OpenAI和紐約時報撕起來了，但可能沒人是冤枉的_風聞

本文原創於微信公眾號：差評  作者：世超

要説有什麼瓜，能從去年吃到今年，那必須得有紐約時報 “ 開撕 ”OpenAI 的一席之地。

為了防止有差友還不知道這事兒，我先簡單交代下背景。

去年年底，紐約時報突然向法院起訴微軟和 OpenAI ，給他們安的罪名是大模型侵犯了紐約時報的文章版權。

還在自家網站上發了篇文章，專門報道了這事兒。

一時間，輿論紛紛開始討伐 OpenAI 。

而就在幾天前，另外一位當事人 OpenAI 卻大喊冤枉，還指責紐約時報沒有説實話。

給一眾吃瓜羣眾，看得是一愣一愣的。

其實之前 OpenAI 因為訓練數據的事情，也沒少被起訴過，但都沒有這次這麼大的陣仗。

一邊是老牌傳統媒體，一邊是新興 AI 巨頭，事情發生後，有人把這次的案件，拔到了 AI 版權糾紛 “ 里程碑 ” 的高度。

甚至，還有不少科技、媒體圈的大佬親自下場站隊。

可現在的情況是，公説公有理婆説婆有理，那到底怎麼一回事？

抱着説什麼都得把這瓜吃明白的決心，世超在瓜田裏上躥下跳，終於把來龍去脈給理清楚了。

在紐約時報洋洋灑灑 22000 頁的起訴書裏，羅列了 OpenAI 包括未經授權拿文章訓練大模型、 ChatGPT 生成了高雷同的作品，以及把生成的虛假信息甩鍋給紐約時報等等罪名。

而且證據，也準備得非常充分。

就比如，他們説 GPT-2 和 GPT-3 的訓練數據都大量地使用了紐約時報的文章內容。

在 GPT-3 的訓練數據中，有 60% 來自一個叫 CommonCrawl 數據集，這個數據集中域名為 www.nytimes.com 的來源，僅次於維基百科和美國專利文件數據庫。

並且，他們也合理懷疑， GPT-3.5 和 GPT-4 也同樣使用了他們的數據。

到這兒，其實訓練數據的證據還不算是最關鍵的。

再往下看， GPT 生成的內容和紐約時報的原文幾乎達到了雷同 99% 的程度。

像這篇紐約時報的報道，左邊是 GPT-4 生成的內容，右邊是報道原文。

標紅的部分，就是輸出內容和原文重複的地方。

類似的情況還有很多，起訴書一眼望去，齊刷刷一大片紅色。

紐約時報還專門準備了個附件，詳細列舉了一百來個雷同的範例。

不僅如此， OpenAI 還被指控 “ 砸了紐約時報的飯碗 ” 。

比如，一篇在紐約時報上需要付費閲讀的文章，用户現在可以通過跟 ChatGPT 對話就白嫖全文。

像這樣，告訴 ChatGPT 因為付費沒法兒看某篇文章，讓它給你打出原文的第一段。

再一段接着一段地問，讓 ChatGPT 把原文全都吐出來。

生成內容和原文對比，相同的部分也同樣被標紅了。

這就相當於，用户現在完全可以繞過付費牆，直接看文章了。

而且，因為 Bing 檢索了紐約時報的在線時事新聞，但又比傳統搜索引擎呈現的內容更詳細，這就導致了紐約時報的網站流量被截胡。

説實話，看完起訴書後我覺得 OpenAI 這麼做確實有那麼點不厚道。

這也難怪，紐約時報在最後的訴求裏要 OpenAI 賠償數十億美元的損失。

不過，這也只是紐約時報的一面之詞，咱們再來看看 OpenAI 是怎麼喊冤的。

先説 “ 沒有講述完整的故事 ” 。

根據 OpenAI 的説法，去年 12 月月中的時候，他們還在跟紐約時報協商合作。

但沒想到，不過幾天時間就讓紐約時報給起訴了，而且他們還是看了新聞報道才知道這事兒。。。

從 OpenAI 的角度來看，這波明顯是被背刺了。

所以針對起訴書中的幾個關鍵性問題， OpenAI 也作出了回應。

一個是訓練數據，在 OpenAI 看來，使用網上公開的資料訓練大模型屬於版權法中 “ 合理使用” 的範疇。

也就是，在某些特定情況下，即使沒有版權方的同意，也可以直接使用其作品。

早年間，谷歌就因為掃描紙質書上傳到谷歌圖書，被出版商和作家起訴了，但最後法院還是認定谷歌的行為符合 “ 合理使用 ” 。

但這次，紐約時報並不買賬，咬定大篇幅雷同的內容並不符合 “ 合理使用 ” 。

對此， OpenAI 也解釋了雷同內容有可能是因為大模型 “ 反芻 ” 。

就是，大模型在輸出內容的時候，將訓練數據也原封不動交代出來。

不過根據 OpenAI 的解釋，在去年 7 月發現類似情況的時候，他們就已經採取措施限制了這種 “ 反芻 ” 。

雖然沒有完全消除 bug ，但像起訴書裏出現的上百個案例，還是很罕見的情況，除非是有人故意引導。

而且他們好幾次聯繫紐約時報，想看看到底是怎麼個事兒，都被拒之門外。

所以 OpenAI 覺得自己怪冤枉的，又把髒水潑了回去，給紐約時報安了個 “ 故意操控模型 ” 的罪名。

一直到現在，紐約時報都還沒出來回應。

反正這瓜吃到這，劇情是越來越精彩，但也越來越讓人摸不着頭腦了。

包括輿論，也是亂成了一鍋粥。

紐約時報剛交起訴書的時候，就有國外知名媒體人 Jason Kint 連發了十幾條推文為它發聲。

即使在看了 OpenAI 回應後，他還是堅持自己的立場。

但 TechDirt 的記者卻認為，紐約時報這是想借機敲 OpenAI 一筆。

有不少網友留言説，按照起訴書裏的提示詞，自己沒法兒重現類似的 “ 反芻 ”bug ，懷疑紐約時報在起訴書中提供證據的真實性。

而在 OpenAI 回應後， AI 大佬吳恩達也趕來聲援。

按照他的説法，起訴書中 ChatGPT 吐出原文的情況，可能是由於類似 **RAG （ 檢索增強生成 ）**的機制導致的。

打個比方，你問大模型《 紅樓夢 》的某個情節，這個時候檢索器會到知識庫裏找到相關的文檔，大模型再根據這些文檔來生成回答。

這種機制，就有可能導致生成出來的東西跟檢索到的內容重複。

並且，吳恩達也認為 AI 用網上公開的資料拿來訓練，屬於 “ 合理使用 ” 。

但評論區還是各執己見，有説 bug 不是因為 RAG 機制，有不贊成 “ 合理使用 ” 的説法。。。

一直到現在，也沒人能説得清楚到底誰對誰錯。

所以，咱們還是法庭上見分曉吧。

圖片、資料來源：

OpenAI、The New York Times、techdirt

X（Twitter）：@Jason Kint、@Andrew Ng、@Kristen Ruby、@Roma Lobanov