Modeldestillatie: wanneer is het innovatie en wanneer wordt het plots “AI-diefstal”
Onlangs beschuldigde Anthropic Alibaba ervan om in amper zes weken tijd via ongeveer 25.000 nepaccounts bijna 29 miljoen gesprekken met Claude te hebben gevoerd. Volgens Anthropic was dat geen normaal gebruik van de chatbot, maar een grootschalige poging om een goedkoper AI-model te trainen op de antwoorden van Claude. De beschuldiging draait rond een techniek die binnen de AI-wereld al jaren wordt toegepast: modeldestillatie. Het opmerkelijke is dat vrijwel ieder groot AI-lab die techniek zelf gebruikt. Google doet het. Meta doet het. OpenAI doet het. Anthropic doet het eveneens. Toch spreekt de ene situatie over innovatie en de andere over diefstal. Waar zit precies het verschil?
Voor de voorbereidingen van de inhoud en creatie van de visuals wordt (uiteraard) gebruikgemaakt van generatieve AI.
Wat is modeldestillatie?
Modeldestillatie is een techniek waarbij een kleiner AI-model leert van een groter en krachtiger model. In plaats van miljoenen voorbeelden volledig opnieuw te verwerken, gebruikt het kleinere model de antwoorden van het grotere model als leerbron.
Het resultaat is een model dat een groot deel van de prestaties van zijn “grote broer” behoudt, maar veel sneller en goedkoper draait.
Vrijwel iedereen gebruikt vandaag zulke gedestilleerde modellen zonder erbij stil te staan. Achter namen als GPT-4o mini, Gemini Flash, Claude Haiku of vergelijkbare “lite”-varianten schuilt precies hetzelfde principe. Een groot frontiermodel levert de kennis, waarna die intelligentie in een compacter model wordt samengebracht dat minder rekenkracht vraagt en daardoor goedkoper kan worden aangeboden.
Voor AI-bedrijven is modeldestillatie dan ook geen uitzonderlijke techniek, maar een essentieel onderdeel van hun ontwikkelingsstrategie.
Waarom Anthropic aan de alarmbel trekt
Volgens Anthropic gaat het in dit geval echter niet om interne optimalisatie. Het bedrijf stelt dat Alibaba via duizenden nepaccounts systematisch Claude zou hebben bevraagd om enorme hoeveelheden antwoorden te verzamelen. Die antwoorden zouden vervolgens gebruikt zijn om een eigen model verder te trainen.
Als die beschuldigingen kloppen, gaat het volgens Anthropic niet langer om normale interactie met een AI-systeem, maar om een georganiseerde poging om een concurrerend model te bouwen met behulp van de output van Claude.
Daarmee zou Alibaba de gebruiksvoorwaarden van Anthropic hebben geschonden. De discussie draait dus niet om de techniek zelf, maar om de manier waarop de trainingsdata werd verkregen.
Innovatie of contractbreuk?
Dat brengt ons bij een interessante juridische en ethische nuance. Wanneer een AI-bedrijf zijn ‘eigen’ grote model gebruikt om een kleiner model te trainen, spreekt niemand over diefstal. Dat wordt beschouwd als een logische vorm van productontwikkeling.
Wanneer hetzelfde gebeurt met de output van een concurrent, ligt dat volledig anders. Dan spelen contractuele voorwaarden, intellectuele eigendom en commerciële belangen een rol.
Het verschil blijkt uiteindelijk verrassend klein. Niet de techniek bepaalt of iets toegestaan is, maar ‘de toestemming van de eigenaar van het oorspronkelijke model’. Of zoals sommige juristen het samenvatten: modeldestillatie is niet illegaal omdat ze technisch bestaat, maar omdat ze in bepaalde omstandigheden contractuele afspraken kan schenden.
Een ongemakkelijke paradox
Toch wringt hier iets. Dezelfde AI-bedrijven die vandaag fel reageren wanneer hun modellen worden gebruikt voor modeldestillatie, hebben de voorbije jaren zelf enorme hoeveelheden menselijke content gebruikt om hun eigen modellen te trainen.
Boeken, nieuwsartikelen, websites, foto’s en andere creatieve werken vormden jarenlang de brandstof voor de ontwikkeling van moderne taalmodellen. Dat leidde wereldwijd tot rechtszaken van auteurs, uitgevers, kunstenaars en mediabedrijven die zich afvroegen waarom hun werk zonder toestemming of vergoeding werd gebruikt.
Anthropic zelf sloot recent nog een schikking van ongeveer 1,5 miljard dollar in een auteursrechtelijk geschil rond het gebruik van boeken als trainingsmateriaal. Daardoor ontstaat een opvallende tegenstelling.
Toen AI-systemen leerden van menselijke creativiteit, verwezen veel technologiebedrijven naar innovatie, fair use of maatschappelijke vooruitgang. Nu AI-systemen leren van andere AI-systemen, klinkt plots een veel strengere boodschap over eigendomsrechten en ongeoorloofd gebruik. Dat maakt de discussie een stuk complexer dan ze op het eerste gezicht lijkt.
Machines leren van machines
De AI-industrie bereikt stilaan een nieuw stadium. De eerste generatie taalmodellen werd voornamelijk getraind op menselijke kennis: boeken, websites, wetenschappelijke publicaties en andere documenten.
Vandaag ontstaat een tweede fase waarin modellen steeds vaker leren van de output van andere modellen. Dat biedt duidelijke voordelen. Modeldestillatie maakt krachtige AI goedkoper, sneller en toegankelijker. Zonder die techniek zouden compacte modellen voor smartphones, laptops en bedrijfsapplicaties veel minder performant zijn.
Maar tegelijk roept die evolutie nieuwe vragen op. Van wie is AI-output eigenlijk? Mag een concurrent miljoenen antwoorden verzamelen en daarmee een eigen model verbeteren? Wanneer wordt normaal gebruik van een chatbot een systematische extractie van commerciële waarde? Dat zijn vragen waarop het recht voorlopig nog geen eenduidig antwoord geeft.
Een strijd die nog maar net begonnen is
De zaak tussen Anthropic en Alibaba staat niet op zichzelf. De concurrentie tussen AI-labs verschuift steeds meer van een strijd om de beste modellen naar een strijd om data, rekenkracht en intellectuele eigendom.
Naarmate de prestaties van de grootste modellen dichter bij elkaar komen, wordt het steeds aantrekkelijker om bestaande systemen als leermeester te gebruiken in plaats van opnieuw miljarden euro’s te investeren in training vanaf nul.
Daarom zal modeldestillatie waarschijnlijk een van de belangrijkste juridische discussies van de komende jaren worden. Niet omdat de techniek nieuw is – die wordt al jaren toegepast – maar omdat de grenzen tussen inspiratie, hergebruik, contractbreuk en intellectuele eigendom steeds moeilijker af te bakenen zijn.
De discussie gaat uiteindelijk over veel meer dan Alibaba of Anthropic. Ze confronteert de volledige AI-sector vooral met een ongemakkelijke spiegel.