OpenAI微软被起诉！《纽约时报》指控AI侵权，要求销毁侵权模型和训练数据

西风 发自 凹非寺

量子位 | 公众号 QbitAI

OpenAI正面临的或许是史上最难AI版权诉讼。

原告《纽约时报》一纸状书，220000页附件，递交到了地方法院。

当中有个板块罗列了多达100个铁证，ChatGPT输出内容与《纽约时报》新闻内容几乎一毛一样：

这一消息瞬间引发全网关注，并直接给OpenAI打得措手不及，发言人回应属实“没想到事态会发展成这样”。

意外、失望之余，他们也表示“期望能找到对双方都有益的合作途径，就像已与许多其他出版商所做的那样。”

同样被告的还有微软，或许这次他们俩恐怕不能再像之前摆平其他出版商那样，“三瓜俩枣”就打发了。

《纽约时报》指出，要求OpenAI和微软销毁包含侵权材料的模型和训练数据，并对非法复制和使用《纽约时报》独有价值的作品相关的“数十亿美元的法定和实际损失”负责。

《纽约时报》并不是第一家因知识产权纠纷而起诉生成式AI公司的出版机构，但他是迄今为止参与此类诉讼的最大出版商之一，外加证据充足、又有强大的律师团队。

网友们也是直呼要“见证AI侵权里程碑式的案件”了：

还有律师网友@Cecilia Ziniti详细分析了诉状后也表示，“这是迄今为止指控生成式AI构成侵权的最佳案例”：

来看看这个案例究竟有哪些值得关注？

“可能成为AI侵权里程碑式案件”

Cecilia Ziniti分析了此次案件对OpenAI不利的几个关键点：

• 有证据表明《纽约时报》文章构成了单个数据集，可能被用于训练AI；
• 证据充分，视觉上清晰醒目；
• 《纽约时报》的深度文章，体现的是创造力；
• 诉状将OpenAI描述成以利润为导向的企业，而新闻行业具有一定的公益性；
• 模型幻觉，捏造不实消息；
• 强大的律师团队。

下面我们来一一展开。

首先该投诉清楚地表明了版权被侵犯的主张，突出了《纽约时报》文章与ChatGPT输出间的“获取与实质性相似”。

关键事实：《纽约时报》文章构成了Common Crawl（一个抓取互联网数据的开放平台）中用于训练GPT的最大单个专有数据集。

其次，诉状中展示的抄袭证据从视觉上来看极其清晰醒目。被复制的文本用红色标出，GPT生成的新词用黑色标出，这种对比能影响陪审团的判断。

Cecilia Ziniti个人认为，若OpenAI不对其指令进行重大调整，并在法庭上详细解释其技术原理，那么该公司真的很难为这一行为进行辩护。

在她看来，选择和解而非对簿公堂对OpenAI来说将是更合理的做法。

此外，另一个不利于OpenAI的点在于，他们这次面对的原告是《纽约时报》，不仅涉及文章本身，更关系到原创性和创作过程。

如诉状所述，《纽约时报》的深度调查报道，比如对出租车贷款的深入揭露，不仅是劳动成果，更体现了核心创造力。

有个关键点在于：版权保护的是创新性，而不是努力本身。

虽然出租车文章的600次采访确实令人印象深刻，但从法律的视角来看，更为重要的是报道方式的创新。这和针对GitHub Copilot的诉讼形成了鲜明对比，后者只涉及了几行开源代码。

不过，如果这次谈判的失败的话，《纽约时报》可能会面临巨大的损失。

据说之前四月份《纽约时报》就曾尝试与OpenAI谈判，但没谈妥，OpenAI拒绝达成协议。可能是金额巨大，特别是考虑到OpenAI利润的增长以及类似案例的增多。

Cecilia Ziniti的一个大胆猜测是，OpenAI可能以为他们可以用七至八位数金额解决此事。但《纽约时报》所追求的可能是更高的赔偿和持续的版税收入。

另外，这份诉状中将OpenAI描述成了一个以利润为导向而闭门造车的企业，这一点通过与新闻行业的公益性对比得到了强化。

诉状中甚至还提及了董事会和Sam Altman之间的争议。

Cecilia Ziniti认为，在法庭上，这种叙述可能极具影响力，因为它探讨了版权的社会价值与科技创新之间的权衡。

还有一点很重要——模型幻觉。

这份投诉书中引入了幻觉，并以此为基础引用了一些《纽约时报》文章中被编造出来的元素作为例证。

最令人印象深刻的例子之一是，Bing称《纽约时报》发表了一篇文章，其中写道橙汁会导致淋巴瘤。

最后一个值得注意的点，《纽约时报》聘请了极为出色的法律团队。Susman Godfrey律师事务所在挑战科技公司方面享有卓越的声誉和丰富的经验。

这起诉讼并非像ChatGPT发布一周后那些为了快速获利而提起的诉讼，而是一次策略性的法律挑战。

此外，还有更多网友补充了诉讼相关的内容。比如美国数字媒体机构DCN的CEO Jason Kint指出：

微软明显是一样的。文件中展示了一个例子，内容是直接从《纽约时报》的报道中逐字抄袭的。

这是采用微软自家搜索引擎所进行的搜索对比。内容复制处理上的差异立刻显露无疑，毫无争议。

沃顿商学院教授Ethan Mollick还指出：

在《纽约时报》对OpenAI的诉讼中，可以明显看出训练数据与输出结果之间的复杂关系。一方面，可以使ChatGPT复现《纽约时报》著名文章的确切内容；另一方面，也指出ChatGPT有可能生成虚假的错误文章。

“为数十亿美元”负责

正如开头提到的，《纽约时报》虽然没有直接说要索要多少赔偿，但表明了需要OpenAI和微软对“数十亿美元的法定和实际损失”负责。

那这些损失都是哪来的？

《纽约时报》指出，AI复现他们的文章内容这事儿不是版税那么简单，“OpenAI和微软实际上正利用《纽约时报》的作品构建新闻出版商的竞争对手”。

AI不仅提供了需通过订阅才能获取的信息，而且这些信息往往未被正确引用，有时还被用于商业盈利，并且去除了《纽约时报》用以赚取佣金的相关链接。

这对《纽约时报》来说是直接的损失。

此外，模型提供了错误信息，对品牌造成影响，也是一大损失。

看起来，这回OpenAI和微软AI侵权似乎证据确凿。但OSS Capital的创始合伙人兼知识产权事务顾问Heather Meeker指出，《纽约时报》不一定会胜诉。

他指出投诉书中有一个例子，是使用ChatGPT重现了一篇2012年的餐厅评论文章的内容。用户首先问ChatGPT该评论的开头段落，然后连续询问下一句内容。

Meeker认为，诱导AI重复原始输入的内容不应该构成侵权的合理依据。如果用户有意让AI复制内容，那么责任在用户。

“这就是为什么，类似这样的诉讼大多数可能会失败。”

One More Thing

这边OpenAI和微软在为数据打官司，另一边的苹果直接掏钱摆平。

有爆料称，苹果最近已和几家主要的出版商达成协议，允许苹果使用他们的内容数据来训练AI。

苹果还想达成长期协议，拟议的交易数额至少为3.57亿。

据说，正在内部测试一个名为“AppleGPT”的模型，明年可能会推出新版本的Siri。

不得不说，现在这年头，数据是真香～

参考链接：
[1]https://twitter.com/CeciliaZin/status/1740109462319644905
[2]https://techcrunch.com/2023/12/27/the-new-york-times-wants-openai-and-microsoft-to-pay-for-training-data/
[3]https://twitter.com/jason_kint/status/1740141400443035785
[4]https://twitter.com/emollick/status/1740061455607791987