想象一下，在一个巨大(da)的机(ji)房内，数不清的服(fu)务器闪烁着(zhe)点点亮光，随着(zhe)数据流的进入，大(da)语言(yan)模型将其一股脑儿“吞食”，随后开始高速分析和处理。在日复一日的数据“投喂”和深度学习(xi)技术的推动下，大(da)模型表现得(de)越来越类人化，OpenAI等一众AI公司也(ye)随之迎来迅(xun)猛发展。
然而，对于到底“投喂”了(le)什么数据，是否(fou)获取授权，这些AI公司总是讳莫如深。伯克利(li)计算机(ji)科学家(jia)Stuart Russell等学者认为，大(da)模型吞噬了(le)大(da)多数互联网信息，以复制人类智能并将其以自动化形式镜像(xiang)回(hui)馈给我们。
当意识到其网站上发布的故事都被自动抓取成了(le)大(da)模型的“食物”后，以《纽约时(shi)报》为首的媒体/出版机(ji)构向(xiang)OpenAI等发起了(le)版权诉讼。《每日经济新闻》记者在采访哈佛法(fa)学院教授丽贝卡o塔什内特、安杰世泽(ze)律师事务所(suo)合伙人于雯竹后了(le)解到，此类案件判定的难点在于如何确(que)定AI输出内容与媒体报道间的“实质性相似”。
而另(ling)一方面，OpenAI等科技公司也(ye)向(xiang)媒体/出版机(ji)构抛出了(le)橄榄枝，因为数据总有耗光的一天。研究机(ji)构Epoch AI近期预测，大(da)模型将在2026年(nian)至2032年(nian)之间消耗完所(suo)有可用数据。
“应该(gai)大(da)声要求(qiu)赔偿” ！13家(jia)媒体发起反击(ji)
2009年(nian)末，媒体大(da)亨罗伯特o默多克曾在一场论(lun)坛上说：“有些人觉得(de)他(ta)们有权拿走我们的新闻内容，还无需为新闻生产贡(gong)献一分钱。他(ta)们几乎侵吞了(le)我们的全部(bu)新闻，这可不是合理使用。说得(de)直白些，这就是偷。”
当时(shi)，随着(zhe)谷歌等新兴互联网公司的出现，美(mei)国报业的广告(gao)收入腰斩。而如今，OpenAI等生成式AI公司的强势崛起，类似的一幕似乎又开始重演。
新闻集团首席执行官罗伯特o汤姆(mu)森就曾表示，“[媒体]的集体知识产权正受到威胁，我们应该(gai)大(da)声要求(qiu)赔偿。”新闻行业律师Steven Lieberman更是直言(yan)，OpenAI的巨大(da)成功也(ye)要归功于其他(ta)人的工作(zuo)，它在未经许(xu)可或(huo)付款的情况(kuang)下获取了(le)大(da)量优质内容。
据外媒，ChatGPT主要通过阅读书籍、文章和公开的网络内容来学习(xi)，包括来自互联网的在线新闻文章。类似的大(da)语言(yan)模型也(ye)依赖的是社交媒体帖子、博客、数字化书籍、在线评论(lun)、维基百科页面以及您能想到的几乎所(suo)有的网络信息。
在意识到ChatGPT对历(li)史和时(shi)事的了(le)解源自其网站上发布的故事（甚至是付费内容）时(shi)，去年(nian)年(nian)底，《纽约时(shi)报》对OpenAI以及微软提起诉讼，指控后者未经授权使用该(gai)报版权内容训练(lian)AI模型，并在ChatGPT产品中呈现给用户。
该(gai)案打响了(le)媒体机(ji)构起诉OpenAI的第一枪，随后又有多家(jia)媒体加入了(le)这一反抗(kang)的队列。据《每日经济新闻》记者的不完全统计，截至今年(nian)6月(yue)底，已至少有13家(jia)新闻媒体机(ji)构对OpenAI和微软提起了(le)侵权诉讼。这里面有Alden Global投资集团旗(qi)下的八家(jia)地区性知名报纸，包括芝加哥论(lun)坛报、纽约每日新闻、丹(dan)佛邮报、圣何塞水星报，还有数字新闻媒体The Intercept、Raw Story和AlterNet，以及非盈利(li)新闻组织The Center for Investigative Reporting。
图片来源：每经制图
“判断这种数据抓取行为是否(fou)侵犯(fan)版权，是一个复杂且有争议的问题。”安杰世泽(ze)律师事务所(suo)合伙人、中国和美(mei)国纽约州(zhou)执业律师于雯竹在接受每经记者采访时(shi)表示。
这起诉讼只是各行业与生成式AI公司斗争的缩(suo)影。
美(mei)国当地时(shi)间6月(yue)24日，全球三大(da)唱片公司索尼音乐集团、环球音乐集团和华纳音乐联合多家(jia)唱片公司，向(xiang)AI音乐生成公司Suno和Udio开发商(shang)Uncharted Labs发起诉讼，指控后者非法(fa)使用版权音乐来训练(lian)模型并提供服(fu)务。
唱片公司指控Suno抄袭了(le)662首歌曲，Udio抄袭了(le)1670首歌曲，正在尝试(shi)索取每件音乐作(zuo)品最高15万美(mei)元的赔偿费用。
8个月(yue)的角力尚无结(jie)果：“实质性相似”还是“合理使用”？
越来越多的关于生成式AI技术的法(fa)律之争也(ye)让人开始正视媒体/出版商(shang)与颠覆性技术之间的关系。
据著名广告(gao)周刊Adweek，谷歌去年(nian)5月(yue)推出了(le)基于AI的搜索引擎Search Generative Experience（SGE）测试(shi)版，接受采访的媒体高管和搜索引擎优化专家(jia)称，出版商(shang)必须为自然搜索流量的大(da)幅下降做好准备，下降幅度可能在20%到60%之间。而出版商(shang)在开放网络上的搜索流量减少通常意味着(zhe)数字广告(gao)收入下降。新型媒体公司Raptive创新执行副总裁Marc McCollum估计，在目前的SGE下，整个出版业每年(nian)的广告(gao)收入损失可能高达20亿美(mei)元。
而《纽约时(shi)报》的起诉不仅是媒体领域的重要里程(cheng)碑案件，亦可以为法(fa)律业界提供极具参考价值的信息。
“就版权法(fa)而言(yan)，本案的重要影响在于版权法(fa)在数字和AI时(shi)代的适用范围。特别是对于新闻报道这类具有较高公共利(li)益的文本内容，如何平衡(heng)版权保护和信息自由将成为一个关键问题。” 于雯竹对记者说道。
在于雯竹看来， 如果《纽约时(shi)报》的诉讼获得(de)成功，将树立一个重要的法(fa)律先例，鼓励其他(ta)文字类媒体、版权机(ji)构和作(zuo)家(jia)团体组织跟随起诉OpenAI及类似的AI公司。本案可能会督(du)促AI公司重视AI模型训练(lian)的合法(fa)性，可能推动相关行业规(gui)范的建立。
目前，该(gai)案件已经持续将近8个月(yue)，但还没有定论(lun)。
1）媒体之难：证明“实质性相似”
《纽约时(shi)报》在起诉书中称，ChatGPT几乎逐字复制了(le)其新闻报道。该(gai)报举例称，2019年(nian)，《纽约时(shi)报》发表了(le)一篇荣获普利(li)策奖的关于纽约市出租(zu)车(che)行业掠(lue)夺性贷款的系列文章。该(gai)报称，只要稍加提示，ChatGPT就会一字不差地背(bei)诵其中的大(da)部(bu)分内容。
来源：《纽约时(shi)报》起诉书
在其他(ta)多家(jia)媒体的起诉书中，记者发现，其法(fa)律论(lun)证和主张都基于美(mei)国1976年(nian)版权法(fa)和《数字千(qian)年(nian)版权法(fa)》（DMCA）。
对于这两(liang)部(bu)法(fa)案中涉及AI的内容，于律师告(gao)诉记者，“就1976年(nian)版权法(fa)而言(yan)，侵权的判定通常依赖于原作(zuo)品和被指控侵权作(zuo)品之间的相似性，以及实际的复制行为。本案中实际复制行为相对容易证明，因为OpenAI并未否(fou)认其训练(lian)数据中包含《纽约时(shi)报》的文章。”
然而难点在于，“证明最终生成的文本构成版权侵权仍需满足‘实质性相似’测试(shi)，因为它有助于判断受版权保护的表达元素是否(fou)被复制，还是仅复制了(le)其中的思(si)想。版权保护的是表达，而不是思(si)想。你可以用自己的语言(yan)重新实现他(ta)人的思(si)想，这不构成版权侵权。但如果你使用他(ta)人的语言(yan)——即他(ta)们的表达——那就是版权侵权。”于律师说道。
谈及DMCA，于雯竹解释道：“其中的一项规(gui)定鼓励版权持有者在数字资产中添加内容管理信息（CMI），例如帮助识别创作(zuo)者或(huo)权利(li)持有者的信息，并禁止他(ta)人移除这些信息。”
然而，《纽约时(shi)报》起诉书提到，OpenAI在抓取其文章以创建数据库时(shi)，移除了(le)这些信息，违反了(le)DMCA。
来源：《纽约时(shi)报》起诉书
“实际上，美(mei)国是判例法(fa)国家(jia)，而其版权法(fa)及DMCA并未特别规(gui)定与AI相关的法(fa)律内容，对于OpenAI的行为是否(fou)属于侵权的认定，法(fa)院依据的是相关的先例及其对相关法(fa)律条文的解释。”于雯竹表示。
2）OpenAI的“盾牌”：“合理使用”
而在回(hui)应《纽约时(shi)报》版权侵权诉讼时(shi)，OpenAI强调使用公开材料训练(lian)AI模型属于合理使用。这一规(gui)则基于美(mei)国1976年(nian)版权法(fa)第 107 条规(gui)定。
哈佛法(fa)学院教授丽贝卡o塔什内特（Rebecca Tushnet）在接受《每日经济新闻》记者采访时(shi)认为，“美(mei)国版权法(fa)既提供了(le)广泛的权利(li)，也(ye)提供了(le)广泛的例外。关键问题是AI训练(lian)是否(fou)构成‘合理使用’，以及当AI输出与现有作(zuo)品过于相似时(shi)，该(gai)问题到底应该(gai)归咎于模型还是用户的滥用。”
塔什内特认为，“OpenAI提供了(le)有一个有趣的主张，即（AI）要获得(de)高度相似的输出，必须故意用《纽约时(shi)报》原始文章中的大(da)量引文来提示模型，这表明错误(wu)在于提示者（用户的滥用）。”
“‘合理使用’是美(mei)国版权法(fa)的一项关键优势，使其能够(gou)应对不断变化的情况(kuang)。它促成了(le)我们所(suo)知道的现代互联网的兴起，尤其是搜索引擎。按照同样的推理，只要输出通常不是从特定作(zuo)品中复制而来，创建AI模型就应该(gai)被视为变革性的和公平的。” 她对记者解读称，“我认为这是一个相当标准的有关‘合理使用’的问题。”
根据1976年(nian)版权法(fa)，判定合理使用的认定包括四个因素。其中，于雯竹认为，最重要的是第四点：使用对版权作(zuo)品的潜在市场或(huo)价值的影响。 “简(jian)而言(yan)之，就是新作(zuo)品是否(fou)对原作(zuo)品构成‘市场损害’。”
图片来源：每经制图
《纽约时(shi)报》在起诉书中称，OpenAI的AI工具不仅未经授权使用了(le)《纽约时(shi)报》的数据进行训练(lian)，还分流了(le)《纽约时(shi)报》网站的流量，导致(zhi)了(le)公司广告(gao)、订阅和授权营收的损失。因此《纽约时(shi)报》公司向(xiang)OpenAI和微软提出数十(shi)亿美(mei)元的索赔，并要求(qiu)他(ta)们停止使用自己的内容数据。
“我认为OpenAI的‘合理使用’辩护在理论(lun)上具有较大(da)的合理性，但其成功与否(fou)取决于法(fa)院对四因素测试(shi)的具体评估。”她说道。
塔什内特也(ye)表示，“我对法(fa)院是否(fou)会驳回(hui)（OpenAI）的所(suo)有辩护持怀疑态度，但没有什么是绝对肯定的。”
窘境(jing)之下的合作(zuo)
目前，OpenAI可以合法(fa)地为其模型“喂食”什么内容这一问题仍待(dai)解决，但媒体机(ji)构的策略开始呈现分化趋势。
当地时(shi)间6月(yue)27日，《时(shi)代》杂志与OpenAI宣布，两(liang)家(jia)公司达成了(le)一项多年(nian)内容授权协议和战略合作(zuo)伙伴关系。该(gai)协议允许(xu)OpenAI将这家(jia)出版商(shang)的内容引入ChatGPT，并帮助训练(lian)其最先进的AI模型。
据新闻稿介(jie)绍(shao)，OpenAI可以通过这笔交易访问《时(shi)代》过去100多年(nian)的档案和文章，以训练(lian)其AI模型，并在其面向(xiang)消费者的产品（如ChatGPT）中用于回(hui)复用户的询问。但双方的交易价值并未透(tou)露(lu)。
今年(nian)5月(yue)，OpenAI和新闻集团也(ye)达成了(le)类似的合作(zuo)关系。在此合作(zuo)下，OpenAI有权访问新闻集团旗(qi)下媒体的当前和存档文章，包括《华尔街日报》、《MarketWatch》、《巴伦周刊》、《纽约邮报》等。
《每日经济新闻》记者注意到，过去半(ban)年(nian)时(shi)间，OpenAI已连(lian)续与多家(jia)媒体机(ji)构达成协议。
图片来源：每经制图
对媒体机(ji)构来说，接受OpenAI等AI巨头抛来的橄榄枝，与科技公司在AI新时(shi)代合作(zuo)，共同探索新的资讯形态、商(shang)业模式和分成比例，可能是最好的选择。
与OpenAI合作(zuo)的媒体公司认为，生成式AI将继续存在，最好分一杯羹，而不是冒(mao)着(zhe)过时(shi)的风险。此外，与OpenAI合作(zuo)让出版物在某种程(cheng)度上可以控制他(ta)们的新闻报道在ChatGPT响应中的呈现方式。
正如新闻集团首席执行官Robert Thomson所(suo)称，“（与OpenAI的协议）认可了(le)顶(ding)级新闻应有顶(ding)级价格。数字化时(shi)代的一大(da)特征(zheng)是分销者占据主导地位，而内容创作(zuo)者经常利(li)益受损。很(hen)多媒体公司都被无情的科技大(da)潮所(suo)卷席。我们现在有责任抓住这一最大(da)的机(ji)遇。”
有外媒评论(lun)称，起诉或(huo)许(xu)也(ye)是《纽约时(shi)报》谈判的手段之一。实际上，在起诉之前，《纽约时(shi)报》与OpenAI一直在商(shang)谈授权合作(zuo)协议，但在OpenAI加入了(le)新的免责条款后，谈判破裂。
对科技公司来说，支付授权费用一方面可以有效化解法(fa)律风险，另(ling)一方面可以获得(de)更多优质训练(lian)数据，优质数据才是成为决定未来AI大(da)模型的关键因素。毕竟，当前各大(da)科技公司都正面临数据枯(ku)竭的现状。
在6月(yue)更新的一项研究成果中，人工智能研究机(ji)构Epoch AI称，据他(ta)们估测，目前人类生成的公开文本总量约为300万亿个Token，但使用数据的速度远远超过了(le)生成数据的速度，这意味着(zhe)大(da)模型将在2026年(nian)至2032年(nian)之间消耗完所(suo)有可用数据。
图片来源：Epoch AI网站
那与AI公司合作(zuo)到底能给媒体机(ji)构带(dai)来多大(da)的收益？
以新闻集团举例，《每日经济新闻》记者注意到，除2024财年(nian)第二财季由于图书出版成本降低以及与宣布的5%裁员计划(hua)相关的总成本节省所(suo)带(dai)来的高额净收入之外，新闻集团每个季度的净收入均在6000万美(mei)元以内。
而《华尔街日报》援引知情人士称，新闻集团与OpenAI的协议价值在五年(nian)内可能超过2.5亿美(mei)元，包括现金和使用OpenAI技术的积分形式的补偿。如此算来，相当于OpenAI每年(nian)将向(xiang)新闻集团支付高达5000万美(mei)元的内容授权费用，这相当于新闻集团将近一个财季的净收入。
从近期科技公司与媒体达成的合作(zuo)金额来说，这一交易可以算是AI行业发展的里程(cheng)碑事件。而且，新闻集团与OpenAI的协议并非是一份独家(jia)授权协议，意味着(zhe)新闻集团还可以从谷歌等其他(ta)AI公司继续获得(de)授权收入。
汤森路透(tou)的财报也(ye)证实了(le)合作(zuo)带(dai)来的收益。《每日经济新闻》记者查询汤森路透(tou)公司的财报发现，2024年(nian)第一季度，该(gai)公司收入为18.85亿美(mei)元，同比增长8%。该(gai)公司在财报中写道，“（增长）主要是由于‘三大(da)’部(bu)门（该(gai)公司的法(fa)律、企业和税务以及会计部(bu)门）的经常性收入和交易收入的强劲增长，以及路透(tou)社新闻部(bu)门的生成式 AI 相关内容许(xu)可收入。”
来源：汤森路透(tou)财报
一季度财报显示，路透(tou)社新闻业务的收入为2.1亿美(mei)元，同比增长3%。这一增长主要是由于汤森路透(tou)与伦敦证券(quan)交易所(suo)集团（LSEG）数据分析部(bu)门签订的新闻协议，根据该(gai)协议，路透(tou)社新闻将向(xiang)LSEG授权提供新闻内容，后者用于生成AI相关内容。2024年(nian)第一季度，仅该(gai)协议为路透(tou)社新闻业务带(dai)来的收入就高达9600万美(mei)元。
每日经济新闻