每經(jīng)記者 文巧  鄭雨航    每經(jīng)編輯 蘭素英    

想象一下，在一個巨大的機房內(nèi)，數(shù)不清的服務器閃爍著點點亮光，隨著數(shù)據(jù)流的進入，大語言模型將其一股腦兒“吞食”，隨后開始高速分析和處理。在日復一日的數(shù)據(jù)“投喂”和深度學習技術的推動下，大模型表現(xiàn)得越來越類人化，OpenAI等一眾AI公司也隨之迎來迅猛發(fā)展。

然而，對于到底“投喂”了什么數(shù)據(jù)，是否獲取授權，這些AI公司總是諱莫如深。伯克利計算機科學家Stuart Russell等學者認為，大模型吞噬了大多數(shù)互聯(lián)網(wǎng)信息，以復制人類智能并將其以自動化形式鏡像回饋給我們。

當意識到其網(wǎng)站上發(fā)布的故事都被自動抓取成了大模型的“食物”后，以《紐約時報》為首的媒體/出版機構(gòu)向OpenAI等發(fā)起了版權訴訟?！睹咳战?jīng)濟新聞》記者在采訪哈佛法學院教授麗貝卡•塔什內(nèi)特、安杰世澤律師事務所合伙人于雯竹后了解到，此類案件判定的難點在于如何確定AI輸出內(nèi)容與媒體報道間的“實質(zhì)性相似”。

而另一方面，OpenAI等科技公司也向媒體/出版機構(gòu)拋出了橄欖枝，因為數(shù)據(jù)總有耗光的一天。研究機構(gòu)Epoch AI近期預測，大模型將在2026年至2032年之間消耗完所有可用數(shù)據(jù)。 

“應該大聲要求賠償” ！13家媒體發(fā)起反擊

2009年末，媒體大亨羅伯特•默多克曾在一場論壇上說：“有些人覺得他們有權拿走我們的新聞內(nèi)容，還無需為新聞生產(chǎn)貢獻一分錢。他們幾乎侵吞了我們的全部新聞，這可不是合理使用。說得直白些，這就是偷。”

當時，隨著谷歌等新興互聯(lián)網(wǎng)公司的出現(xiàn)，美國報業(yè)的廣告收入腰斬。而如今，OpenAI等生成式AI公司的強勢崛起，類似的一幕似乎又開始重演。

新聞集團首席執(zhí)行官羅伯特•湯姆森就曾表示，“[媒體]的集體知識產(chǎn)權正受到威脅，我們應該大聲要求賠償。”新聞行業(yè)律師Steven Lieberman更是直言，OpenAI的巨大成功也要歸功于其他人的工作，它在未經(jīng)許可或付款的情況下獲取了大量優(yōu)質(zhì)內(nèi)容。

據(jù)外媒，ChatGPT主要通過閱讀書籍、文章和公開的網(wǎng)絡內(nèi)容來學習，包括來自互聯(lián)網(wǎng)的在線新聞文章。類似的大語言模型也依賴的是社交媒體帖子、博客、數(shù)字化書籍、在線評論、維基百科頁面以及您能想到的幾乎所有的網(wǎng)絡信息。

在意識到ChatGPT對歷史和時事的了解源自其網(wǎng)站上發(fā)布的故事（甚至是付費內(nèi)容）時，去年年底，《紐約時報》對OpenAI以及微軟提起訴訟，指控后者未經(jīng)授權使用該報版權內(nèi)容訓練AI模型，并在ChatGPT產(chǎn)品中呈現(xiàn)給用戶。

該案打響了媒體機構(gòu)起訴OpenAI的第一槍，隨后又有多家媒體加入了這一反抗的隊列。據(jù)《每日經(jīng)濟新聞》記者的不完全統(tǒng)計，截至今年6月底，已至少有13家新聞媒體機構(gòu)對OpenAI和微軟提起了侵權訴訟。這里面有Alden Global投資集團旗下的八家地區(qū)性知名報紙，包括芝加哥論壇報、紐約每日新聞、丹佛郵報、圣何塞水星報，還有數(shù)字新聞媒體The Intercept、Raw Story和AlterNet，以及非盈利新聞組織The Center for Investigative Reporting。

圖片來源：每經(jīng)制圖

“判斷這種數(shù)據(jù)抓取行為是否侵犯版權，是一個復雜且有爭議的問題。”安杰世澤律師事務所合伙人、中國和美國紐約州執(zhí)業(yè)律師于雯竹在接受每經(jīng)記者采訪時表示。

這起訴訟只是各行業(yè)與生成式AI公司斗爭的縮影。

美國當?shù)貢r間6月24日，全球三大唱片公司索尼音樂集團、環(huán)球音樂集團和華納音樂聯(lián)合多家唱片公司，向AI音樂生成公司Suno和Udio開發(fā)商Uncharted Labs發(fā)起訴訟，指控后者非法使用版權音樂來訓練模型并提供服務。

唱片公司指控Suno抄襲了662首歌曲，Udio抄襲了1670首歌曲，正在嘗試索取每件音樂作品最高15萬美元的賠償費用。

8個月的角力尚無結(jié)果：“實質(zhì)性相似”還是“合理使用”？

越來越多的關于生成式AI技術的法律之爭也讓人開始正視媒體/出版商與顛覆性技術之間的關系。

據(jù)著名廣告周刊Adweek，谷歌去年5月推出了基于AI的搜索引擎Search Generative Experience（SGE）測試版，接受采訪的媒體高管和搜索引擎優(yōu)化專家稱，出版商必須為自然搜索流量的大幅下降做好準備，下降幅度可能在20%到60%之間。而出版商在開放網(wǎng)絡上的搜索流量減少通常意味著數(shù)字廣告收入下降。新型媒體公司Raptive創(chuàng)新執(zhí)行副總裁Marc McCollum估計，在目前的SGE下，整個出版業(yè)每年的廣告收入損失可能高達20億美元。

而《紐約時報》的起訴不僅是媒體領域的重要里程碑案件，亦可以為法律業(yè)界提供極具參考價值的信息。

“就版權法而言，本案的重要影響在于版權法在數(shù)字和AI時代的適用范圍。特別是對于新聞報道這類具有較高公共利益的文本內(nèi)容，如何平衡版權保護和信息自由將成為一個關鍵問題。” 于雯竹對記者說道。

在于雯竹看來， 如果《紐約時報》的訴訟獲得成功，將樹立一個重要的法律先例，鼓勵其他文字類媒體、版權機構(gòu)和作家團體組織跟隨起訴OpenAI及類似的AI公司。本案可能會督促AI公司重視AI模型訓練的合法性，可能推動相關行業(yè)規(guī)范的建立。

目前，該案件已經(jīng)持續(xù)將近8個月，但還沒有定論。

1）媒體之難：證明“實質(zhì)性相似”

《紐約時報》在起訴書中稱，ChatGPT幾乎逐字復制了其新聞報道。該報舉例稱，2019年，《紐約時報》發(fā)表了一篇榮獲普利策獎的關于紐約市出租車行業(yè)掠奪性貸款的系列文章。該報稱，只要稍加提示，ChatGPT就會一字不差地背誦其中的大部分內(nèi)容。

來源：《紐約時報》起訴書

在其他多家媒體的起訴書中，記者發(fā)現(xiàn)，其法律論證和主張都基于美國1976年版權法和《數(shù)字千年版權法》（DMCA）。

對于這兩部法案中涉及AI的內(nèi)容，于律師告訴記者，“就1976年版權法而言，侵權的判定通常依賴于原作品和被指控侵權作品之間的相似性，以及實際的復制行為。本案中實際復制行為相對容易證明，因為OpenAI并未否認其訓練數(shù)據(jù)中包含《紐約時報》的文章。”

然而難點在于，“證明最終生成的文本構(gòu)成版權侵權仍需滿足‘實質(zhì)性相似’測試，因為它有助于判斷受版權保護的表達元素是否被復制，還是僅復制了其中的思想。版權保護的是表達，而不是思想。你可以用自己的語言重新實現(xiàn)他人的思想，這不構(gòu)成版權侵權。但如果你使用他人的語言——即他們的表達——那就是版權侵權。”于律師說道。

談及DMCA，于雯竹解釋道：“其中的一項規(guī)定鼓勵版權持有者在數(shù)字資產(chǎn)中添加內(nèi)容管理信息（CMI），例如幫助識別創(chuàng)作者或權利持有者的信息，并禁止他人移除這些信息。”

然而，《紐約時報》起訴書提到，OpenAI在抓取其文章以創(chuàng)建數(shù)據(jù)庫時，移除了這些信息，違反了DMCA。

來源：《紐約時報》起訴書

“實際上，美國是判例法國家，而其版權法及DMCA并未特別規(guī)定與AI相關的法律內(nèi)容，對于OpenAI的行為是否屬于侵權的認定，法院依據(jù)的是相關的先例及其對相關法律條文的解釋。”于雯竹表示。

2）OpenAI的“盾牌”：“合理使用”

而在回應《紐約時報》版權侵權訴訟時，OpenAI強調(diào)使用公開材料訓練AI模型屬于合理使用。這一規(guī)則基于美國1976年版權法第 107 條規(guī)定。

哈佛法學院教授麗貝卡•塔什內(nèi)特（Rebecca Tushnet）在接受《每日經(jīng)濟新聞》記者采訪時認為，“美國版權法既提供了廣泛的權利，也提供了廣泛的例外。關鍵問題是AI訓練是否構(gòu)成‘合理使用’，以及當AI輸出與現(xiàn)有作品過于相似時，該問題到底應該歸咎于模型還是用戶的濫用。”

塔什內(nèi)特認為，“OpenAI提供了有一個有趣的主張，即（AI）要獲得高度相似的輸出，必須故意用《紐約時報》原始文章中的大量引文來提示模型，這表明錯誤在于提示者（用戶的濫用）。”

“‘合理使用’是美國版權法的一項關鍵優(yōu)勢，使其能夠應對不斷變化的情況。它促成了我們所知道的現(xiàn)代互聯(lián)網(wǎng)的興起，尤其是搜索引擎。按照同樣的推理，只要輸出通常不是從特定作品中復制而來，創(chuàng)建AI模型就應該被視為變革性的和公平的。” 她對記者解讀稱，“我認為這是一個相當標準的有關‘合理使用’的問題。”

根據(jù)1976年版權法，判定合理使用的認定包括四個因素。其中，于雯竹認為，最重要的是第四點：使用對版權作品的潛在市場或價值的影響。 “簡而言之，就是新作品是否對原作品構(gòu)成‘市場損害’。”

圖片來源：每經(jīng)制圖

《紐約時報》在起訴書中稱，OpenAI的AI工具不僅未經(jīng)授權使用了《紐約時報》的數(shù)據(jù)進行訓練，還分流了《紐約時報》網(wǎng)站的流量，導致了公司廣告、訂閱和授權營收的損失。因此《紐約時報》公司向OpenAI和微軟提出數(shù)十億美元的索賠，并要求他們停止使用自己的內(nèi)容數(shù)據(jù)。

“我認為OpenAI的‘合理使用’辯護在理論上具有較大的合理性，但其成功與否取決于法院對四因素測試的具體評估。”她說道。

塔什內(nèi)特也表示，“我對法院是否會駁回（OpenAI）的所有辯護持懷疑態(tài)度，但沒有什么是絕對肯定的。”

窘境之下的合作

目前，OpenAI可以合法地為其模型“喂食”什么內(nèi)容這一問題仍待解決，但媒體機構(gòu)的策略開始呈現(xiàn)分化趨勢。

當?shù)貢r間6月27日，《時代》雜志與OpenAI宣布，兩家公司達成了一項多年內(nèi)容授權協(xié)議和戰(zhàn)略合作伙伴關系。該協(xié)議允許OpenAI將這家出版商的內(nèi)容引入ChatGPT，并幫助訓練其最先進的AI模型。

據(jù)新聞稿介紹，OpenAI可以通過這筆交易訪問《時代》過去100多年的檔案和文章，以訓練其AI模型，并在其面向消費者的產(chǎn)品（如ChatGPT）中用于回復用戶的詢問。但雙方的交易價值并未透露。

今年5月，OpenAI和新聞集團也達成了類似的合作關系。在此合作下，OpenAI有權訪問新聞集團旗下媒體的當前和存檔文章，包括《華爾街日報》、《MarketWatch》、《巴倫周刊》、《紐約郵報》等。

《每日經(jīng)濟新聞》記者注意到，過去半年時間，OpenAI已連續(xù)與多家媒體機構(gòu)達成協(xié)議。

圖片來源：每經(jīng)制圖

對媒體機構(gòu)來說，接受OpenAI等AI巨頭拋來的橄欖枝，與科技公司在AI新時代合作，共同探索新的資訊形態(tài)、商業(yè)模式和分成比例，可能是最好的選擇。

與OpenAI合作的媒體公司認為，生成式AI將繼續(xù)存在，最好分一杯羹，而不是冒著過時的風險。此外，與OpenAI合作讓出版物在某種程度上可以控制他們的新聞報道在ChatGPT響應中的呈現(xiàn)方式。

正如新聞集團首席執(zhí)行官Robert Thomson所稱，“（與OpenAI的協(xié)議）認可了頂級新聞應有頂級價格。數(shù)字化時代的一大特征是分銷者占據(jù)主導地位，而內(nèi)容創(chuàng)作者經(jīng)常利益受損。很多媒體公司都被無情的科技大潮所卷席。我們現(xiàn)在有責任抓住這一最大的機遇。”

有外媒評論稱，起訴或許也是《紐約時報》談判的手段之一。實際上，在起訴之前，《紐約時報》與OpenAI一直在商談授權合作協(xié)議，但在OpenAI加入了新的免責條款后，談判破裂。

對科技公司來說，支付授權費用一方面可以有效化解法律風險，另一方面可以獲得更多優(yōu)質(zhì)訓練數(shù)據(jù)，優(yōu)質(zhì)數(shù)據(jù)才是成為決定未來AI大模型的關鍵因素。畢竟，當前各大科技公司都正面臨數(shù)據(jù)枯竭的現(xiàn)狀。

在6月更新的一項研究成果中，人工智能研究機構(gòu)Epoch AI稱，據(jù)他們估測，目前人類生成的公開文本總量約為300萬億個Token，但使用數(shù)據(jù)的速度遠遠超過了生成數(shù)據(jù)的速度，這意味著大模型將在2026年至2032年之間消耗完所有可用數(shù)據(jù)。

圖片來源：Epoch AI網(wǎng)站

那與AI公司合作到底能給媒體機構(gòu)帶來多大的收益？

以新聞集團舉例，《每日經(jīng)濟新聞》記者注意到，除2024財年第二財季由于圖書出版成本降低以及與宣布的5%裁員計劃相關的總成本節(jié)省所帶來的高額凈收入之外，新聞集團每個季度的凈收入均在6000萬美元以內(nèi)。

而《華爾街日報》援引知情人士稱，新聞集團與OpenAI的協(xié)議價值在五年內(nèi)可能超過2.5億美元，包括現(xiàn)金和使用OpenAI技術的積分形式的補償。如此算來，相當于OpenAI每年將向新聞集團支付高達5000萬美元的內(nèi)容授權費用，這相當于新聞集團將近一個財季的凈收入。

從近期科技公司與媒體達成的合作金額來說，這一交易可以算是AI行業(yè)發(fā)展的里程碑事件。而且，新聞集團與OpenAI的協(xié)議并非是一份獨家授權協(xié)議，意味著新聞集團還可以從谷歌等其他AI公司繼續(xù)獲得授權收入。

湯森路透的財報也證實了合作帶來的收益?！睹咳战?jīng)濟新聞》記者查詢湯森路透公司的財報發(fā)現(xiàn)，2024年第一季度，該公司收入為18.85億美元，同比增長8%。該公司在財報中寫道，“（增長）主要是由于‘三大’部門（該公司的法律、企業(yè)和稅務以及會計部門）的經(jīng)常性收入和交易收入的強勁增長，以及路透社新聞部門的生成式 AI 相關內(nèi)容許可收入。”

來源：湯森路透財報

一季度財報顯示，路透社新聞業(yè)務的收入為2.1億美元，同比增長3%。這一增長主要是由于湯森路透與倫敦證券交易所集團（LSEG）數(shù)據(jù)分析部門簽訂的新聞協(xié)議，根據(jù)該協(xié)議，路透社新聞將向LSEG授權提供新聞內(nèi)容，后者用于生成AI相關內(nèi)容。2024年第一季度，僅該協(xié)議為路透社新聞業(yè)務帶來的收入就高達9600萬美元。