Er min bog brugt til at træne AI?
Søg på titel eller forfatternavn på bogsiden. Registret rummer 24.792 danske bogtitler fundet i de tre piratbiblioteker, som flere af de store AI-selskaber er dokumenteret at have hentet, og 8.203 af titlerne er efterprøvet mod de præcise udgaver af bibliotekerne, som Anthropic hentede i 2021 og 2022. Står din bog der, lå den i materialet.
Er min musik med?
Søg på musiksiden, der dækker 28.376 danske numre fundet i åbne musikdatasæt, og på sangtekstsiden med 25.938 danske tekster skrabet fra Genius. Numrene er identificeret ved at matche kunstnernavne mod MusicBrainz-registret over danske artister.
Hvad betyder det, at et værk ligger i et træningsdatasæt?
Træningsdatasættene er det materiale, AI-modellerne lærer af. Ligger et værk i et datasæt, er det blevet høstet og gjort klar til træning. For bøgerne er selve brugen retsdokumenteret, tre selskaber har i amerikanske retssager måttet oplyse, at de trænede på netop de biblioteker. For webindhold viser registret tilstedeværelsen i datasættene, og hver side beskriver præcist, hvor stærk dokumentationen er.
Kan jeg få mit indhold fjernet igen?
Fra datasættene, nogle gange. Books3 blev taget ned efter pres fra danske Rettighedsalliancen, og LAION har renset og genudgivet sit billeddatasæt. Fra de færdigtrænede modeller, nej. En model, der allerede er trænet, kan ikke aflære, hvad den har lært.
Fremadrettet kan robots.txt og EU-reglernes maskinlæsbare forbehold holde nye høstninger ude. For alt, der allerede er høstet, handler spørgsmålet om dokumentation og kompensation, og dér er dokumentationen af, hvad der blev brugt hvornår, det eneste varige bevis. Det er den, dette register leverer.
Hvad kan jeg gøre som rettighedshaver?
Gem dokumentationen. Registret viser for hver bogtitel, hvilket datasæt og hvilken version den lå i, forankret med filens kryptografiske fingeraftryk. Tal derefter med dit forlag, dit selskab eller din organisation.
Anthropic-forliget på 1,5 mia. dollars, endeligt godkendt i juli 2026, dækker kun værker registreret i det amerikanske copyright-register. Danske værker lå i de samme filer, men står uden for forliget. Uden egen dokumentation kommer danske rettighedshavere ikke i betragtning nogen steder.
Ligger der personoplysninger om almindelige mennesker?
Ja. I to frit tilgængelige træningsdatasæt fandt jeg 342 personer med navn og CPR-nummer i samme dokument, 43.228 e-mailadresser koblet til navne og omkring 545.000 danske telefonnumre. Forbeholdene ved hvert tal er beskrevet på persondatasiden. Datatilsynet er underrettet.
Hvor kommer tallene fra, og kan de efterprøves?
Alle datasæt i registret er frit tilgængelige, og metoden er åben. Hver side beskriver kilde for kilde, hvordan tallene er fremkommet, og hvor der er usikkerhed, står den på siden. Enhver med de samme kilder kan genkøre opgørelserne. Finder du en fejl, så skriv til mig.