史上最大AI版權(quán)案深度分析！OpenAI必?cái)?，還是紐約時(shí)報(bào)勝率為0？
紐約時(shí)報(bào)起訴OpenAI和微軟的案子，可能成為影響AI技術(shù)發(fā)展的里程碑式案例。
《紐約時(shí)報(bào)》作為西方傳統(tǒng)媒體中影響力最大的機(jī)構(gòu)之一，下場(chǎng)與代表AI技術(shù)「最先進(jìn)生產(chǎn)力」的OpenAI開撕，本身就話題性十足。
圖片
一位傳統(tǒng)媒體人Jason Kint，在讀完了《紐約時(shí)報(bào)》的起訴書之后，覺得《紐約時(shí)報(bào)》的確理由充分。
他把起訴書中的重點(diǎn)總結(jié)了出來發(fā)到推上，一天之內(nèi)就發(fā)酵了280萬的閱讀量。
圖片
另一位大佬Daniel Jeffries則出來打臉Jason Kint，認(rèn)為他的文章充滿了「過于樂觀的幻想」，以及「對(duì)版權(quán)法的誤解」。
正方：NYT訴狀證據(jù)確鑿
Jason Kint總結(jié)的《紐約時(shí)報(bào)》起訴書中，從版權(quán)法的起源開始，總結(jié)了版權(quán)保護(hù)對(duì)于傳統(tǒng)媒體獲取新聞的重要性。
圖片
而ChatGPT侵權(quán)行為最重要的證據(jù)，是《紐約時(shí)報(bào)》提供的100多個(gè)GPT-4輸出內(nèi)容和《紐約時(shí)報(bào)》報(bào)道文章高度相似的例子。
圖片
這些高度相似的輸出案例對(duì)于法官判斷是否存在侵犯版權(quán)的情況，將會(huì)起到關(guān)鍵作用。
圖片
訴狀還詳細(xì)說明了OpenAI訓(xùn)練數(shù)據(jù)來源的偏好和權(quán)重，說明了《紐約時(shí)報(bào)》的內(nèi)容是OpenAI用來訓(xùn)練ChatGPT的關(guān)鍵來源。
如果OpenAI能夠無償?shù)厥褂谩都~約時(shí)報(bào)》的內(nèi)容來訓(xùn)練自己的產(chǎn)品，會(huì)破壞傳統(tǒng)媒體對(duì)于產(chǎn)生新聞的投資和收益生態(tài)，從而破壞整個(gè)新聞市場(chǎng)。
圖片
《紐約時(shí)報(bào)》還把搜索引擎的結(jié)果拿出來和Bing Chat生成的內(nèi)容進(jìn)行了對(duì)比。
圖片
訴狀認(rèn)為搜索引擎提供的內(nèi)容能直接讓用戶訪問《紐約時(shí)報(bào)》的內(nèi)容，而Bing Chat提供的答案中，原本《紐約時(shí)報(bào)》的鏈接就變成了一個(gè)小小的注腳，很難被用戶注意到。
而紐約時(shí)報(bào)同時(shí)，也希望法院將OpenAI與其他作家之間的糾紛，與自己的案件進(jìn)行合并審理，這樣能增加訴求被支持的可能性。
圖片
反方：NYT勝率幾乎為0
就目前《紐約時(shí)報(bào)》和其他起訴OpenAI侵犯版權(quán)的案件中，焦點(diǎn)都集中在，ChatGPT輸出的內(nèi)容如果是受到版權(quán)保護(hù)的，是否就應(yīng)該被認(rèn)為是侵犯了版權(quán)所有者的權(quán)利。
針對(duì)這個(gè)問題，大部分支持OpenAI的聲音都認(rèn)為，紐約時(shí)報(bào)中提交的證據(jù)，沒法證明侵權(quán)行為的存在。
然而，另外一位大佬Daniel Jeffries則認(rèn)為，《紐約時(shí)報(bào)》幾乎是不可能勝訴的：
圖片
Jason Kint似乎堅(jiān)信自己對(duì)訴訟的解讀是準(zhǔn)確無誤的。但實(shí)際上，他的文章充滿了過于樂觀的幻想、對(duì)版權(quán)法的誤解，以及一些無關(guān)緊要的干擾因素。
他非常希望這個(gè)案子能夠成為一個(gè)里程碑，確立媒體有權(quán)利向機(jī)器收費(fèi)，但這其實(shí)是版權(quán)法根本沒有規(guī)定的事項(xiàng)——他所理解的文本內(nèi)容并不是他所想的那樣，甚至連「穩(wěn)操勝券」的可能都沒有。
事實(shí)上，情況正相反。
首先，就像我之前提到的，試圖要求每個(gè)人為訓(xùn)練數(shù)據(jù)支付授權(quán)費(fèi)是不切實(shí)際的，因?yàn)檫@并不是版權(quán)法所涉及的問題。
其次，Kint提出的所謂證據(jù)，大多是巧言令色、故意轉(zhuǎn)移話題，根本不足以證明實(shí)質(zhì)的侵權(quán)行為，因?yàn)榍謾?quán)的關(guān)鍵在于作品的輸出內(nèi)容，而非輸入內(nèi)容。
- 人可以學(xué)習(xí)，機(jī)器也可以！不然你們先把學(xué)海明威的「訓(xùn)練費(fèi)」付一下？
我們都可以免費(fèi)學(xué)習(xí)，從周遭的世界吸取知識(shí)，機(jī)器也應(yīng)該如此。
《紐約時(shí)報(bào)》的作者們?cè)谧约簩W(xué)習(xí)如何寫出簡(jiǎn)潔有力的句子時(shí)，并沒有向海明威的遺產(chǎn)支付費(fèi)用。
年輕的四分衛(wèi)也不需要得到Tom Brady的允許，就可以研究他的動(dòng)作，學(xué)習(xí)如何投球。
版權(quán)法的宗旨是防止人們復(fù)制或近乎復(fù)制內(nèi)容，并為了商業(yè)利益將其發(fā)布，就是這么簡(jiǎn)單。
- 強(qiáng)加公共利益與公司市值之間的聯(lián)系，是毫無意義的
把微軟市值增加1萬億美元，和用于訓(xùn)練的數(shù)據(jù)相提并論，簡(jiǎn)直是荒謬至極。
《紐約時(shí)報(bào)》試圖將其報(bào)道戰(zhàn)爭(zhēng)、謀殺和政治的新聞價(jià)值與此案件掛鉤？這根本就是風(fēng)馬牛不相及的事。提這個(gè)無非是想轉(zhuǎn)移視線，毫無實(shí)際意義。
他們?cè)噲D將難以捉摸的公共利益價(jià)值相聯(lián)系，這種做法是行不通的。
- 只展示部分提示，用RAG偽偽裝GPT輸出，你無法復(fù)現(xiàn)
即使是他們所引用的最有煽動(dòng)性的證據(jù)——聲稱是GPT精確復(fù)制了《紐約時(shí)報(bào)》內(nèi)容的提示，也顯然是人為操縱的結(jié)果。
任何從事AI工作的人都能在瞬間看穿這一點(diǎn)。而且，沒有人能用他們所謂的提示重現(xiàn)那個(gè)逐字的輸出。
為什么呢？
因?yàn)槟莻€(gè)逐字輸出幾乎可以肯定不是通過記憶得來的，而是通過檢索增強(qiáng)（Retrieval-Augmented Generation, RAG）結(jié)合網(wǎng)絡(luò)搜索得到的。
可能是程序員通過API特意指令它尋找某篇特定的文章，并讓它輸出文章的一部分，而他們只是提供了部分提示而非全部。
如果我讓它去找一篇《紐約時(shí)報(bào)》的文章并輸出，那么責(zé)任在我，而不是這個(gè)模型。
此外，幾十年前的編程庫就能做到這一點(diǎn)，根本不需要用到機(jī)器學(xué)習(xí)技術(shù)。
如果把這種說法包括進(jìn)去，這個(gè)案子肯定會(huì)敗訴，因?yàn)槁蓭焸冊(cè)诂F(xiàn)實(shí)世界中無法復(fù)現(xiàn)這一過程。
- 你們想借機(jī)敲OpenAI一筆，但這是非常不好的先例
這個(gè)案件最可能的結(jié)局是通過庭外和解，由微軟和OpenAI為他們所使用的訓(xùn)練數(shù)據(jù)支付許可費(fèi)。
而這，實(shí)際上才是爭(zhēng)議的焦點(diǎn)。
這種「和解」將為所有人設(shè)下一個(gè)不良的先例，因?yàn)槿狈?shí)質(zhì)性的判決，它讓人誤以為他們?nèi)〉昧藙倮孟袢藗儜?yīng)該為獲取訓(xùn)練數(shù)據(jù)付出高昂的代價(jià)。
反方觀點(diǎn)+1
來自techdirt的記者M(jìn)ike Masnick，也站出來表示：NYT這個(gè)訴訟本身就很「離譜」。
圖片
他表示，《紐約時(shí)報(bào)》的這起訴訟，在自己看來是「熟悉的配方，熟悉的味道」。
許多版權(quán)所有者都對(duì)AI公司提起過類似訴訟，已經(jīng)有十幾起了。但寫下訴訟書的人，很多都顯得很愚蠢，似乎絲毫不了解版權(quán)法。
而且，即使法院真的做出了利于《紐約時(shí)報(bào)》，也不可能如《紐約時(shí)報(bào)》所愿，轉(zhuǎn)化成一大筆意外之財(cái)。
這件事唯一能改變的，就是建立起一個(gè)的收集點(diǎn)，騙來少數(shù)幾個(gè)有能力支付的傻子AI公司上當(dāng)，交出這筆巨款。
在他眼里，《紐約時(shí)報(bào)》把自己描述為新聞自由奮戰(zhàn)、阻止AI入侵的偉大捍衛(wèi)者，但實(shí)際上，它所做的只是一個(gè)談判策略——讓OpenAI為數(shù)據(jù)訓(xùn)練付費(fèi)而已。
幾周前OpenAI，曾向行業(yè)巨擘Axel Springer支付了一筆可觀的費(fèi)用，以避免一場(chǎng)可能的訴訟。但OpenAI和《紐約時(shí)報(bào)》的談判卻沒有取得類似成果，所以后者選擇上訴。
《紐約時(shí)報(bào)》最理直氣壯的觀點(diǎn)是，GPT大模型部分使用了Common Crawl的數(shù)據(jù)進(jìn)行訓(xùn)練，但Common Crawl的初衷是建成開放的網(wǎng)絡(luò)資源庫。
就如同谷歌的緩存和互聯(lián)網(wǎng)檔案館的時(shí)光機(jī)一樣，這項(xiàng)工具是紀(jì)錄歷史的檔案，一直受到「合理使用」原則的保護(hù)。
然而，現(xiàn)在《紐約時(shí)報(bào)》卻跳出來控訴了。
Mike Masnick強(qiáng)調(diào)，閱讀/處理數(shù)據(jù)并不是版權(quán)法所限制的權(quán)利。
在多起訴訟中，原告?zhèn)兌技鼻械叵Ｍü贂?huì)對(duì)這種新穎的「生成式AI」技術(shù)感到驚奇，從而忽略版權(quán)法的基本原則，假設(shè)存在一些實(shí)際上并不存在的權(quán)利。
《紐約時(shí)報(bào)》的訴訟之所以與眾不同，就是因?yàn)樗故玖艘幌盗形恼聝?nèi)容一模一樣的證據(jù)，然而，如果我們仔細(xì)了解生成式AI的原理，就會(huì)發(fā)現(xiàn)這件事沒有那么聳動(dòng)。
僅憑在法庭上的證據(jù)，要認(rèn)定ChatGPT侵權(quán)是很難站得住腳的。
《紐約時(shí)報(bào)》為了能夠引導(dǎo)GPT-4生成和《紐約時(shí)報(bào)》報(bào)道高度相似的文章，是這樣操作 GPT-4 的：
首先提供給GPT-4報(bào)道的鏈接(URL)，然后給出了文章的標(biāo)題和前七段半的內(nèi)容作為「引導(dǎo)」，并請(qǐng)求GPT-4繼續(xù)完成文章。
圖片
如果法官能夠理解GPT-4的工作原理，那么他就能理解：GPT-4生成內(nèi)容和原文幾乎一樣是很正常的了。
當(dāng)你向像GPT這樣的生成式AI提出一個(gè)提示，其實(shí)是在設(shè)置一系列參數(shù)，這些參數(shù)決定了它的輸出范圍和限制。在這些限制下，它嘗試產(chǎn)生最可能的回復(fù)。
然而，當(dāng)《紐約時(shí)報(bào)》長(zhǎng)篇累牘地提供這些文章段落時(shí)，實(shí)際上是將GPT-4限制到只能生成與《紐約時(shí)報(bào)》原故事極其接近的內(nèi)容上。
然而，訴狀中的荒謬之處還不止于此。
因?yàn)?，可以通過讓ChatGPT引用文章最初的幾段，每次僅引用一小段，以這種方式，某種程度上可以繞過《紐約時(shí)報(bào)》的付費(fèi)墻。
可見，以這樣的方式提示ChatGPT，幾乎就相當(dāng)于《紐約時(shí)報(bào)》逼著ChatGPT來生成和原文一致的內(nèi)容。
圖片
當(dāng)然，從新聞文章中引用單獨(dú)的段落幾乎肯定屬于公平使用。
而且，值得注意的是，《紐約時(shí)報(bào)》本身也承認(rèn)，這種做法實(shí)際上并沒有提供完整文章的原文，而是給出了一個(gè)改寫版本。
此外，這起訴訟似乎在表明，僅僅總結(jié)文章的內(nèi)容本身就構(gòu)成了侵權(quán)行為：
圖片
這其中的關(guān)鍵，并不在于GPT是如何訓(xùn)練的，而在于NYT是如何限制它的輸出。
LLM的原理，并非是簡(jiǎn)單地重復(fù)掃描過的內(nèi)容，而是在給定提示下，計(jì)算出下一個(gè)Token最可能出現(xiàn)的概率。
當(dāng)NYT以這樣的方式限制提示，讓數(shù)據(jù)集僅限于一篇文章，輸出結(jié)果自然就是原文了。
在另一方面，時(shí)報(bào)再次對(duì)GPT返回的實(shí)際信息提出了抱怨，這些信息并不受版權(quán)法的保護(hù)。
另一方面，GPT返回的實(shí)際信息讓NYT抱怨，但這些信息并不受版權(quán)法的保護(hù)。
圖片
在投訴書的后面，《紐約時(shí)報(bào)》指出，「有時(shí)GPT會(huì)推薦錯(cuò)誤的產(chǎn)品或編造內(nèi)容，出現(xiàn)幻覺」。
所以，《紐約時(shí)報(bào)》是在抱怨GPT復(fù)制的內(nèi)容過于精確，還是不夠精確呢？
如果《紐約時(shí)報(bào)》成功地論證，其記者在撰寫新聞報(bào)道之前，閱讀第三方文章以學(xué)習(xí)新聞內(nèi)容構(gòu)成了版權(quán)侵權(quán)。對(duì)于NYT來說，一定不會(huì)接受這種做法。
如果要這樣說，OpenAI分析NYT的文章，和NYT在未經(jīng)授權(quán)的情況下分析其他的文章、書記、研究，究竟有什么區(qū)別？
或者，設(shè)想如果一位《紐約時(shí)報(bào)》的記者從其消息來源那里得到了一些受版權(quán)保護(hù)的材料（可能是文章、書籍或照片等），但《紐約時(shí)報(bào)》并未擁有這些材料的版權(quán)。
那么，這位記者能否利用這些材料來撰寫一篇文章呢？
參考資料：
https://twitter.com/jason_kint/status/1740141400443035785
https://twitter.com/Dan_Jeffries1/status/1740303405254377808
