NY Times 版权诉讼要求 OpenAI 删除所有 GPT 实例
纽约时报对 OpenAI 和 Microsoft 的诉讼指称，其 AI 模型在未经许可的情况下使用了数百万篇受版权保护的 NYT 文章进行训练，且有时会逐字复现这些内容，如今还与该报依赖订阅的业务形成竞争。评论者们争论这种训练究竟属于受保护的“公平使用”，还是更接近大规模盗版，并将其类比为搜索引擎、人类学习和以往的版权案件，同时争辩付费墙和服务条款的作用。许多人预计，这起案件——或类似案件——将为生成式 AI 如何使用受版权保护内容设定关键法律先例，而其结果对大型科技公司以及更小规模或开源的 AI 努力都将产生重大影响。
NYT 诉讼的范围与目标
- NYT 的要求：销毁基于其内容训练的 GPT 模型、删除训练数据集，并发布永久禁令以及支付巨额金钱赔偿。
- 许多人认为这是一种最大化的开局策略，意在迫使达成许可协议，而不是真的要“杀死” GPT。
- 有些人认为，时机与更广泛的 AI–出版商谈判有关（例如与 Apple 以及其他公司）。
版权、公平使用与抓取
- 核心问题：将受版权保护的文章用于训练本身是否构成侵权，还是只有当输出与原文过于接近时才算侵权？
- 关于公平使用因素的争论：
- 目的/性质：具有变换性的学习 vs. 商业替代。
- 内容性质：新闻部分属于事实性内容，但也包含创意表达。
- 使用数量：模型吞入整个档案库。
- 市场影响：LLM 是否会实质性替代 NYT 的读者或许可市场。
- 抓取的合法性与 ToS：一些人引用先例，认为公开网页抓取可能是合法的；另一些人则指出付费墙、NYT 条款变更以及 robots.txt 都表明并未获得同意。
记忆、复述与技术修复
- NYT 最有力的例子是对付费文章和首段的近乎逐字复现。
- 一种观点：这证明模型“包含”了受版权保护的作品，训练更像是压缩式复制，而不是人类式学习。
- 另一种观点：这些是罕见的过拟合边缘案例，可以通过降低温度、过滤器（n‑grams/bloom）、RLHF，或对来源进行预先摘要来缓解。
- 额外担忧：模型会幻觉出虚假的 NYT 内容，从而引发诽谤和商标淡化方面的问题。
人类与机器的类比
- OpenAI 的支持者将训练比作一个人阅读后再总结，或被 NYT“影响”，认为法律上不应因为架构不同而区别对待。
- 批评者强调规模、可复现性和商业部署：数百万用户、自动绕过付费墙，以及一家企业将他人作品变现。
- 反复反对“如果人类能做，模型也能做”这一推理，指出工具与人的法律处理不同。
经济、竞争与社会影响
- 许多人预计最终会形成许可制度：大型出版商直接获得报酬，小型创作者可能通过资金池分配；LLM 访问会变得更昂贵。
- 有人担心，强版权判决会让资金雄厚的公司（OpenAI、MS、Apple、Google）占优势，伤害开源和初创公司，并可能把前沿工作推向知识产权执法更弱的司法辖区。
- 另一些人则认为，这种约束对于维持新闻业和创作劳动的激励，以及防止少数 AI 公司将网络价值私有化，是必要的。
- 讨论串反映了对当前版权期限和范围的更广泛不满，但对 AI 训练是否应被明确划入合法公平使用存在尖锐分歧。