OpenAI：紐約時報雇黑客攻擊我
堂堂AI巨頭，怎么就被一家報紙雇黑客攻擊了？
《紐約時報》訴OpenAI侵犯版權索賠數十億美元案最新進展：
在最新提交的法庭文件中，OpenAI聲稱《紐約時報》花錢找黑客攻擊ChatGPT，人為制造侵權結果。
使用欺騙性手段進行數萬次嘗試，才得到高度異常結果。
圖片
這項訴訟要是輸了，那對OpenAI來說可能是毀滅性打擊。
數十億美元罰款都是小事了，按法律界的分析，連ChatGPT都可能被迫全部擦除，重頭開始訓練。
大家都知道，美國法律要遵循之前判例的原則。
在過去幾十年的科技公司vs版權方的案子中，法院可并不總是站在科技公司一邊。
這次OpenAI主張《紐約時報》雇傭黑客，還真的非常關鍵了。
紐約時報如何攻擊ChatGPT
去年12月，《紐約時報》起訴OpenAI和他的微軟爸爸，稱ChatGPT和Copilot都未經許可利用其內容訓練。
當時，《紐約時報》展示了足足100個GPT-4一字不落背出真實報道段落的例子。
這樣一來，ChatGPT就可以算作報紙的競爭品。
圖片
OpenAI這邊，辯稱這是一個漏洞，并承諾已經在修復。
具體來說，當AI生成與訓練數據非常相似的樣本時，可能發(fā)生“數據回流”（regurgitation of training data），類似于人類聽到上句就會條件反射般的接下句，誰也攔不住。
他們認為《紐約時報》利用這一漏洞，使用特殊的提示詞要求ChatGPT輸出特定文章的開頭，并繼續(xù)要求輸出下一句話。
OpenAI預計需要反復嘗試上萬次才能生成這些整篇的文章，而且還不是按順序的，而是“分散和無序的引用”。
正常人不可能這么使用ChatGPT，也不會把它當成《紐約時報》的替代品。
OpenAI指責《紐約時報》故意誤導法庭，“使用省略號來掩蓋”ChatGPT吐出報道片段的順序，造成了“ChatGPT生成了文章的連續(xù)和不間斷片段的錯誤印象”。
并且《紐約時報》從來沒有披露過他們生成這些證據的具體提示詞，以及是否修改了系統(tǒng)提示詞等等細節(jié)，就挺心虛的。
至于提示詞攻擊算不算黑客行為，有網友表示怎么不算，如果認可提示詞工程真的算一種工程，那提示詞攻擊就算攻擊。
圖片
現在OpenAI主要從兩個地方反擊：
一是主張這種提示詞攻擊公然違反了OpenAI的產品使用條款。
圖片
二是主張互聯(lián)網上公開內容是可以被合理使用的。
這就要抱緊谷歌大腿了，20年前谷歌整了個大活，掃描數百萬本圖書放到搜索引擎上，被一堆出版商和作家協(xié)會給告了。
官司反反復復打了10多年，最終谷歌艱難的贏了，被判這些數據是合理使用。
當時裁決認為用戶只能看到圖書的簡短片段，永遠無法從受版權保護的書籍中恢復較長的段落。
谷歌制作書籍的數字副本以提供搜索功能是一種變革性的使用，它通過提供有關原告書籍的信息來增加公眾知識，而不向公眾提供書籍的實質性替代品。
不光OpenAI，同樣面臨版權訴訟的Stability AI等AI圖像生成公司，都在堅持他們做的事與谷歌當年一樣：
都是“學習訓練數據中關于作品的信息，但不復制作品本身的創(chuàng)造性表達”。
然鵝還有一個有爭議的地方，AIGC產品確實會產生創(chuàng)造性的作品，與接受訓練的作品直接競爭。
所以這一批AI公司面臨的危機，比谷歌當年面臨危機還要大一些。
再不賣數據就晚了
實際上，像《紐約時報》這樣和AI鬧得不愉快的內容公司是少數。
更多互聯(lián)網公司都在爭先恐后出售自己的數據，反正這些AI公司又不是沒錢。
Sora視頻，就被找出明顯有OpenAI合作伙伴Shutterstock素材的影子。
圖片
上周，“美國貼吧”Reddit剛剛跟谷歌簽了協(xié)議，6千萬美元一年，讓谷歌可以實時獲取論壇數據用于AI訓練。
OpenAI這邊肯定早就用上了，畢竟山姆奧特曼本人就和Reddit公司關系匪淺，而且早年比GPT-1還早的原型研究，就是在Reddit數據上訓練聊天機器人。
現在Tumblr和WordPress也趕緊跟進，把用戶數據出售給OpenAI和Midjourney。
圖片
雖然他們的用戶聽到這個消息都挺不高興的，但是沒辦法，當初注冊賬號的時候可是必須同意使用條款，其中把數據歸屬早就安排明白了。
圖片
當然AI公司買過來這些數據也不是直接塞AI嘴里就好使的，學術界現在也研究如何高效利用。
剛剛還有一篇語言模型訓練的數據選擇綜述出爐，提出用于比較和對比不同的數據選擇方法的框架，還倡議：
- 加速數據選擇研究，如開發(fā)直接評估數據質量的指標，減少對昂貴模型訓練的依賴。
- 更好地理解數據分布的特性，以便更精確地選擇數據。
- 將計算時間從模型訓練轉移到數據處理。
圖片
隨著AI生成的內容在互聯(lián)網上鋪開，后面再訓練大模型的都繞不開使用AI生成的數據了，就說多少家大模型“承認”過自己是OpenAI訓練的了吧。
同樣中文數據也繞不開文心一言，谷歌Gemini都鬧過笑話（已修復）。
圖片
坐擁大量人類古法手打數據的互聯(lián)網公司，再不抓緊賣，AI就能自給自足了。
