AI训练使用版权书籍是否合法？答案很复杂

你可能已经知道，驱动 ChatGPT、Gemini、Claude 等聊天机器人的 AI 模型，是在看似无限的已出版作品数据库上训练的，这些数据库包含数亿本书籍、在线文章、学术论文，以及你在互联网上能找到的几乎所有内容。

大多数已出版作者在不知情或未经同意的情况下，为这些威胁其生计的 AI 工具的开发做出了贡献。这看起来似乎违法，对吧？现实并非如此简单。

“我认为这个法律领域和技术领域的整个问题在于，涉及的因素太多了，”拥有知识产权、版权和技术专长的律师 Cathy Gellis 告诉 TechCrunch。“情况非常复杂，人们对正在发生的事情有着强烈的情绪，无论支持还是反对。

”去年，在同类首批裁决之一中，法官 William Alsup 命令 Anthropic 向一群作品被用于训练其 AI 模型的作家支付高达 15 亿美元的版权和解金。

表面上看，这似乎是支持作者的道德胜利，但 Alsup 法官实际上裁定 Anthropic 的 AI 训练是合法的。Alsup 惩罚 Anthropic 的原因是其从非法在线影子图书馆盗版了这些书籍。

“就像任何渴望成为作家的读者一样，Anthropic 的 LLM 在作品上训练，不是为了超越、复制或取代它们，而是为了扭转困境，创造不同的东西，”法官写道，将 LLM 吸收数万亿词的方式比作作家对文学的研究。

Gellis 认为该裁决对 AI 公司更有利。对于一家预计到 2028 年每年收入约 2000 亿美元的公司来说，15 亿美元的罚款算什么？

“我认为这对 AI 训练来说总体上是好消息，因为他审视了正在发生的事情，并确实认为这类似于阅读受版权保护的作品，而不是复制受版权保护的作品，”Gellis 说。“版权法取决于复制，但不取决于使用、体验、消费或阅读作品。

”版权法自 1976 年以来从未更新，这意味着法官在面对可能塑造 AI 行业未来的法律问题时，必须弄清楚如何解释 50 年前的指导方针。

“现在每个人都非常担心，因为法律到处都是乱的，而这正是因为这个问题的存在，”JWL International 的高级律师兼知识产权与媒体业务创始人 Jason Henderson 告诉 TechCrunch。

“他们知道 AI 模型已经在大量数据上训练过，而法律还没有真正跟上这个问题。”

这些问题通常取决于合理使用原则——即对受版权保护作品的使用是否具有足够的“变革性”，从而在法律上被允许。合理使用是版权法中的一项例外，允许在未经明确许可的情况下使用受版权保护的材料，保护通过批评、戏仿、教育等方式对作品进行评论和迭代的能力。

法官在判断是否构成合理使用时，会考虑具体因素，包括作品的目的和性质、使用的数量以及对市场的影响。“版权始终关乎保护和扩大市场，”Henderson 指出。“法院在 AI 案件中的推理方式五花八门。

如果训练数据来自某人的财产，且目的是直接竞争，那么法院往往会反对……如果你做的事情不会构成竞争，法院往往会设法让它通过。

”Henderson 提到的是媒体科技公司 Thomson Reuters 起诉研究公司 Ross Intelligence 的案件，后者复制其内容以构建一个竞争性的 AI 法律平台。

“Ross 的使用不具有变革性，因为它没有 Thomson Reuters 使用之外的‘进一步目的或不同特征’，”法官 Stephanos Bibas 去年写道。

在该案中，Bibas 法官裁定，利用 Reuters 的内容训练模型以构建直接竞争的新平台，不构成合理使用。虽然作者可能辩称聊天机器人通过使用其作品生成新的合成书籍来与他们竞争，但这一论点尚未在法庭上获胜。

在 AI 与版权的关系上，Gellis 认为缩小我们实际讨论的范围是有帮助的——我们在 AI 训练方面对版权的思考方式，与对 AI 生成内容的版权思考方式截然不同。

在 Thaler v. Perlmutter 一案中，法院裁定，如果作品 100% 由 AI 生成，则不受版权保护，这引发了一系列新问题——我们如何确切证明作品是否由 AI 生成？如果是，如何知道其中有多少比例是由 AI 创建或辅助的？

“如果你在 Microsoft Word 中写小说并运行拼写检查，我们倾向于认为 Word 不拥有你的小说，”Gellis 说。“AI 迫使我们审视一系列我们一度忽视的决定。”大多数 AI 公司仍深陷这些问题的未决诉讼中，这意味着我们不会很快得到明确的解决方案。

“你看到的是，最初的交锋正在产生影响，但如果其他法院做出不同裁决，这种影响本身可能被抵消，需要后续诉讼阶段才能确定哪个裁决会占上风，”Gellis 说。“但与此同时，所有这些裁决都在塑造正在发生的一切。

AI 公司忽视它们将是愚蠢的。”