用受版权保护的书籍训练AI模型合法吗？情况很复杂

你现在大概已经知道，驱动ChatGPT、Gemini、Claude及其他聊天机器人的AI模型，是在看似无穷无尽的已出版作品数据库上训练的，这些数据库包含数亿本书籍、在线文章、学术论文，以及基本上你在互联网上能找到的任何内容。绝大多数已出版作者，在不知情或未同意的情况下，为那些威胁其生计的AI工具的发展做出了贡献。这看起来似乎是违法的，对吧？ 现实并非如此简单。 “我认为，在这一整个法律领域和这一整个技术领域里，问题之一在于涉及的因素太多，”拥有知识产权、版权和技术方面专业知识的律师凯茜·盖利斯告诉TechCrunch，“情况非常复杂，而且人们对正在发生的事情有着大量强烈的感受，无论是支持还是反对。” 去年，在同类首批裁决之一中，法官威廉·阿尔苏普责令Anthropic向一群作品被用于训练该公司AI模型的作家支付高达15亿美元的版权赔偿金。从表面上看，这似乎是支持作者的道德胜利，但阿尔苏普法官实际上裁定，Anthropic的AI训练是合法的。阿尔苏普对Anthropic的处罚，是因为该公司从非法的网络影子图书馆盗版了这些书籍。 “像任何渴望成为作家的读者一样，Anthropic的大语言模型训练所依据的作品，不是为了抢先复制或取代它们——而是为了转过一个艰难的弯，去创造不同的东西，”法官写道，将大语言模型吸收数万亿词汇的方式比作作家对文学的研究。 盖利斯认为，这项裁决对AI公司更为有利。对于一家预计到2028年年收入约2000亿美元的公司来说，15亿美元的罚款又算得了什么？ “我认为，对于AI训练来说，他审视了正在发生的事情，并真正将其视为类似于阅读受版权保护的作品，而非复制受版权保护的作品，这总体上是个好消息，”盖利斯说，“版权法的基础是复制，而不是使用作品、体验作品、消费作品或阅读作品。” 版权法自1976年以来从未更新过，这意味着法官在面对可能塑造AI行业未来的法律问题时，必须设法解释50年前的指导方针。 “现在每个人都非常担忧，因为法律众说纷纭，而正是因为这个问题，”JWL国际知识产权与媒体业务高级律师兼创始人贾森·亨德森告诉TechCrunch，“他们知道AI模型已经在海量内容上训练过，而法律并没有真正跟上这个问题。” 这些问题往往取决于合理使用法——即对受版权保护作品的使用是否具有足够的‘变革性’，从而被认为是法律上允许的。 合理使用是版权法的一个例外，允许在未经明确许可的情况下使用受版权保护的材料，通过批评、模仿、教育和其他方式保护对受版权保护作品进行评论和迭代的能力。法官在决定某行为是否属于合理使用时，会考虑具体因素，包括作品使用的目的和性质、使用量及其对市场的影响。 “版权总是关于保护和扩大市场，”亨德森指出，“法院在（AI案件的）推理上有点各说各话。如果某人使用他人的财产进行训练，目的是直接竞争，那么法院往往会反对……如果你所做的事情不会构成竞争，那么法院往往会设法认为这是可以的。” 亨德森提到的案件是，媒体科技公司汤森路透起诉研究公司Ross Intelligence复制其内容，以构建一个具有竞争性的基于AI的法律平台。 “Ross的使用不具有变革性，因为它没有汤森路透所具有的‘进一步目的或不同性质’，”法官斯特凡诺斯·比巴斯去年写道。 在该案中，比巴斯法官裁定，利用路透的内容训练一个直接与之竞争的新平台并不属于合理使用。虽然作者们可能主张聊天机器人通过使用其作品生成新的、合成书籍来与他们竞争，但这一论点尚未在法庭上获胜。 当涉及到AI与版权的关系时，盖利斯认为，缩小我们真正讨论的范围是有帮助的——我们对AI训练中版权的思考方式，与我们看待AI生成内容版权的方式截然不同。 在Thaler诉Perlmutter一案中，法院裁定，如果一件作品100%由AI生成，则不受版权保护，这引发了一系列全新的问题——我们如何确切证明一件作品是否由AI生成？如果是，我们如何知道其中有多少百分比是由AI创作或辅助的？ “如果你在（微软）Word里写小说并运行拼写检查，我们大体上能接受‘Word不拥有你的小说’这种说法，”盖利斯说，“（AI）正迫使我们审视一大堆我们一度忽视的决定。” 大多数AI公司目前仍深陷于这些问题的未决诉讼中，这意味着我们短期内不会得到这些问题的明确解决方案。 “你现在看到的是，最初的开场交锋正在产生影响力，而如果其他法院做出不同的裁决，这种影响力本身可能会被推翻，并且需要后续的诉讼阶段来弄清楚哪一个会胜出，”盖利斯说，“但与此同时，所有这些裁决都在塑造正在发生的一切。如果AI公司忽视它们，那将是愚蠢的。”