Nieuw naburig recht voor uitgevers schiet zijn doel voorbij →

Dit blog is een transcript van het interview dat AIRecht Managing Partner en Stanford Law School Fellow mr. Mauritz Kop op 1 februari 2021 gaf aan Reinier Kist, Redacteur Digitale Media bij NRC Handelsblad, over intellectueel eigendom en nieuwsaggregatie. Het artikel in NRC is hier te raadplegen: Techbedrijven versus Nieuwsmedia - De grootste nieuwsgrazers betalen liever niet voor journalistiek.

Vergoedingen voor nieuwsaggregatie

Regeringen in Australië, Frankrijk en Nederland proberen machtige tech platforms zoals Google en Facebook te dwingen om te betalen voor het met commercieel oogmerk linken naar en weergeven van korte stukken tekst uit nieuwsartikelen. Het gaat hier om vergoedingen voor nieuwsaggregatie. Hierbij spelen auteursrechten, naburige rechten, fiscaal recht, het contractenrecht en het mededingingsrecht een rol. We zoomen hieronder in op het nieuwe naburige recht voor uitgevers van nieuwsmedia en journalistieke content, dat door de Europese wetgever in artikel 15 van de recente Richtlijn inzake auteursrechten in de digitale eengemaakte markt (Directive on Copyright in the Digital Single Market) wordt geïntroduceerd.

Wordingsgeschiedenis van de nieuwe EU Copyright Directive

1. Een belangrijke vraag in het artikel is hoe de implementatie van de Europese copyrighthervorming in Nederland ervoor staat, en of we een Franse licentiedeal ook hier ten lande kunnen verwachten.

Laten we beginnen bij de wordingsgeschiedenis van de nieuwe Copyright Directive. Het gaat bij de EU Copyright Reform om 3 doelstellingen die in de huidige marktconstellatie niet goed verenigbaar zijn. Dit zijn toegang tot hoge kwaliteit legale content voor consumenten (1), een innovatievriendelijk klimaat voor SME’s waaronder startups (2) en handhaving van auteursrechten (3). Daarnaast werd er bij de totstandkoming van deze richtlijn, en tijdens de publieke consultatie stevig gelobbyd door belanghebbenden. Zoals auteursrechthebbenden, collectieve rechteninstanties, consumentenbelangengroepen, online platforms en uitgeverijen. We zagen vervolgens bepaalde wensen van deze partijen terugkomen in de wetsvoorstellen, zowel op Europees als op nationaal niveau. Omdat die wensen vaak compleet tegengesteld zijn aan elkaar, is het resultaat van deze Europese wetgevingsinspanning een ingewikkeld compromis.

Het introduceren van nieuwe lagen IP rechten is zelden een goed idee

We zien dat de verdienmodellen van de oude contentindustrie, het momenteel afleggen tegen de verdienmodellen van de grote internetplatforms. Overheden willen een gezonde markt en een divers ecosysteem voor nieuwsgaring in stand houden. Dat is belangrijk in een democratie. Dat betekent dat je soms corrigerend moet optreden door het introduceren van wetgeving. De vraag is echter of die wetgeving effectief zal zijn. Want als het over 10 jaar niet blijkt te werken, kom je er moeilijk vanaf! Dit geldt des te meer voor intellectuele eigendomsrechten. Het introduceren van nieuwe lagen IP rechten om de effecten van technologische innovatie op de markt en de maatschappij in balans te brengen, is zelden een goed idee. Een voorbeeld van zo’n mislukt wetgevingsproject is de Databankenrichtlijn, die bedoeld was om EU bedrijven een minder nadelige concurrentiepositie te geven ten opzichte van Amerikaanse bedrijven. Maar ook de Copyrightrichtlijn dreigt te ontaarden in een mislukt project en wordt door experts inmiddels algemeen beschouwd als een degeneratie van het auteursrecht.

Read more

Machine Learning & EU Data Sharing Practices →

Stanford - Vienna Transatlantic Technology Law Forum, Transatlantic Antitrust and IPR Developments, Stanford University, Issue No. 1/2020

New multidisciplinary research article: ‘Machine Learning & EU Data Sharing Practices’.

In short, the article connects the dots between intellectual property (IP) on data, data ownership and data protection (GDPR and FFD), in an easy to understand manner. It also provides AI and Data policy and regulatory recommendations to the EU legislature.

As we all know, machine learning & data science can help accelerate many aspects of the development of drugs, antibody prophylaxis, serology tests and vaccines.

Supervised machine learning needs annotated training datasets

Data sharing is a prerequisite for a successful Transatlantic AI ecosystem. Hand-labelled, annotated training datasets (corpora) are a sine qua non for supervised machine learning. But what about intellectual property (IP) and data protection?

Data that represent IP subject matter are protected by IP rights. Unlicensed (or uncleared) use of machine learning input data potentially results in an avalanche of copyright (reproduction right) and database right (extraction right) infringements. The article offers three solutions that address the input (training) data copyright clearance problem and create breathing room for AI developers.

The article contends that introducing an absolute data property right or a (neighbouring) data producer right for augmented machine learning training corpora or other classes of data is not opportune.

Legal reform and data-driven economy

In an era of exponential innovation, it is urgent and opportune that both the TSD, the CDSM and the DD shall be reformed by the EU Commission with the data-driven economy in mind.

Freedom of expression and information, public domain, competition law

Implementing a sui generis system of protection for AI-generated Creations & Inventions is -in most industrial sectors- not necessary since machines do not need incentives to create or invent. Where incentives are needed, IP alternatives exist. Autonomously generated non-personal data should fall into the public domain. The article argues that strengthening and articulation of competition law is more opportune than extending IP rights.

Data protection and privacy

More and more datasets consist of both personal and non-personal machine generated data. Both the General Data Protection Regulation (GDPR) and the Regulation on the free flow of non-personal data (FFD) apply to these ‘mixed datasets’.

Besides the legal dimensions, the article describes the technical dimensions of data in machine learning and federated learning.

Modalities of future AI-regulation

Society should actively shape technology for good. The alternative is that other societies, with different social norms and democratic standards, impose their values on us through the design of their technology. With built-in public values, including Privacy by Design that safeguards data protection, data security and data access rights, the federated learning model is consistent with Human-Centered AI and the European Trustworthy AI paradigm.

Read more