近日，《紐約時報》在紐約南區(qū)法院起訴微軟和OpenAI，訴狀稱：被告未經(jīng)許可使用大量版權(quán)文章訓(xùn)練人工智能模型，開發(fā)與《紐約時報》競爭的產(chǎn)品，賺取了豐厚的利潤，《紐約時報》試圖與被告達成協(xié)議，保障內(nèi)容使用的公平價值，但未達成解決方案。被告聲稱行為屬于“合理使用”，但實際并不具備“轉(zhuǎn)換性”。《紐約時報》要求其停止侵權(quán)、恢復(fù)原狀、賠償損失。今天和大家聊聊，微軟和OpenAI對《紐約時報》有哪些侵權(quán)行為，以及根據(jù)我國法律，這些行為應(yīng)如何定性。

一、訓(xùn)練素材侵權(quán)

因為《紐約時報》文章的質(zhì)量非常高，所以其網(wǎng)站內(nèi)容被作為了ChatGPT的訓(xùn)練數(shù)據(jù)來源。OpenAI承認，與其他低質(zhì)量來源的內(nèi)容相比，包括來自《紐約時報》在內(nèi)的高質(zhì)量內(nèi)容，對于訓(xùn)練GPT 模型來說更重要、更有價值。訴狀稱微軟和 OpenAI在訓(xùn)練大模型時使用了《紐約時報》作品，并且其多個產(chǎn)品中包含了《紐約時報》的作品。

OpenAI的GPT-2的訓(xùn)練數(shù)據(jù)集包括一個名為WebText的 OpenAI內(nèi)部語料庫，其中有Reddit社交網(wǎng)絡(luò)用戶發(fā)布的 4500 萬個鏈接的文本內(nèi)容，這些是公認的高質(zhì)量網(wǎng)絡(luò)內(nèi)容。WebText數(shù)據(jù)集的鏈接被OpenAI通過網(wǎng)絡(luò)抓取，其中包含了大量《紐約時報》內(nèi)容。《紐約時報》的NYTimes.com 域名是WebText數(shù)據(jù)集中數(shù)量最多的 15 個域名”之一，并被列為WebText 數(shù)據(jù)集中第五個“頂級域”,擁有333,160個條目。

在GPT-3中權(quán)重最高的用于訓(xùn)練的數(shù)據(jù)集Common Crawl中，《紐約時報》網(wǎng)站域名www.nytimes.com域名是最具代表性的專有來源之一（排名第三，僅次于維基百科和美國專利文獻數(shù)據(jù)庫），Common Crawl數(shù)據(jù)集包含至少 1600 萬條獨特的內(nèi)容記錄來自《紐約時報》的 News、Cooking、Wirecutter和 The Athletic等板塊。

根據(jù) Common Crawl, WebText和 WebText2訓(xùn)練數(shù)據(jù)集估算，被告可能完整使用了數(shù)百萬份《紐約時報》擁有版權(quán)的作品來訓(xùn)練 GPT 模型，且沒有任何向《紐約時報》提供許可或其他補償。

例如,2019年，《紐約時報》發(fā)表了一篇榮獲普利策獎的關(guān)于紐約市出租車行業(yè)掠奪性貸款的系列文章。歷時18個月的調(diào)查包括600次訪談、100余條記錄請求、大規(guī)模數(shù)據(jù)分析、審核數(shù)千頁內(nèi)部銀行記錄和其他文件,最終導(dǎo)致犯罪調(diào)查，以及促成新法律以防止未來的濫用行為。OpenAI在創(chuàng)作過程中沒有發(fā)揮任何作用，但只需很少的提示，其產(chǎn)品就會逐字背誦其中的大部分內(nèi)容。

在訴狀中，《紐約時報》的訴訟請求除了要求法院判令被告賠償損失外，還要求恢復(fù)原狀、以及法律或衡平法允許的任何其他救濟永久禁止被告從事非法、不公平和侵權(quán)行為、銷毀所有 GPT 或其他大型語言模型以及包含《紐約時報》內(nèi)容的訓(xùn)練素材。筆者認為，對被告方OpenAI和微軟而言，恢復(fù)原狀和銷毀訓(xùn)練素材的訴求如果被法院支持，會是一個麻煩，但不至于導(dǎo)致ChatGPT崩潰或者停擺。

雖然ChatGPT的訓(xùn)練素材的記憶方式和傳統(tǒng)的電腦復(fù)制、粘貼、存儲內(nèi)容的過程有一定區(qū)別，而且人工智能服務(wù)機構(gòu)對此也諱莫如深，但從網(wǎng)上泄露的內(nèi)容看，有些技術(shù)漏洞可以導(dǎo)致輸入一次提示詞，ChatGPT就會向使用者反饋原始的訓(xùn)練素材，說明其也是存在存儲區(qū)的[i]，所以哪怕法院判決刪除侵權(quán)素材、恢復(fù)原狀，OpenAI和微軟應(yīng)該也可以通過刪除存儲的爭議內(nèi)容來履行判決。

二、必應(yīng)ChatGPT插件截取網(wǎng)站流量

微軟通過與OpenAI合作,將OpenAI的GPT商業(yè)化，并將其與自己的必應(yīng)搜索相結(jié)合。2023年5月,微軟和 OpenAI推出了Browse with Bing,這是一個 ChatGPT插件,其可以通過必應(yīng)搜索引擎訪問互聯(lián)網(wǎng)上的最新內(nèi)容。必應(yīng)聊天和Browse with Bing 結(jié)合了ChatGPT-4 模仿人類表達的能力，必應(yīng)用戶可以直接閱讀搜索結(jié)果中的《紐約時報》文章自然語言摘要內(nèi)容,從而無需訪問《紐約時報》自己的網(wǎng)站。

不同于傳統(tǒng)搜索引擎只顯示網(wǎng)頁摘要，必應(yīng)搜索引擎頁面上的“合成”搜索結(jié)果可以直接回答用戶查詢,并且可能將《紐約時報》報道中廣泛的內(nèi)容進行釋義和直接引用。對于《紐約時報》而言，這種方式實際意味著替代，用戶無需訪問其網(wǎng)站就可以使用他們的內(nèi)容，這將導(dǎo)致商業(yè)利益受損。

由于互聯(lián)網(wǎng)的興起，傳統(tǒng)媒體如《紐約時報》的紙質(zhì)版內(nèi)容已經(jīng)被嚴重打擊了，這使得他們損失了報紙訂閱費用和廣告收入。所以不得已，他們在網(wǎng)站上推出了付費墻，也就是少部分內(nèi)容免費或者每月少量內(nèi)容免費，要多閱讀就要付費。這里面有兩部分收入，免費閱讀的廣告收入以及收費閱讀的訂閱收入。

傳統(tǒng)的搜索引擎的搜索結(jié)果一般只顯示兩到三行文章的報紙網(wǎng)站摘要內(nèi)容，用戶要閱讀還是要打開報紙網(wǎng)站，所以能和付費墻兼容。但必應(yīng)聊天和 Browse with Bing這兩個功能的出現(xiàn)使平衡被打破。用戶無需訪問網(wǎng)站就能獲得他們的內(nèi)容會使他們拿不到廣告收入以及收費閱讀的訂閱收入，這也是他們起訴的重要原因。

除了復(fù)制《紐約時報》新聞媒體內(nèi)容外,必應(yīng)ChatGPT插件和瀏覽器使用 Bing for ChatGPT 時,還會顯示《紐約時報》Wirecutter（意為“鋼絲鉗”）板塊內(nèi)容的大量摘錄或釋義提示。該板塊的記者以完全的編輯獨立性和誠信,在長達數(shù)十年的時間里每年花費數(shù)千小時研究和測試產(chǎn)品,以確保只推薦最好的產(chǎn)品。這些建議在呈現(xiàn)給讀者時,包括被介紹的產(chǎn)品在購物網(wǎng)站的直接鏈接，用戶購買后，《紐約時報》公司也會有收益。

但必應(yīng)的ChatGPT插件有效截取了Wirecutter 的精華部分直接呈現(xiàn)給用戶，這會降低用戶訪問到《紐約時報》原始來源的動力。減少Wirecutter 文章的流量,進而減少附屬鏈接的流量,最終導(dǎo)致《紐約時報》的收入損失。比如通過訪問必應(yīng)的ChatGPT插件，用戶已經(jīng)了解 Wirecutter推薦的最好的無繩真空吸塵器,以及這些建議的基礎(chǔ)，沒有理由訪問原始文章并點擊其網(wǎng)站內(nèi)的鏈接。這樣,被告的人工智能產(chǎn)品通過不公平競爭,奪取了《紐約時報》的商業(yè)機會。

根據(jù)我國法律，如果搜索引擎提供的內(nèi)容實質(zhì)性替代了原始網(wǎng)站，涉嫌構(gòu)成著作權(quán)侵權(quán)，《紐約時報》在美國也就微軟必應(yīng)搜索引擎的類似行為起訴，說明根據(jù)美國法律，這個行為也涉嫌侵權(quán)。

三、人工智能的幻覺造成誤導(dǎo)

訴狀稱，ChatGPT將“幻覺”定義為一種機器的現(xiàn)象，如聊天機器人，產(chǎn)生看似真實的感官體驗，不符合任何現(xiàn)實世界的輸入。被告的GPT模型將自信地提供信息，而不是說“我不知道”，這些信息在最好的情況下是不完全準(zhǔn)確的，在最壞的情況下，是明顯錯誤的(但無法識別)。而用戶會很難區(qū)分“幻覺”和真實的輸出。

例如,在回答請求提供《紐約時報》文章,題為“亞馬遜內(nèi)部在傷痕累累的工作場所中爭奪大創(chuàng)意”的第六段時,必應(yīng)的ChatGPT插件Bing Chat自信地聲稱要復(fù)制第六段。如果其真的這樣做了,它會已實施侵犯版權(quán)行為。但Bing Chat完全捏造了一個段落。

用戶給了Bing Chat《紐約時報》一篇名為“有益心臟健康的飲食方式”的鏈接，要求其摘錄出“15種最有益心臟健康的食物”， BingChat向用戶列舉了15種有益心臟健康的食物，還包括適量的紅酒。事實上《紐約時報》的文章并沒有列出這 15 種食品中的 12 種。而且《紐約時報》的最新報道得出的結(jié)論是,紅酒不利于心臟健康。

此外，訴狀還列舉了ChatGPT捏造了不少健康領(lǐng)域的文章。筆者認為，如果人工智能提供的服務(wù)出現(xiàn)幻覺，就會提供虛構(gòu)的事實，在法律上，以虛構(gòu)的事實描述他人的，涉嫌誹謗，也就是名譽侵權(quán)，損害了《紐約時報》的聲譽。ChatGPT作為人工智能沒有人格，所以無法負責(zé)，應(yīng)當(dāng)負責(zé)的是其服務(wù)提供者OpenAI和微軟。

最后，《紐約時報》作為一家老牌的很有影響力的媒體，本次其起訴OpenAI和微軟，在業(yè)界引發(fā)了很大反響，說明雖然生成式人工智能還是新生事物，但重量級媒體已經(jīng)關(guān)注其破壞行業(yè)秩序的問題了。事實上，除了此案，美國發(fā)生了很多對于生成式人工智能的維權(quán)案件，筆者寫過的就包括小說作者維權(quán)的《《權(quán)力的游戲》作者起訴ChatGPT侵權(quán)，AI訓(xùn)練要不要獲得著作權(quán)人的授權(quán)？》、軟件開發(fā)者維權(quán)的《用GitHub上的開源代碼訓(xùn)練人工智能違法嗎？》、唱片產(chǎn)業(yè)版權(quán)人維權(quán)的《環(huán)球唱片起訴人工智能引擎Claude案有哪些法律看點？》、以及綜合性的《AI生成的作品受版權(quán)保護嗎？我與ChatGPT各抒己見》等，大家有興趣也可以看看。

本文作者：游云庭，上海大邦律師事務(wù)所高級合伙人，知識產(chǎn)權(quán)律師。本文僅代表作者觀點。

[i] https://blog.csdn.net/richerg85/article/details/134940746