知名演员起诉 OpenAI 与 Meta：指控偷用盗版书训练 AI

如果你问 ChatGPT 某本书讲了什么，它能对答如流、给出精准的梗概，你可能会惊叹于模型的理解能力。但对原作者来说，这基本等于抓到了盗版现行。

美国喜剧演员兼作家 Sarah Silverman，联同另外两位作家 Christopher Golden 和 Richard Kadrey，正式在美国联邦地区法院对 OpenAI 和 Meta 发起诉讼。他们指控这两家科技巨头在未经许可的情况下，擅自使用他们的受版权保护的畅销书来训练大语言模型。

代表三位作家的律师团队正是此前在 AI 领域频频出手的 Joseph Saveri 和 Matthew Butterick。他们之前已经代表程序员起诉过代码生成工具，也代表艺术家起诉过图像生成平台，现在战火彻底烧到了文字版权领域。

影子图书馆里的训练集证据

诉状中最直接的指控，直指大模型训练数据的灰色来源。

原告指出，OpenAI 的 ChatGPT 和 Meta 的 LLaMA 使用了非法获取的数据集。这些数据大量来自被称为「影子图书馆」的网站，比如 Bibliotik、Library Genesis 和 Z-Library，而且常常是通过 BT 种子批量下载的。

在针对 OpenAI 的起诉中，原告提交了核心证据：当向 ChatGPT 发送提示词时，它能极为详尽地总结出书中内容。Silverman 的回忆录《Bedwetter》、Golden 的小说《Ararat》以及 Kadrey 的《Sandman Slim》都在证据列表中被逐一测试。诉状特别提到，ChatGPT 给出这些总结时，彻底抹去了原书附带的任何版权管理信息。

而针对 Meta 的诉状则抓住了论文里的马脚。Meta 在今年 2 月发布开源模型 LLaMA 时曾发表技术论文，披露了其训练数据来源。其中一个数据集是由研究机构 EleutherAI 整理的 ThePile。诉状指出，EleutherAI 自己的论文里白纸黑字写着，ThePile 的一部分内容直接来自私密种子站点 Bibliotik。原告认为，这种公然使用侵权资源的行为构成了严重的非法侵权。

两起诉讼分别提出了六项指控，涵盖侵犯版权、过失、不当得利以及不正当竞争，原告正在寻求法定赔偿和利润返还。

为什么重要

这起诉讼之所以值得高度关注，是因为它把生成式 AI 最隐秘的痛点端上了台面：用来喂饱大模型的浩瀚文字，到底是从哪儿来的。

对创作者来说，这是拿回话语权的关键战役。过去科技公司往往以「合理使用」为由蒙混过关，但这次原告拿出的证据非常刁钻。Meta 的训练集甚至能顺藤摸瓜直接追溯到盗版下载站，这让科技公司很难再用「公开网络爬取」来为自己开脱。如果法院最终认定使用盗版书库训练违法，大模型开发商可能面临天文数字的法定赔偿，甚至被迫删除侵权数据重新训练模型。

对普通用户和开发者而言，影响同样直接。一旦版权防线收紧，开源模型和商业 API 的训练成本势必暴涨，未来甚至可能出现某些特定书目或知识被模型「物理遗忘」的情况。

我们认为，原告律师团队的做法非常老练，他们没有去和科技公司争论深奥的模型内部机理，而是死死抓住了「输入端的数据来源非法」和「输出端抹去版权标识」这两个最容易被法官理解的点。科技公司过去为了抢跑，在数据合规上留下了太多漏洞。看起来，依靠无底线洗稿训练神话的时代正在加速终结，接下来大模型厂商必须老老实实坐回谈判桌，为人类的知识和版权买单。