OpenAI的反擊來了。

針對被紐約時報提起史上最受關注的侵權訴訟一案，OpenAI公開發表長文表明立場。

文章直接表示：整個訴訟毫無根據，并指出紐約時報：

存在故意引導ChatGPT之嫌疑

隱瞞信息，沒有講出完整的事情經過

以及OpenAI的總體觀點是：

（1）使用版權數據訓練合理。沒有它們，哪來的當今世界上最先進的模型？（2）如果你不想被訓練？可以退出。單一數據源（包括紐約時報在內）的缺失也不會對模型的表現造成重要影響。

消息一出，吃瓜群眾再次火速聚集，吵成一團。

支持OpenAI的直接“蝦仁豬心”：

紐約時報退出訓練數據集，反而會讓模型輸出質量更好（Doge）

有人則問了當事模型GPT-4的看法，結果AI也把紐約時報無情嘲諷了一番：

吳恩達也洋洋灑灑寫了一大堆，總結來說就是：

同情OpenAI多于紐約時報，后者所說的全文抄襲更可能是RAG機制所致，并且實測OpenAI已經堵住漏洞，質疑紐約時報究竟受到了多少實際損失。

不過，反方網友也毫不留情，直接指著鼻子罵：

OpenAI，你太雙標了，什么訓練合理，都是為了你的利益最大化罷了。

你才是那個沒有講出完整故事的人。

OpenAI具體回應

先來看看OpenAI回應的具體立場，一共包含四個點：

1、非常樂意與新聞機構合作

OpenAI表示，自己在技術設計過程中努力行動支持新聞機構，會見了數十家相關媒體，聆聽他們提出的擔憂，并提供解決方案。

其本意也是支持健康的新聞生態系統，并實現互利互惠，具體包括：

（1）通過部署他們的產品，來協助新聞從業者完成一些耗時的任務，比如分析大量公共記錄和翻譯故事，最終讓編輯和記者從中受益。

（2）通過對歷史、非公開內容進行訓練，向他們的AI模型傳授世界知識。

（3）在ChatGPT回答中顯示帶有歸屬信息的實時內容，為新聞發布者與讀者建立聯系。

2、訓練屬于合理使用，提供退出機制

OpenAI此前就在提交給英國上議院的一份意見書中警告稱：

如果沒有受版權內容的訓練，我們的模型就將無法運行。

在此，OpenAI再次表示，使用公開的互聯網材料訓練AI模型是合理的，既對創作者公平、對創新者必要，也對國家的競爭力至關重要。

并指出這一觀點已經在美國得到很多團體、學者的支持，在其他國家和地區例如歐盟、日本、新加坡等甚至有法律支持對受版權保護的內容進行訓練。

不過，話鋒一轉，本著“合法權利對我們來說不如成為好公民重要”，OpenAI表示自己提供了一個簡單的退出流程，可以防止他們的AI模型再次訪問這些網站數據。

據介紹，紐約時報已經于2023年8月采用這一機制，退出OpenAI的訓練。

3、“反流”是罕見錯誤，希望用戶也不要故意引導

所謂“反流”（Regurgitation），其實就是指模型輸出和訓練數據一模一樣的內容。

紐約時報在訴訟中就列出ChatGPT和該家新聞驚人雷同的情況：

對于這一文縐縐的表達，有網友是不滿的：不就是抄襲（plagarism）嗎？

但不管怎么說，OpenAI的解釋是：

當特定內容在訓練數據中多次出現時就會出現這種罕見的錯誤，不過我們已經采取了措施來防止情況出現。

以及，OpenAI也特別勸誡用戶：

采取負責任的行為，不要故意操縱模型進行反流，這既是對我們技術的不當使用，也違反了我們的使用條款。

然而，馬庫斯和一位數字插畫家幾天前曾聯合撰文，列出包括 DALL-E 3在內的AI模型如何在沒有明確提示的情況下的不少“反芻數據”，也就是給出一些明顯和已有作品場景基本相似的圖片等內容。

而這，就使得OpenAI的說法有些矛盾。

最后，在本段末尾，OpenAI還來了一句：

模型是從人類知識的巨大集合中學習的，因此任何一類數據（包括新聞）都只是整體訓練數據的一小部分，任何單一數據源（包括紐約時報在內），對于模型的知識學習都并不重要。

4、完整故事被隱藏，收到起訴后驚訝又失望

OpenAI透露，在去年12月19日時，其實已經和紐約時報取得了建設性談判進展，包括在回答中實時顯示來源和跳轉等，并和紐約時報解釋：

與任何單一來源一樣，你們的內容對我們現有模型的訓練沒有任何有意義的貢獻，也不會對未來的訓練產生足夠的影響。

然而OpenAI表示沒想到，12月27號就被直接起訴了，并且還是通過紐約時報的消息才知道——心情整個就是一個既驚訝又失望。

在此，OpenAI指出，對于紐約時報指出的”反流”情況（也就是回答逐字抄寫紐約時報新聞），他們很努力解決這個問題，拿出了誠意，并曾要求后者分享示例，但一再遭到拒絕。

更有趣的是，OpenAI發現，所謂的“反流”內容，其實是多年前多個第三方網站上大量傳播的文章（即并非來自紐約時報）。

以及紐約時報可能涉嫌故意操縱提示詞——放進去大段原文讓模型“上當”。

OpenAI表示，按照他們這么操作，模型其實也并沒有像紐約時報展示的那樣夸張。

這說明：他們要么故意引導模型，要么進行過精挑細選。

綜合以上，OpenAI認為：

紐約時報的訴訟毫無根據。

不過緩和的場面話也是有的：

我們仍然希望與其建立合作伙伴關系，畢竟它曾在60年前報道了第一個有效工作的神經網絡。

前情回顧

去年12月27日，紐約時報突然一紙狀書、220000頁附件，遞交到地方法院狀告OpenAI侵權，當然還包括微軟。

訴狀中指出，紐約時報的文章構成了Common Crawl中用于訓練GPT的最大單個專有數據集。

基于此，他們找到了多達100個鐵證，證明ChatGPT輸出內容與紐約時報新聞內容幾乎一模一樣。

并且有時由于幻覺問題，模型還會以紐約時報的名義“造謠”，生成一些假新聞，例如橙汁會導致淋巴癌，這也對他們的名聲造成了困擾。

對此，紐約時報的訴求是：

要求OpenAI和微軟銷毀包含侵權材料的模型和訓練數據，并對非法復制和使用《紐約時報》獨有價值的作品相關的“數十億美元的法定和實際損失”負責。

由于證據充足、律師團隊強大，網友直呼這是一起“見證AI侵權里程碑式的案件”、“恐怕不能再像之前擺平其他出版商那樣三瓜兩棗就打發了”。

據了解，去年4月份時，紐約時報就與OpenAI談判，但沒談妥，OpenAI拒絕達成協議。

原因可能是金額巨大，特別是考慮到OpenAI利潤的增長以及類似案例的增多。

有一個大膽猜測是，OpenAI可能想用七至八位數金額（百萬美元/千萬美元）解決此事，但紐約時報所追求的是更高的賠償和持續的版稅收入。

Ps. OpenAI年收入在16億美元左右，每年用于買授權文章和材料進行訓練的金額在100萬美元至500萬美元之間。

這次，網友站哪邊？

有網友指出，這起案子的關鍵是“訓練是否為合理使用”，而他認為：

模型的輸出可能會侵權，但輸入不會。

但有人諷刺道：

當你擁有數十億美元時，一切都是合理使用。

也有人提出：

我同意為合理使用，但前提是你開源。

并有人附和：

確實強調非營利性組織很重要。

此外，對于OpenAI提出的退出機制，有一位作家網友不滿的聲音也得到了很多支持：

光退出，也就是禁止你們的模型讀取我的個人網站還不夠，我還需要你仔細檢查并從訓練數據中完全刪除我的內容。

結局究竟會如何？

一項調查顯示，有59%的受訪者認為，不應允許人工智能公司使用出版商內容來訓練模型。

而70%的人表示，如果公司想在模型訓練中使用受版權保護的材料，則應向出版商進行補償。

看起來，輿論似乎是站在紐約時報這一邊的。

你覺得這個案子應該怎么判？

參考鏈接：

[1]https://openai.com/blog/openai-and-journalism

[2]https://x.com/OpenAI/status/1744419710635229424?s=20

[3]https://www.ft.com/content/04861d1e-2e9f-4b92-a294-8d0c223a8287

[4]https://techcrunch.com/2024/01/08/openai-claims-ny-times-copyright-lawsuit-is-without-merit/ 

[5]https://www.theregister.com/2024/01/08/midjourney_openai_copyright/ 

[6]https://x.com/AndrewYNg/status/1744433663969022090?s=20 

[7]https://x.com/futuristflower/status/1744422698636218807?s=20