Anthropic 使用非法获取的 Stanford 教授书籍训练了 Claude

标题、合法性与法院认定

• 许多人指出，原始标题具有误导性：法院认定，在合法获取的书籍上进行训练 属于合理使用；违法之处在于获取盗版电子书（例如来自 LibGen）。
• 这笔巨额和解针对的是在获取/存储环节的版权侵权，而不是模型训练行为本身。
• 有些人认为标题从“非法训练”改成“非法获取”是在暗示：对非法获取的数据进行训练也许仍然合法；也有人觉得这点并不清楚。

AI 训练中的盗版与合理使用

• 一种观点认为两者区分并无意义：为了“研究”而盗版书籍仍然是盗版，也应当污染由此产生的模型。
• 另一种观点强调法律界线：合理使用只适用于合法取得的副本；从盗版图书馆下载则是另一种违法行为。
• 也有人讨论当前做法：大量购买二手书并扫描“看起来是合法的”。
• 一些人指出，LLM 有时会逐字复现训练数据，这削弱了“并没有被‘复制’”的说法。

与 Aaron Swartz 和 CFAA 的比较

• 一段很长的讨论串将某个人因批量下载学术 PDF 而遭受严厉刑事起诉，与一家大公司因大规模盗版书籍而达成民事和解进行了对比。
• 有些人强调法律差异：CFAA 约束的是未经授权的系统访问，而不是从盗版网站简单下载。
• 也有人聚焦于道德和结构性不平等：个人会面临数十年的牢狱威胁，而公司只需开出巨额支票。
• 还在争论：用 Swartz 式理论去刑事起诉 AI 高管，究竟是能纠正不公，还是会巩固糟糕的先例。

版权、道德与“信息应当自由”

• 强烈反版权的声音认为，知识应该自由共享，教授是把关者，而“知识产权”并不正当。
• 另一些人则为版权辩护，认为它有宪法依据，并且对补偿作者是必要的；他们担心未经付费的 AI 训练会侵蚀创作激励。
• “未经作者同意使用其作品就是‘奴隶劳动’”这一说法被广泛批评为夸张或冒犯，不过也有人能理解作者对自己作品失去控制的感受。

经济与竞争影响

• 有人担心：对获取施加严格规则、但对训练给出广泛合理使用，会为能购买/扫描海量语料的大型实验室形成护城河。
• 一些人担心 LLM 会替代书籍，损害作者生计；另一些人则指出，尽管盗版和免费网络信息已经存在几十年，人们仍然会买书。
• 有少数人把 LLM 视为“知识产权洗白机器”；也有人欢迎它们，因为它们让更多人能够获得知识。

公正、执法与希望的补救措施

• 反复出现的主题是执法中的双重标准——“规则留给小人物，和解留给富人”。
• 一些人认为这应该触发刑事/RICO 案件、模型下架、在严格审计下重新训练，甚至国有化。
• 也有人提醒不要过度刑事化，认为我们应该修正坏法律，而不是延续惩罚性先例。