OpenAI 开发 Media Manager：创作者可自主决定作品是否喂给 AI

过去一年多，AI 公司和内容创作者之间的版权官司打得不可开交。很多画师、作家和媒体抱怨，自己的作品被莫名其妙抓去喂了模型，甚至连说不的机会都没有。

OpenAI 终于拿出了一个针对个人的解决方案。5 月 7 日，OpenAI 在一篇阐述数据和 AI 策略的文章中宣布，他们正在开发一款名为 Media Manager 的工具。创作者可以用它声明自己拥有的作品，并明确指定这些内容是否能被用于机器学习研究和模型训练。OpenAI 的目标是在 2025 年正式上线这个工具。

告别形同虚设的 robots.txt

在此之前，网站所有者主要靠几十年前诞生的 robots.txt 协议来防爬虫。去年夏天，OpenAI 率先支持了针对 AI 爬虫的权限设置，让网站管理员表达是否允许抓取。

但这套机制对普通创作者来说基本没用。现实情况是，很多作者根本没有自己的独立网站，作品散落在各大社交平台和图库里，经常被别人转载、二创或者引用。只要有人搬运，AI 爬虫照样能抓到。

OpenAI 承认了 robots.txt 的局限性。按照他们的构想，Media Manager 需要借助前沿的机器学习技术，跨平台识别带有版权的文本、图像、音频和视频，再根据创作者的意愿决定要不要排除在训练集之外。

除了公布新工具，OpenAI 还梳理了目前的训练数据来源，主要由三部分构成。首先是筛选后的公开网页数据，排除掉设有付费墙、收集个人隐私或已选择退出的内容；其次是付费合作的私有数据，比如用于训练 Sora 的私人视频库、金融时报等媒体档案；最后是人类标注员和授权用户的反馈数据。他们再次重申，ChatGPT 团队版、企业版和 API 用户的数据绝对不参与模型训练。

面对外界关于抄袭的指责，OpenAI 辩解称，模型学习的是概念之间的数学关系，而不是像数据库一样储存原文。如果模型输出了完全一致的表达，在他们看来属于机器学习过程中的「失败」，通常是因为这些内容在公开网络上被反复引用太多次。

为什么重要

我们认为，Media Manager 是 OpenAI 在版权重压下迈出的聪明一步，但实际效果可能要打个问号。

对创作者来说，这看起来终于给了一个主动选择权，特别是做播客、插画和视频的自由职业者，不用再眼睁睁看着作品被白拿。但门槛和代价也很明显，创作者得自己花时间去举证和登记。如果每个 AI 平台都做一套自己的管理后台，创作者难道要跑遍所有公司挨个登记一遍吗。

对行业而言，OpenAI 试图通过 Media Manager 建立一个跨模态的版权认领标准。如果做成了，它会把压力直接甩给 Google、Meta 等竞争对手，逼着大家一起跟进版权过滤机制。这从长远看会拉高初创团队训练基座模型的门槛。

更核心的问题在于时间差。OpenAI 承诺的上线时间是 2025 年，而现有的大模型早就把互联网爬了个遍。创作者现在去声明退出，能不能把已经融进模型权重里的痕迹抠出来，答案显然是否定的。这更像是一张针对未来模型的免责声明，能否真正平息法律纠纷，还要看监管和版权方买不买账。