GPT-4被曝抄袭，OpenAI再遭起诉

接下来你看到的这个案子，大概率会载入史册：

《纽约时报》提起诉讼状告 OpenAI 和微软，称这两个 AI 巨头“非法复制和利用数百万篇”自己的文章训练 AI 为读者提供信息，和媒体形成了“直接竞争”。

这不仅是媒体对 AI 的反击 ，也极有可能是生成式 AI 版权纠纷的一个分水岭。

AI 动了谁的命根子

诉讼文件中，《纽约时报》将自己的担忧表露无余。

作为媒体，它最大的资产就是多年积累下来的几百万篇文章，但 OpenAI 和微软拿这笔宝贵的数字资产训练 AI，让 AI 实现“准确复述时报内容、紧密概括原文，并模仿其独特的表达风格”的功能，损害了它和读者之间的关系。

《纽约时报》提交的诉讼书

自 AI 爆发以来媒体行业一直对 AI 颇有微词，但为什么是《纽约时报》做了“出头鸟”？

这是因为《纽约时报》的营收主要来自订阅和广告服务，付费才可阅读绝大部分内容。如果读者把文章链接“投喂”给 AI 即可快速获得关键信息，那么就会导致“订阅、授权、广告和联盟营收”流失，《纽约时报》对损失的描述是“数十亿美元”。

一句话总结：AI 不仅截流了媒体的流量，还断了媒体的财路。

颇为黑色幽默的是，《纽约时报》网站上这篇讲述自己状告 OpenAI 以及微软的文章页面弹出了付费提示，而把链接发给 ChatGPT 则可免费快速总结。

《纽约时报》原文

ChatGPT 总结内容

实际上 OpenAI 和微软的输出结果，已经不是总结概括，几乎是完全复制。

Bing Chat 在一篇介绍关于以色列的消息时，除了两个词外，生成的内容只有两个词与《纽约时报》的报道原文不同。

下面这张图更加直观，左边是 GPT-4 生成的内容，右图是《纽约时报》的原文，红色标记的部分是完全一样的内容。

诉讼中，《纽约时报》表示曾在 2023 年 4 月和 OpenAI 以及微软接触，希望探讨“友好解决”的可能性，给 AI 划一道“技术红线”，但谈判未取得成果。

对于《纽约时报》的行动，OpenAI 的发言人 Lindsey Held 表示公司和《纽约时报》的对话一直很有成效并积极向前推进，对诉讼感到意外和失望，希望能找到一种双赢的合作方式。微软则不予置评。

媒体对 AI 分两派

目前，《纽约时报》已采取技术手段封锁 AI “爬取”它的内容，这样做的媒体变得越来越多，例如 BBC、CNN 和路透社。

2023 年 10 月，BBC 表示对 AI 生成的内容保持开放和透明态度，不过阻止了 OpenAI 和 Common Crawl 等网络爬虫访问 BBC 网站，“维护付费读者的权益”。

有些媒体认为内容是无数媒体人凝结的心血，这些 AI 公司“试图在媒体对新闻事业的大量投资上免费搭便车”。

也有一些媒体选择接纳 AI。

2023 年 7 月 OpenAI 和美联社达成合作，OpenAI 能访问美联社的部分内容，签约的两年内可以使用美联社的内容训练 AI，同时美联社获得 OpenAI 的“技术和产品专业知识”。

不管媒体目前对 AI 态度如何，不可否认的是媒体一致认为内容属于资产，可以作为商业交易与合作的筹码，应该受到版权保护，而不是任由 AI 拿这笔宝贵的资产来当训练“营养餐”。

内容资产如何保护？

珍视自己内容资产的群体不只有媒体，出版商、文学创作者、画家、演员和主播等都非常看重这一点。

国外演员莎拉·西尔弗曼在 2023 年 7 月份加入了两起诉讼，指控 Meta 和OpenAI“摄取”了她的回忆录作为 AI 的训练文本。

Getty Images 对一家基于书面提示生成图像的 AI 公司提起了诉讼，称该平台依赖未经授权使用 Getty Images 的视觉材料。

目前 AI 仍处于爆发期，法律对 AI 使用内容资产进行训练这个行为的界定仍处于不太明晰的状态。

说 AI 侵犯了内容资产的权益吧，它只是学习了数据，输出的内容是自己加工产生的。

说 AI 没有侵犯内容资产的权益吧，它输出的内容完全需要基于别人的内容资产之上。

还有 AI 援引了内容资产后胡编乱造，还附上信息来源导致读者权益受损，到底该谁来负责任？

例如 AI 就声称微软搜索 Bing 表示《纽约时报》发表了一篇文章声称橙汁会导致淋巴瘤，实际上《纽约时报》从未发表过这篇文章。

这很难评。

《纽约时报》状告 OpenAI 和微软的事在外网引发了讨论，截至 2023 年 12 月 28 日北京时间晚上 10 点，知名律师 Cecilia Ziniti 发起的有关帖子约有 260 万查看。

经过研读《纽约时报》的诉讼文件，她表示“OpenAI 很难在不对指令进行大幅更改并就技术运作方式进行大量诉讼的情况下为这种做法辩护。与其进行争斗，与《纽约时报》达成和解更为明智”。

不过她也提到了一个观点，“版权保护的是创造力，而不是努力”，这确实是内容资产保护的难点，“这个案件可能是 AI 和版权领域的一个分水岭时刻。很多人认为 OpenAI 应（为《纽约时报》的创造力）支付费用”。

这个案子的结果可能对未来的 AI 创新和创意内容资产的保护产生深远影响。

AI 也很珍视自己的数据

别说媒体了，就连 AI 公司自己也是相互之间严防死守，不让对方利用自己的技术和数据。

据凤凰网科技报道，字节跳动一直秘密使用 OpenAI 的技术开发自家大语言模型，违反了 OpenAI 的服务条款被 OpenAI 暂停账户。字节跳动对此回应“小规模应用于实验性项目，4 月已停止”。

你看，AI 也有各式各样的护城河。

比如 ChatGPT，它的网页搜索功能使用的是 Bing 而不是 Google，众所周知 ChatGPT 的股东是微软。如果它要使用 Google 的数据，Google 说不定会开出一个“劝退价”，毕竟 Google 自己也有 AI Bard，凭什么把最优质的数据给你 OpenAI。

再来看 Google 的 AI Bard，它的网页搜索能力毋庸置疑，不过它无法概括微信文章在内的很多内容，例如爱范儿推送的有关的 ChatGPT 文章发给 Bard 它就两眼一抹黑。

接着我们把微信公众号的文章发给腾讯的混元就总结得很好，而百度的文心一言估计这辈子都别想得到微信公众号里的内容了，更不要说总结了。

这简直是“完美”的互斥型内容生态闭环，和微信里没有抖音直链，抖音里没有小红书直链，小红书里没有微信二维码一样。

微信公众号“虹线”的作者评论尸表示：“这在很大程度上反映了过去 20 年互联网发展的结果：一个寡头垄断，并彼此互不承认的赛博世界。”

倒是有一类数据几乎可以畅通无阻地获得，那就是个人用户的隐私数据。

今年 6 月有消息称一群匿名人士发起集体诉讼指控 OpenAI 窃取个人数据用来训练 AI，长达 300 页的诉讼指控 OpenAI 违反了隐私法，从互联网秘密抓取了 3000 亿个单词，包括未经同意获得的个人信息，受害人数有数百万之多，潜在损失达 30 亿美元。

AI 怎么看待自己成为被告？

爱范儿做了一番有趣的尝试，对 GPT 3.5 提问：如何看待 AI 爬取不同媒体内容训练模型这个行为，是否侵犯了内容版权？

它是这样回答的：

AI爬取不同媒体的内容用于训练可能引发有关版权的伦理和法律问题。这个问题牵涉到技术、创新和知识产权之间的复杂平衡。以下是一些观点：

1. 知识产权保护：一些媒体机构认为，他们的原创内容是一种知识产权，应当受到保护。如果AI在未获得许可的情况下使用这些内容进行训练，可能被视为对版权的侵犯。

2. 公共利益与创新：另一方面，一些人认为 AI 训练需要大量数据，而这些数据通常是从各种来源搜集而来的。在一些情况下，这被视为促进创新的必要手段，有助于开发更智能的算法和模型。

3. 许可和合作：一些公司可能选择与媒体机构合作，获得使用其内容的许可。这样的合作可以确保媒体机构获得应有的回报，同时AI开发者也能够访问有质量的训练数据。

4. 法规和法律：随着技术的发展，法规和法律可能需要不断调整以适应新的情境。相关法规的缺乏或者不明确可能导致争议。

5. 伦理责任：对于 AI 开发者而言，考虑伦理责任也至关重要。他们可能需要权衡技术发展的需求与对原始内容提供者的尊重。

总体而言，这是一个复杂的问题，需要在技术、法律和伦理层面进行综合考虑。未来，随着技术和法规的发展，对这类问题的处理可能会更加明确。

本文来自微信公众号：APPSO （ID：appsolution），作者：浪浪浪的海