logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-08082026-135148


Tipo di tesi
Tesi di laurea magistrale
Autore
CAMHI WOLF, SARAH
URN
etd-08082026-135148
Titolo
The Granularity Gap: Training Data Transparency and Copyright Enforcement under Article 53
Dipartimento
GIURISPRUDENZA
Corso di studi
DIRITTO DELL'INNOVAZIONE PER L'IMPRESA E LE ISTITUZIONI
Relatori
.
relatore Di Francesco Maesa, Damiano
correlatore Signoretta, Camilla
Parole chiave
  • AI Act
  • Article 53
  • copyright
  • granularity
  • text and data mining
  • trade secrets
  • training data
  • transparency
Data inizio appello
14/09/2026
Consultabilità
Completa
Riassunto (Inglese)
This thesis examines whether the training data transparency obligations under Article 53 of the EU AI Act meaningfully empower copyright holders to enforce their rights against providers of general-purpose AI models. Focusing on the duty to publish a "sufficiently detailed summary" of training content, the thesis identifies what it terms the granularity gap: such summaries are designed to be comprehensive in scope but not itemised by individual work, making it practically impossible for a rightsholder to verify whether their material was used, or whether an opt-out under Article 4(3) was respected. Drawing on the AI Act, the EU Trade Secrets Directive, the CDSM Directive, and the AI Office's published Template, the thesis examines how trade secret protections and the structural limits of the TDM opt-out mechanism may compound this gap. The analysis aims to assess whether Article 53, as currently drafted and implemented, delivers on its transparency purpose.
Riassunto (Italiano)
La presente tesi analizza se gli obblighi di trasparenza sui dati di addestramento previsti dall'articolo 53 dell'AI Act consentano concretamente ai titolari del diritto d'autore di far valere i propri diritti nei confronti dei fornitori di modelli di intelligenza artificiale per finalità generali. Concentrandosi sull'obbligo di pubblicare una "sintesi sufficientemente dettagliata" dei contenuti di addestramento, la tesi individua il c.d. granularity gap: tali sintesi sono concepite per essere esaustive quanto all'ambito, ma non analitiche per singola opera, rendendo di fatto impossibile per il titolare verificare se il proprio materiale sia stato utilizzato, ovvero se sia stato rispettato un opt-out esercitato ai sensi dell'articolo 4(3). Basandosi sull'AI Act, sulla direttiva sulla protezione del know-how e delle informazioni commerciali riservate, sulla direttiva CDSM e sul Template pubblicato dall'AI Office, la tesi esamina come la tutela del segreto commerciale e i limiti strutturali del meccanismo di opt-out per il text and data mining possano aggravare tale divario. L'analisi mira a valutare se l'articolo 53, nella formulazione e nell'attuazione attuali, realizzi la finalità di trasparenza che si propone.
File