（文/陳濟(jì)深 編輯/呂棟）

2023年以來，隨著生成式AI的爆火，其不僅一定程度上給用戶提供了便利，也在不斷重塑互聯(lián)網(wǎng)行業(yè)的競爭格局，中外諸多廠商均加入了大模型開發(fā)的戰(zhàn)局，也間接引發(fā)了諸多的版權(quán)糾紛。

本周，紐約時報(bào)起訴OpenAI和微軟違規(guī)收集其新聞進(jìn)行訓(xùn)練一事（紐約時報(bào)起訴OpenAI和微軟“不勞而獲”，要求消滅），再次將大模型開發(fā)中涉嫌違規(guī)采集數(shù)據(jù)的問題暴露在公眾視野之下。

據(jù)不完全統(tǒng)計(jì)，今年僅在美國加州，就已經(jīng)有數(shù)十起針對大模型開發(fā)商違規(guī)使用數(shù)據(jù)的訴訟。

這些訴訟頻發(fā)的背后是目前版權(quán)法案中，存在大模型對數(shù)據(jù)極度渴求和數(shù)據(jù)供應(yīng)難以迅速增長的矛盾，“先授權(quán)后使用”的現(xiàn)有版權(quán)法律體系并無法匹配AI時代的數(shù)據(jù)使用方式，也引發(fā)了法律監(jiān)管的新問題。

大模型訓(xùn)練階段究竟涉及哪些版權(quán)利用行為，這一過程可能存在哪些侵權(quán)風(fēng)險(xiǎn)？而全球監(jiān)管部門面對這個問題，也給出了各自的解答。

數(shù)據(jù)為王，版權(quán)訴訟戰(zhàn)頻發(fā)

在大模型爆炸性發(fā)展的2023年，紐約時報(bào)起訴OpenAI和微軟只不過是貫徹全年版權(quán)訴訟大戰(zhàn)的一個縮影。

今年1月，圖庫網(wǎng)站Getty Images對AI圖像生成器研發(fā)公司Stability AI提起法律訴訟，指其非法復(fù)制和處理版權(quán)圖像作為模型訓(xùn)練數(shù)據(jù)。

4月，環(huán)球音樂集團(tuán)發(fā)函要求Spotify等音樂流媒體平臺切斷AI公司的訪問權(quán)限，以阻止其版權(quán)歌曲被用于訓(xùn)練模型和生成音樂。

6月，國內(nèi)的教培巨頭學(xué)而思也被爆出，未經(jīng)授權(quán)利用合作伙伴筆神作文數(shù)據(jù)進(jìn)行大模型訓(xùn)練導(dǎo)致的紛爭。

據(jù)不完全統(tǒng)計(jì)，自2022年11月至2023年10月，僅美國加州北區(qū)法院便已經(jīng)受理了10起，版權(quán)人起訴Stability AI、Open AI、Meta、Alphabet等AIGC研發(fā)企業(yè)未經(jīng)授權(quán)，利用版權(quán)作品進(jìn)行模型訓(xùn)練的案件。

在被告名單上，可以看到各個互聯(lián)網(wǎng)巨頭均在其中，而侵權(quán)訴訟頻發(fā)的背后則是大模型企業(yè)對于數(shù)據(jù)的極度渴求。

有業(yè)內(nèi)人士對觀察者網(wǎng)表示：“目前的大模型競爭時代下，相比算法，得數(shù)據(jù)者得天下?！?

一方面，訓(xùn)練數(shù)據(jù)是大模型訓(xùn)練的基石和燃料，如果沒有數(shù)據(jù)，大模型的訓(xùn)練就無法開展和持續(xù)。另一方面，當(dāng)前技術(shù)領(lǐng)域的研究顯示，各家大模型在算法層區(qū)別并不大，并且具有同質(zhì)化的趨勢。在此背景下，訓(xùn)練數(shù)據(jù)就成了真正區(qū)分且影響大模型性能的重要因素之一。

以O(shè)penAI的幾代GPT模型為例，訓(xùn)練數(shù)據(jù)上，GPT-1預(yù)訓(xùn)練數(shù)據(jù)量僅有5GB；到了GPT-2，這個數(shù)據(jù)則增加至40GB；而在GPT3模型下，OpenAI用以訓(xùn)練模型的數(shù)據(jù)集數(shù)據(jù)量達(dá)到了驚人的45TB，而相比GPT3的1750億參數(shù)規(guī)模，GPT4相傳達(dá)到了100萬億規(guī)模的參數(shù)，對于數(shù)據(jù)的需求呈指數(shù)型飆升。

相比需求的爆炸性增長，對于各家大模型企業(yè)而言，自身數(shù)據(jù)和公開數(shù)據(jù)的供應(yīng)顯然難以滿足這種指數(shù)型的需求，從互聯(lián)網(wǎng)和其他友商那“搭便車”成了行業(yè)內(nèi)公開的秘密，也成為了目前版權(quán)訴訟頻發(fā)的根本原因。

為了應(yīng)對“偷數(shù)據(jù)”頻發(fā)的現(xiàn)象，除了通過訴訟手段外，不少互聯(lián)網(wǎng)企業(yè)也利用了技術(shù)手段開啟防御模式。

目前，有多家處在“數(shù)據(jù)提供端”的公司對數(shù)據(jù)抓取、開源等做出了反應(yīng)。比如X（原名Twitter）限制了用戶每天能查看的推文數(shù)量，幾乎使數(shù)據(jù)提供服務(wù)無法使用。馬斯克對此曾表示，這是對“數(shù)據(jù)抓取”和“系統(tǒng)操縱”的必要反應(yīng)。

2023年4月，Reddit官方宣布將對調(diào)用其API的公司收費(fèi)，原因正是OpenAI、谷歌等公司利用該平臺上的數(shù)據(jù)訓(xùn)練模型。

此外，IT技術(shù)問答網(wǎng)站Stack Overflow也計(jì)劃向AI大模型的開發(fā)者及公司收取數(shù)據(jù)訪問費(fèi)用。