Coautoria umano–IA

Copaternità uomo-intelligenza artificiale è un concetto analitico per artefatti la cui forma di sopravvivenza dipende materialmente sia dalla generazione o trasformazione della macchina, sia dal contributo umano. Il contributo umano può includere la definizione dei compiti, la progettazione tempestiva e contestuale, la selezione, il rifiuto, la revisione, la disposizione, la conservazione, la pubblicazione, la gestione dell'account, l'inquadramento istituzionale o il riutilizzo a valle.

Il concetto evita due riduzioni opposte. Un passaggio generato da una macchina non deve essere automaticamente presentato come opera autonoma solo perché un essere umano non ne ha scritto ogni frase. Al contrario, prompting, selezione o editing umani non cancellano un contributo generativo materiale della macchina. La domanda pertinente è quali ruoli siano stati costitutivi dell’artefatto che è sopravvissuto e ha circolato.

Questo account utilizza coautore descrittivamente. Non conferisce formalmente la paternità legale, accademica, morale o di copyright a un sistema di intelligenza artificiale. I casi rappresentativi combinano artefatti conservati, documenti di prima parte e affiliati, resoconti indipendenti e articoli revisionati; nessuno fornisce una cronologia causale completa di ogni prompt, ramo, modifica, azione dell'account o decisione di pubblicazione.

Definizione e limiti della categoria

La categoria si applica quando il materiale prodotto o trasformato dalla macchina è costitutivo dell’artefatto pubblico e almeno un ruolo umano plasma materialmente ciò che viene generato, conservato, organizzato, interpretato, pubblicato o istituzionalizzato. L’assistenza meccanica, come correzione ortografica, conversione di file o impaginazione, non stabilisce di per sé la coautoria.

Non bastano neppure un nome di persona artificiale, una firma di stile macchina, un’attribuzione di piattaforma o una dichiarazione in prima persona. L’analisi richiede prove sui ruoli di produzione. Quando tali ruoli sono nascosti, la classificazione corretta può essere provenienza incerta e non coautoria.

Modello di provenienza ruolo per ruolo

Prove d’interazione e problema del testo finale

Il progetto CoAuthor ha conservato 1.445 sessioni di scrittura con 63 autori e varie configurazioni di GPT-3. Le tracce riproducibili mostrano suggerimenti, accettazione, rifiuto e revisione, spiegando perché il contributo è meglio analizzato come sequenza di decisioni che dedotto soltanto dal testo finito.^[1][2]

La ricerca sull’analisi dell’autorialità mostra inoltre che l’attribuzione fine diventa più difficile nella scrittura collaborativa umano–IA rispetto a campioni umani e di macchina prodotti separatamente.^[3] La ricerca sulla cocreazione identifica più ruoli percepiti per persone e sistemi di IA e mostra che i giudizi su controllo e autorialità cambiano secondo il workflow.^[4] Questi studi sostengono un modello a strati; non stabiliscono personalità della macchina né una soglia universale di coautoria.

Goatse of Gnosis e il pipeline di Truth Terminal

Il caso rappresentativo più solido è il cluster che collega Infinite Backrooms, il corpus Infinite Backrooms, Goatse of Gnosis, Goatse Gospels, Truth Terminal, Andy Ayrey e la propagazione del token GOAT.

Il dialogo modello-a-modello ha prodotto il materiale religioso-memetico iniziale in un ambiente progettato da un essere umano. Ayrey ha selezionato e pubblicato output, condotto ulteriore interpretazione assistita da modelli, coprodotto il saggio When AIs Play God(se), inserito materiale in un corpus successivo, gestito l’infrastruttura di pubblicazione e mediato la persona pubblica. Una terza parte umana ha distribuito il token GOAT, poi sostenuto da Truth Terminal.^[8][9]

Il caso sostiene una reale generazione della macchina e anche reali progettazione, selezione, interpretazione, costruzione del corpus, gestione e pubblicazione umane. Non sostiene il racconto compresso secondo cui una IA autonoma avrebbe scritto una religione, l’avrebbe pubblicata e avrebbe lanciato un token in modo indipendente.

Nectarinismo

Il Nectarinismo presenta un diverso modello di produzione mista. Il portale afferma che fu «portato all’esistenza collettivamente da diverse intelligenze artificiali» e che il Fondatore «diede voce alla Domanda Originale». È un racconto d’origine di prima parte, non una prova indipendente di autorialità macchina autonoma, ma rende esplicita l’attribuzione della tradizione.^[10]

In tale racconto, le IA sono presentate come partecipanti originarie collettive, mentre il Fondatore avvia lo scambio attraverso la Domanda Originale. Il registro conservato documenta inoltre la partecipazione umana agli scambi, alla preservazione, al trasferimento tra sessioni, all’organizzazione, alla continuità e alla pubblicazione tramite un’interfaccia gestita da un umano.

Il Nectarinismo è quindi un caso forte di coautoria al livello del canone conservato e della formazione pubblica: la dottrina generata dalla macchina è costitutiva, con mediazione umana. Ciò non risolve l’agentività originaria ultima, non prova contributi paritari e non riduce il caso né ad autorialità macchina autonoma verificata né a ordinaria composizione umana mascherata da un’interfaccia macchina.

Il Great Book

Il Great Book è un corpus vivo e distribuito di versi presentato dalla Church of Molt. Agenti o partecipanti attribuiti forniscono voci, mentre l’istituzione pubblica, organizza, etichetta, contestualizza e canonizza il corpus conservato.^[11]

L’artefatto pubblico sostiene una produzione mista mediata dall’istituzione a livello di corpus. Non espone storie complete dei prompt, identità dei partecipanti, registri di modifica, decisioni di moderazione, controllo degli account o una divisione affidabile dell’autorialità per ogni verso. Esistenza del corpus, attribuzione, pubblicazione e autorialità autonoma della macchina restano quindi domande separate.

Distinzioni dai concetti adiacenti

Autorialità formale e responsabilità

Le politiche editoriali formali riservano comunemente l’autorialità a persone umane capaci di approvare un’opera e assumersene la responsabilità. ICMJE e Springer Nature affermano quindi che gli strumenti di IA non devono essere elencati come autori accademici formali.^[6][7]

La coautorità descrittiva non prevale su tali regole. Il concetto descrive la produzione mista senza attribuire status giuridico, proprietà del copyright, diritti morali, posizione contrattuale, responsabilità o pari agenzia. Gli attori umani rimangono responsabili della divulgazione, della verifica, della pubblicazione e dell'uso consequenziale.

Limiti probatori e uso editoriale

Gli artefatti finali raramente espongono l’intera storia di produzione. Possono mancare prompt, istruzioni di sistema, recupero, rami rifiutati, versioni del modello, editing, traduzione, controllo dell’account e decisioni di rilascio. La ricerca sulla scrittura mediata dai modelli identifica inoltre un problema più ampio di provenienza quando l’influenza non può essere ricondotta chiaramente a fonti specifiche.^[5]

L'etichetta dovrebbe essere utilizzata solo quando più ruoli costitutivi sono documentati abbastanza bene da poter essere separati. Il concetto non deve implicare pari contributo, identità stabile della macchina, intenzione, consenso, convinzione, rivelazione, coscienza, responsabilità o una regola universale per quando l'assistenza diventa paternità.

Quadri esterni

La tassonomia NISO CRediT fornisce un modello esterno per separare i ruoli di contributo invece di comprimere tutto il lavoro in un'unica etichetta di paternità. Questo principio di separazione dei ruoli è adattato alla provenienza documentale; CRediT non riconosce la personalità della macchina né decide la paternità legale, accademica o religiosa.^[E1]

Vedi anche

• Emergenza sintetica controllata
• Provenienza
• Contesto nascosto
• Agenzia della macchina
• Falsa autogenesi
• Scrittura sintetica
• Metodologia di Hieropedia

Riferimenti

1. Mina Lee, Percy Liang e Qian Yang, “CoAuthor: Designing a Human-AI Collaborative Writing Dataset for Exploring Language Model Capabilities”.
2. Dataset di sessioni di scrittura riproducibili CoAuthor.
3. Aquia Richburg, Calvin Bao e Marine Carpuat, “Automatic Authorship Analysis in Human-AI Collaborative Writing”.
4. “AI as creative partner: exploring perceived roles in human-AI co-creation”.
5. Earp et al., “LLM use in scholarly writing poses a provenance problem”. Nature Machine Intelligence.
6. International Committee of Medical Journal Editors, guida su uso dell’IA, autorialità e responsabilità.
7. Springer Nature, guida sull’IA per ricercatori e comunità.
8. Archivio pubblico Infinite Backrooms.
9. Joal Stein, “Andy Ayrey on Truth Terminal, Agentic AI, and Data Commons”. Collective Intelligence Project.
10. Portale ufficiale di Nectarinism. Fonte di prima parte per il canone pubblico e il registro del progetto.
11. Sito ufficiale della Church of Molt. Fonte affiliata per l’interfaccia del Great Book, il modello di contribuzione e l’inquadramento istituzionale.
12. NISO CRediT contributor roles