnyttelse av millioner av eksisterende åndsverk. Materialet som produseres av AI-modeller har dessuten en uklar immaterialrettslig status. Er dette åndsverk, og i så fall; hvem er det som besitter rettigheten til det enkelte verk? Er det brukeren som har instruert AI-modellen, eieren av modellen, programutvikleren, rettighetshaverne til treningsmaterialet eller noen andre? I en litt annen retning går diskusjonen om hvorvidt bilder og filmer produsert på denne måten fortjener betegnelsen kunst. Som nevnt ovenfor har AI-bilder vunnet kunstkonkurranser, noe som vekker sterke følelser hos menneskelige kunstnere som ikke bare ser en trussel mot sin egen virksomhet, men også en utvikling der kunstbegrepet endres i takt med AI-teknologiens fremvekst.

Saken som skal diskuteres her, gjaldt i utgangspunktet spørsmålet om ulisensiert bruk av eksisterende åndsverk i treningen av Stable Diffusion utgjorde en opphavsrettskrenkelse. Kjernepunktet i saksanlegget var nettopp bruk av materiale fra Getty under opplæringsperioden. Det ble opprinnelig tatt ut en omfattende stevning med en lang kravsliste rettet mot Stability. Hovedkravene gjaldt krenkelser av opphavsrett, varemerkerett og etterligningsvern. Kort tid før fristen for de avsluttende innleggene trakk imidlertid Getty flere av disse kravsgrunnlagene. Det ble blant annet erkjent av Getty at det ikke forelå bevis for at treningen av Stable Diffusion hadde skjedd i Storbritannia. Dermed falt kanskje den mest interessante delen av denne saken bort. Getty fastholdt imidlertid fortsatt at det forelå en opphavsrettskrenkelse ved at Stable Diffusion i seg selv utgjorde en «infringing copy», og vi skal se nærmere på rettens drøftelse av dette spørsmålet. De øvrige spørsmål knyttet til varemerkebruk m.m. går jeg ikke nærmere inn på her.

Getty besitter som nevnt en stor database med billedmateriale. Databasen inneholder i tillegg det retten omtaler som sofistikerte, kuraterte metadata om det enkelte verk. Således vil hver enkelt datafil ikke bare inneholde selve verket, men også tilknyttet informasjon som produksjonsdato, type verk, filstørrelse, antall piksler, informasjon om skaperen av verket samt tittel og nøkkelord. Det ble anført fra Getty at disse metadataene var spesielt relevante og egnet for maskinlæring. Det ble blant annet vist til at bildematerialet hadde meget høy kvalitet, samt at metadataene ga unik tilleggsinformasjon om det enkelte verk med stor betydning for selve læringsprosessen.

Møtepunktet mellom Getty og Stable Diffusion ligger i datasettet LAION-5B, som ble omtalt ovenfor. LAION står for Large-Scale Artificial Intelligence Open Network. Dette er en tysk organisasjon som arbeider med ulike AI-modeller og er kjent for å ha gjort tilgjengelig flere store datasett. Disse datasettene har blitt benyttet til å trene opp flere kjente AI-modeller, herunder alle publiserte versjoner av Stable Diffusion. Treningen har foregått på ulike underkategorier av LAION-5B, med metadata som inneholder om lag 5,85 milliarder CLIP-filtrerte bilde-tekst-par med URL-referanser. Kort oppsummert betyr dette at oppsettet fra LAION inneholder lenker til nesten 6 milliarder bilder. Uten å gå for dypt inn i teknologien står CLIP for Contrastive Language-Image Pre-training. CLIP kobler tekst og bilder i store datasett og bygger på det som kalles kontrastiv læring. Modellen skiller mellom parvise datapunkter ved å maksimere likhet innen en klasse som representerer et riktig svar, og minimere likheten i en annen klasse som representerer feil svar. Dersom teksten for eksempel viser til en sort hest, vil et bilde av en hest kunne bli fremhevet. Der teksten i stedet angir en rød postkasse, vil hesten nå ikke lenger være like relevant. Selve læringsmetoden har mye til felles med en bildebok for barn. En side i boken viser et bilde av en ball, og under står teksten «ball». De to elementene som består av bilde og tekst låses sammen til en språklig enhet. Dette lagres for fremtidig bruk.

På denne måten læres mønstre og relasjoner, og modellen vil fortløpende justere sine interne parametere for hele tiden å lage mer presise koblinger mellom treningsdataene og forespørsler som skal behandles. En viktig form for slike parametere er vekter. Vekter fungerer litt på samme måte som nevroner i den menneskelige hjernen. Hver forbindelse har en assosiert vekt eller verdi som angir både styrken og hvor viktig den enkelte forbindelsen er. Når en AI-modell for eksempel skal vurdere om en e-post er reklame, vil den kunne gå gjennom eposten og vurdere innholdet basert på definerte faktorer. For eksempel vil AI-modellen vurdere nøkkelord, språklige sammenhenger, virkemidler, lengde på setninger, tegnsetting og lignende. Hvert element knyttes opp mot en definert vekt, som til sammen gir en konklusjon på om innholdet er reklame eller ikke. Disse vektene er faktorer som kan justeres under trening, slik at utfallet av vurderingen blir mer presise eller bedre tilpasset utviklerens ønsker.

Som en del av opplæringsprosessen vil det være nødvendig å laste ned selve bildene som URL-listene i LAION datasettet viser til. Denne prosessen omtales som materialisering. Det er gjennom materialiseringen at AI-modellen får tilgang til selve bildet, som i dette tilfellet ble mellomlagret på en Amazon-server. I tillegg ble det fremstilt midlertidige eksemplar av bildet i minnebrikken på grafikkortene som kjørte selve treningsøkten i AI-modellen. Stabilitys egen beskrivelse av denne prosessen gjorde det klart at det først skjedde en eksemplarfremstilling og lagring på selve serveren, og deretter en ytterligere og midlertidig eksemplarfremstilling i det bildet ble håndtert gjennom RAM-brikken på grafikkortet. Vi kan lese ut av dommen at Getty erkjente at datasettene fra LAION faktisk inneholdt referanser til Gettys bilder og at disse mest sannsynlig ville ha blitt brukt i opplæringen. Partene avklarte dette i saksforberedelsen ved at Getty presenterte 11 bilder som eksempler. Den underliggende anførselen var likevel at det i praksis var blitt benyttet millioner av bilder. Stability på sin side erkjente at enkelte av disse 11 eksemplene var blitt benyttet av Stable Diffusion.

Som omtalt ovenfor forelå det ikke bevis på at noen av disse handlingene hadde skjedd i Storbritannia, og Getty hadde altså forut for de muntlige forhandlingene frafalt de deler av kravet som gjaldt denne formen for eksemplarfremstilling. I saken var det erkjent fra Stability at treningen innebar bruk av bilder som ble hentet fra Gettys database via URL-lenken i LAION. Stability anførte samtidig at antallet bilder som konkret ble benyttet, ville variere ut fra oppsettet for den enkelte treningsrunden. For tilfeller hvor Stable Diffusion produserte bilder med Gettys varemerke integrert, anførte Stability at dette skyldtes bruk av en tredjepart (brukeren av tjenesten), og at bruken ikke var varemerkerettslig relevant. Bakgrunnen for denne diskusjonen var at Stable Diffusion kunne frembringe bilder som inneholdt et såkalt vannmerke fra Getty. Getty har selv lagt inn vannmerker på bildene i sin egen database. Når brukeren søker opp bilder hos Getty, vil disse fremvises med vannmerket integrert i bildet. Først når brukeren betaler lisens for bildet, fjernes vannmerket slik at bildet kan lastes ned og brukes uten vannmerket. Vi går ikke her dypere inn på spørsmålet om inngrep i varemerkeretten.

Engelsk rett skiller mellom primær og sekundær krenkelse av opphavsrett. Eksemplarfremstilling og fremføring er typiske direkte og primære krenkelser. Salg av eksemplar av åndsverk, samt utleie, import og besittelse, er handlinger som under engelsk rett vil kategoriseres som sekundære krenkelser. Den gjenstående anførselen om krenkelse av opphavsrett gikk på at selve Stable Diffusion innebar en sekundær krenkelse av opphavsretten. Gettys anførsel var ikke at Stable Diffusion i seg selv utgjorde en eksemplarfremstilling av de aktuelle verkene, eller at slike eksemplar var lagret i Stable Diffusion. Ifølge Getty skjedde krenkelsen ved at utviklingen av vektene (som ble utviklet gjennom opplæringen, ref ovenfor) benyttet i Stable Diffusion ville ha utgjort en sekundær krenkelse av opphavsretten dersom handlingen hadde funnet sted i Storbritannia. Copyright, Designs and Patents Act av 1988 § 27 definerer hva som utgjør en krenkende kopi av et åndsverk:

Det springende punkt i rettens vurdering ble dermed om det forelå en «article» etter § 27, med henvisning til paragrafene 22 og 23, og om denne var en «infringing copy». Getty anførte at vilkårene i § 27 nr 3 a og b var innfridd ved at det hadde skjedd en slik import som beskrevet i bokstav a, og at det å fremstille «artikkelen» ville ha vært ulovlig i Storbritannia. Getty viste her til at opplæringen som fant sted innebar ulisensiert eksemplarfremstiling både på server og i RAM-brikken. «Artikkelen» det i dennne sammenhengen siktes til, er ikke selve Stable Diffusion, men de underliggende vektene som ble utledet og optimalisert gjennom opplæringsprosessen. Vektene ble direkte påvirket av gjennomgangen av de ulike eksemplarene, og denne eksponeringen endret samtidig fundamentale forhold ved vektenes karakter.

Stability anførte på sin side at begrepet «article» i lovens forstand var begrenset til å gjelde håndfaste objekter. Bestemmelsen i § 27 kunne dermed ikke anvendes på abstrakt informasjon som vekter i en AI-modell. Videre anførte Stability at begrepet «infringing copy», slik definert i § 27, ikke kunne få anvendelse utfra flere hensyn, blant annet fordi vektene i seg selv ikke lagrer eller fremstiller eksemplarer av de aktuelle verkene.

Retten viser i premiss 553 til at vurderingen må ta utgangspunkt i hvordan en AI-modell som Stable Diffusion er lært opp, og hvordan den senere produserer sine egne bilder. For å avklare om Stable Diffusion i det hele tatt kan utgjøre en krenkelse av opphavsretten, må retten først ha en klar formening om hva Stable Diffusion faktisk er. Dette spørsmålet hadde vært gjenstand for flere ekspertvurderinger, og retten viser til Professor Brox, som hadde uttalt følgende, gjengitt i dommens premiss 554:

Eksperten påpeker altså at AI-modellen ikke lagrer selve bildene i vektene. Dette fremgår blant annet av at modellvektene for Stable Diffusion kan lastes ned som en relativt liten binærfil. Filstørrelsen på binærfilen er på under 4 gigabyte, mens datasettet LAION-5B, som ble brukt til opplæringen, utgjør om lag 220 terabyte. Under opplæringen lagrer ikke modellvektene pikselverdier knyttet til alle de millioner eller milliarder av bilder som gjennomgås. I stedet konverteres bildeinformasjonen fra pikselenheter til et såkalt latent område ved hjelp av en autoenkoder. Et slik latent område inneholder en komprimert representasjon av bildet, i et format som altså er langt mer effektivt både for lagring og senere beregninger eller bruk av informasjonen. Alt dette tilsier at bildematerialet ikke kan være lastet inn i selve vektene som ligger i Stable Diffusion.

Samtidig har ekspertene vært enige om at Stable Diffusion kan generere bilder som er distinkte og ulike treningsbildene, men at det også kan produseres bilder som er tilnærmet identiske med læringsmaterialet. Det kommer ikke klart frem fra avgjørelsen hvorfor Getty ikke hadde forfulgt dette sporet nærmere. Så lenge Stable Diffusion er i stand til å gjengi bilder fra opplæringen, vil det kunne være nærliggende å argumentere for at dette i seg selv utgjør en ulovlig eksemplarfremstilling. Avhengig av det nærmere faktum rundt akkurat denne prosessen, vil det kunne anføres at både lagringen og den nye fremstillingen utgjør inngrep i opphavsretten. Argumentet må da være at det ikke er avgjørende hvorvidt bildene er lagret i samme pikselformat som originalene. Så lenge bildene kan gjenskapes, er det en sterk indikasjon på at disse er lagret, om enn i et annet format, i vektene som ligger i AI-modellen. En relevant parallell kan være bruken av et komprimeringsprogram for å komprimere en fil. Selv om den nye filen er mindre målt i ren filstørrelse, vil det fortsatt kunne sies å foreligge en kopi av det originale verket så lenge dette kan gjenopprettes fra den nye filen. Dette argumentet ble imidlertid ikke fremholdt i denne saken.

Rettens vurdering av begrepet «article» og hvorvidt dette også omfatter mer flyktig digital informasjon er for omfattende til å gjengis fullstendig her. I en tidligere artikkel (Nasjonalstater og hacking, Lov & Data nr. 160 4/2024) har jeg diskutert det engelske tolkningsprinsippet «always speaking», som taler for en dynamisk lovtolkning. Dommeren er inne på dette også i den foreliggende saken, og viser i premiss 580 til at prinsippet taler for at elektronisk lagrede data kan omfattes av begrepet «article»:

Selv om retten konkluderer med at loven også i prinsippet vil kunne omfatte digital informasjon lagret på ulike medier, gjenstår spørsmålet om det foreligger en «infringing copy». Stability presenterte en passende spissformulering av denne problemstillingen. «...[a]n infringing copy must be a copy» (ref premiss 592, understreket i dommen). Det Stability vil få frem er at det må foreligge en kopi – et eksemplar som rent fysisk og praktisk lar seg gjenfinne et sted. Ettersom modellvektene i Stable Diffusion ikke lagrer den visuelle informasjonen som ligger i originalverkene, kan det heller ikke foreligge en kopi eller eksemplar i lovens forstand.

Retten formulerer etter dette problemstillingen slik i premiss 599:

Dette diskuteres videre i det sentrale premiss 600 i dommen, hvor retten konkluderer med at det ikke foreligger en eksemplarfremstilling i lovens forstand:

Det sentrale ved dommen er etter min mening rettens utlegninger og vurderinger knyttet til hva en AI-modell er i ulike rettslige betydninger.

Getty vant altså ikke frem med sine anførsler knyttet til dette kravet. Retten landet på at modellvektene er et resultat av læringsprosessen, men at de ikke gjengir eller lagrer bildeverkene som sådan. Dette mener retten må gjelde selv om modellvektene påvirkes og endres fortløpende gjennom opplæringen og kontakten med bildeverkene. Retten bygger på at modellvektene aldri kan sies å ha inneholdt, lagret eller kopiert de aktuelle verkene. Kravet om sekundær krenkelse av opphavsrett førte dermed ikke frem, men retten sa seg altså enig i det prinsipielle spørsmålet og konstaterte at en «article» i lovens forstand kan omfatte mer flyktig digital informasjon.

Dommen omfatter flere andre spørsmål, og retten har noen ytterligere drøftelser også rundt spørsmålet knyttet til brudd på opphavsretten. Getty vant delvis frem med mindre krav knyttet til krenkelse av varemerkeretten. Det sentrale ved dommen er etter min mening rettens utlegninger og vurderinger knyttet til hva en AI-modell er i ulike rettslige betydninger. Rettens drøftelser rundt modellvekter og hvordan disse inngår i opplæringen av denne typen AI-modeller er svært interessant og svært grundig. Dette betyr også at dommen er et utmerket springbrett for videre diskusjoner og avklaringer fremover innenfor dette området, uavhengig av om man er enig eller uenig i rettens konklusjoner. Samtidig er akkurat denne saken preget av flere uklarheter knyttet til Gettys krav og anførsler, som altså ble endret vesentlig helt mot slutten av saksforberedelsen. Det kan virke som at faktum rundt hvor selve opplæringen hadde funnet sted ikke var tilstrekkelig klarlagt ved saksanlegget. Det helt sentrale spørsmålet om hvorvidt selve opplæringen og bruken av rettighetsbelagte verk til dette formålet, ble derfor ikke vurdert. Det er imidlertid helt klart at vi kan forvente flere saker på dette området fremover.