13家媒体怒告OpenAl等AI巨头背后：内容创作为何成了大模型的“免费午餐”？

13家媒体怒告OpenAl等AI巨头背后：内容创作为何成了大模型的“免费午餐”？ 然而，对于到底“投喂”了什么数据，是否获取授权，这些AI公司总是讳莫如深。伯克利计算机科学家Stuart Russell等学者认为，大模型吞噬了大多数互联网信息，以复制人类智能并将其以自动化形式镜像回馈给我们。当意识到其网站上发布的故事都被自动抓取成了大模型的“食物”后，以《纽约时报》为首的媒体/出版机构向OpenAI等发起了版权诉讼。《每日经济新闻》记者在采访哈佛法学院教授丽贝卡•塔什内特、安杰世泽律师事务所合伙人于雯竹后了解到，此类案件判定的难点在于如何确定AI输出内容与媒体报道间的“实质性相似”。而另一方面，OpenAI等科技公司也向媒体/出版机构抛出了橄榄枝，因为数据总有耗光的一天。研究机构Epoch AI近期预测，大模型将在2026年至2032年之间消耗完所有可用数据。“应该大声要求赔偿” ！13家媒体发起反击2009年末，媒体大亨罗伯特•默多克曾在一场论坛上说：“有些人觉得他们有权拿走我们的新闻内容，还无需为新闻生产贡献一分钱。他们几乎侵吞了我们的全部新闻，这可不是合理使用。说得直白些，这就是偷。”当时，随着Google等新兴互联网公司的出现，美国报业的广告收入腰斩。而如今，OpenAI等生成式AI公司的强势崛起，类似的一幕似乎又开始重演。新闻集团首席执行官罗伯特•汤姆森就曾表示，“[媒体]的集体知识产权正受到威胁，我们应该大声要求赔偿。”新闻行业律师Steven Lieberman更是直言，OpenAI的巨大成功也要归功于其他人的工作，它在未经许可或付款的情况下获取了大量优质内容。据外媒，ChatGPT主要通过阅读书籍、文章和公开的网络内容来学习，包括来自互联网的在线新闻文章。类似的大语言模型也依赖的是社交媒体帖子、博客、数字化书籍、在线评论、维基百科页面以及您能想到的几乎所有的网络信息。在意识到ChatGPT对历史和时事的了解源自其网站上发布的故事（甚至是付费内容）时，去年年底，《纽约时报》对OpenAI以及微软提起诉讼，指控后者未经授权使用该报版权内容训练AI模型，并在ChatGPT产品中呈现给用户。该案打响了媒体机构起诉OpenAI的第一枪，随后又有多家媒体加入了这一反抗的队列。据《每日经济新闻》记者的不完全统计，截至今年6月底，已至少有13家新闻媒体机构对OpenAI和微软提起了侵权诉讼。这里面有Alden Global投资集团旗下的八家地区性知名报纸，包括芝加哥论坛报、纽约每日新闻、丹佛邮报、圣何塞水星报，还有数字新闻媒体The Intercept、Raw Story和AlterNet，以及非盈利新闻组织The Center for Investigative Reporting。图片来源：每经制图“判断这种数据抓取行为是否侵犯版权，是一个复杂且有争议的问题。”安杰世泽律师事务所合伙人、中国和美国纽约州执业律师于雯竹在接受每经记者采访时表示。这起诉讼只是各行业与生成式AI公司斗争的缩影。美国当地时间6月24日，全球三大唱片公司索尼音乐集团、环球音乐集团和华纳音乐联合多家唱片公司，向AI音乐生成公司Suno和Udio开发商Uncharted Labs发起诉讼，指控后者非法使用版权音乐来训练模型并提供服务。唱片公司指控Suno抄袭了662首歌曲，Udio抄袭了1670首歌曲，正在尝试索取每件音乐作品最高15万美元的赔偿费用。8个月的角力尚无结果：“实质性相似”还是“合理使用”？越来越多的关于生成式AI技术的法律之争也让人开始正视媒体/出版商与颠覆性技术之间的关系。据著名广告周刊Adweek，Google去年5月推出了基于AI的搜索引擎Search Generative Experience（SGE）测试版，接受采访的媒体高管和搜索引擎优化专家称，出版商必须为自然搜索流量的大幅下降做好准备，下降幅度可能在20%到60%之间。而出版商在开放网络上的搜索流量减少通常意味着数字广告收入下降。新型媒体公司Raptive创新执行副总裁Marc McCollum估计，在目前的SGE下，整个出版业每年的广告收入损失可能高达20亿美元。而《纽约时报》的起诉不仅是媒体领域的重要里程碑案件，亦可以为法律业界提供极具参考价值的信息。“就版权法而言，本案的重要影响在于版权法在数字和AI时代的适用范围。特别是对于新闻报道这类具有较高公共利益的文本内容，如何平衡版权保护和信息自由将成为一个关键问题。” 于雯竹对记者说道。在于雯竹看来， 如果《纽约时报》的诉讼获得成功，将树立一个重要的法律先例，鼓励其他文字类媒体、版权机构和作家团体组织跟随起诉OpenAI及类似的AI公司。本案可能会督促AI公司重视AI模型训练的合法性，可能推动相关行业规范的建立。目前，该案件已经持续将近8个月，但还没有定论。1）媒体之难：证明“实质性相似”《纽约时报》在起诉书中称，ChatGPT几乎逐字复制了其新闻报道。该报举例称，2019年，《纽约时报》发表了一篇荣获普利策奖的关于纽约市出租车行业掠夺性贷款的系列文章。该报称，只要稍加提示，ChatGPT就会一字不差地背诵其中的大部分内容。来源：《纽约时报》起诉书在其他多家媒体的起诉书中，记者发现，其法律论证和主张都基于美国1976年版权法和《数字千年版权法》（DMCA）。对于这两部法案中涉及AI的内容，于律师告诉记者，“就1976年版权法而言，侵权的判定通常依赖于原作品和被指控侵权作品之间的相似性，以及实际的复制行为。本案中实际复制行为相对容易证明，因为OpenAI并未否认其训练数据中包含《纽约时报》的文章。”然而难点在于，“证明最终生成的文本构成版权侵权仍需满足‘实质性相似’测试，因为它有助于判断受版权保护的表达元素是否被复制，还是仅复制了其中的思想。版权保护的是表达，而不是思想。你可以用自己的语言重新实现他人的思想，这不构成版权侵权。但如果你使用他人的语言即他们的表达那就是版权侵权。”于律师说道。谈及DMCA，于雯竹解释道：“其中的一项规定鼓励版权持有者在数字资产中添加内容管理信息（CMI），例如帮助识别创作者或权利持有者的信息，并禁止他人移除这些信息。”然而，《纽约时报》起诉书提到，OpenAI在抓取其文章以创建数据库时，移除了这些信息，违反了DMCA。来源：《纽约时报》起诉书“实际上，美国是判例法国家，而其版权法及DMCA并未特别规定与AI相关的法律内容，对于OpenAI的行为是否属于侵权的认定，法院依据的是相关的先例及其对相关法律条文的解释。”于雯竹表示。2）OpenAI的“盾牌”：“合理使用”而在回应《纽约时报》版权侵权诉讼时，OpenAI强调使用公开材料训练AI模型属于合理使用。这一规则基于美国1976年版权法第 107 条规定。哈佛法学院教授丽贝卡•塔什内特（Rebecca Tushnet）在接受《每日经济新闻》记者采访时认为，“美国版权法既提供了广泛的权利，也提供了广泛的例外。关键问题是AI训练是否构成‘合理使用’，以及当AI输出与现有作品过于相似时，该问题到底应该归咎于模型还是用户的滥用。”塔什内特认为，“OpenAI提供了有一个有趣的主张，即（AI）要获得高度相似的输出，必须故意用《纽约时报》原始文章中的大量引文来提示模型，这表明错误在于提示者（用户的滥用）。”“‘合理使用’是美国版权法的一项关键优势，使其能够应对不断变化的情况。它促成了我们所知道的现代互联网的兴起，尤其是搜索引擎。按照同样的推理，只要输出通常不是从特定作品中复制而来，创建AI模型就应该被视为变革性的和公平的。” 她对... PC版： 手机版：