Copy, Paste, and Generate: Copyright Law and Fair Use in the Age of Artificial Intelligence

Abstract

This article examines whether the U.S. doctrine of fair use can adequately address the legal and ethical challenges posed by the training of generative artificial intelligence (GenAI) systems. The key research question driving this analysis is: Can fair use, as currently interpreted, provide a coherent and equitable framework for addressing the massive, automated ingestion of copyrighted works for the AI model development? This research is guided by two hypotheses. First, the transformative-use doctrine, while important in modern fair use analysis, remains insufficiently defined and inconsistent to address the functional and non-expressive nature of AI training. Second, that the current litigation landscape, as seen in The New York Times v. Microsoft Corporation and OpenAI, et al. (case no. 1:23-cv-11195 Southern District of New York) "OpenAI case" and Dow Jones & Company, Inc. et al v. Perplexity AI, Inc. (case no. 1:24-cv-07984 Southern District of New York) "Perplexity case", indicates an urgent need for legislative clarification to harmonize innovation incentives with copyright protection in the age of machine learning. The article uses a doctrinal legal analysis, examining case law, statutes, and policies, to show how fair use law has changed and how it applies to new AI technology. This methodological approach contextualizes the dispute within its historical origins and current policy ramifications, offering a cohesive legal and ethical framework for evaluating the limits of fair use in the age of generative AI.

Este artículo examina si la doctrina estadounidense del uso justo puede abordar adecuadamente los desafíos legales y éticos que plantea el entrenamiento de sistemas de inteligencia artificial generativa (GenAI). La pregunta clave de la investigación que impulsa este análisis es: ¿Puede el uso justo, tal como se interpreta actualmente, proporcionar un marco coherente y equitativo para abordar la ingesta masiva y automatizada de obras protegidas por derechos de autor para el desarrollo del modelo de IA? Esta investigación se guía por dos hipótesis. En primer lugar, la doctrina del uso transformativo, aunque es importante en el análisis moderno del uso justo, sigue siendo insuficientemente definida e inconsistente para abordar la naturaleza funcional y no expresiva del entrenamiento de IA. En segundo lugar, que el panorama actual de los litigios, como se ve en The New York Times v. Microsoft Corporation y OpenAI, et al. (caso no. 1:23-cv-11195 Distrito Sur de Nueva York) "Caso OpenAI" y Dow Jones & Company, Inc. et al v. Perplexity AI, Inc. (caso No. 1:24-cv-07984 Distrito Sur de Nueva York) "Caso Perplexity", indica una necesidad urgente de aclaración legislativa para armonizar los incentivos a la innovación con la protección de los derechos de autor en la era del aprendizaje automático. El artículo utiliza un análisis legal doctrinal, examinando la jurisprudencia, los estatutos y las políticas, para mostrar cómo ha cambiado la ley de uso justo y cómo se aplica a la nueva tecnología de IA. Este enfoque metodológico contextualiza la disputa dentro de sus orígenes históricos y ramificaciones políticas actuales, ofreciendo un marco legal y ético cohesivo para evaluar los límites del uso justo en la era de la IA generativa.