要說有什麼瓜，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說實話。
給一眾吃瓜群眾，看得是一愣一愣的。
其實之前 OpenAI 因為訓練資料的事情，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，公說公有理婆說婆有理，那到底怎麼一回事？
抱著說什麼都得把這瓜吃明白的決心，世超在瓜田裡上躥下跳，終於把來龍去脈給理清楚了。
在紐約時報洋洋灑灑 22000 頁的起訴書裡，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，以及把生成的虛假資訊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，他們說 GPT-2 和 GPT-3 的訓練資料都大量地使用了紐約時報的文章內容。
在 GPT-3 的訓練資料中，有 60% 來自一個叫CommonCrawl資料集，這個資料集中域名為 www.nytimes.com 的來源，僅次於維基百科和美國專利檔案資料庫。
並且，他們也合理懷疑， GPT-3.5 和 GPT-4 也同樣使用了他們的資料。
到這兒，其實訓練資料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閱讀的文章，使用者現在可以通過跟 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。
再一段接著一段地問，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，使用者現在完全可以繞過付費牆，直接看文章了。
而且，因為 Bing 檢索了紐約時報的線上時事新聞，但又比傳統搜尋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。
說實話，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裡要 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。
先說 「 沒有講述完整的故事 」 。
根據 OpenAI 的說法，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。
一個是訓練資料，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，Google就因為掃描紙質書上傳到Google圖書，被出版商和作家起訴了，但最後法院還是認定Google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，將訓練資料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 ，但像起訴書裡出現的上百個案例，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著頭腦了。
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。
有不少網友留言說，按照起訴書裡的提示詞，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。
按照他的說法，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裡找到相關的文件，大模型再根據這些文件來生成回答。
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，有說 bug 不是因為 RAG 機制，有不贊成 「 合理使用 」 的說法。。。
一直到現在，也沒人能說得清楚到底誰對誰錯。
所以，咱們還是法庭上見分曉吧。
撰文：西西編輯：面線封面：煥妍
圖片、資料來源：
OpenAI、The New York Times、techdirt
X（Twitter）：@Jason Kint、@Andrew Ng、@Kristen Ruby、@Roma Lobanov
