Anthropic 遭作家集體訴訟：被控用盜版書資料集訓練 Claude

一直打著「安全、負責任」招牌的 Anthropic，終究還是沒能躲過版權官司的洗禮。

週一，多位作家在加州法院對 Anthropic 發起了一項擬議的集體訴訟。訴狀裡的指控毫不客氣，稱這家估值數百億美元的 AI 獨角獸「靠盜竊數十萬本受版權保護的圖書，建立起了一個價值數十億美元的商業帝國」。

又是開源資料集 Books3

這次把 Anthropic 拖下水的，依然是那個在 AI 版權圈裡屢被點名的老面孔：Books3。

起訴的原告包括《We Were Never Here》的作者 Andrea Bartz、《The Good Nurse》的作者 Charles Graeber，以及《The Feather Thief》的作者 Kirk Wallace Johnson。

訴狀指出，Anthropic 在訓練自家的 Claude 系列大模型時，使用了一個名為「The Pile」的龐大開源資料集。而在 The Pile 內部，就包含了臭名昭著的 Books3。

Books3 簡直像個數字盜版黑市，裡面彙集了從 Bibliotik 等盜版電子書網站扒下來的大量書籍，連 Stephen King、Michael Pollan 這樣名作家的作品也未能倖免。

原告在訴狀中直言，Anthropic 明明知道這些資料來自盜版網站，卻依然照單全收，將其下載並複製用於模型訓練。這批作家要求法院批准集體訴訟、判令賠償，並禁止 Anthropic 未來繼續使用受版權保護的內容。

更尷尬的是，就在本月早些時候，Anthropic 自己還在接受 Vox 採訪時親口證實過，他們確實使用了 The Pile 來訓練 Claude。

排隊起訴已經成了行業常態

雖然 Books3 後來迫於壓力，已經從 The Pile 的官方釋出版本中撤下，但訴狀表示網路其他角落依然能找到它的身影。

而且，這早就不是 AI 公司第一次在資料來源上翻車了。近期的另一項調查也發現，Anthropic 和蘋果等科技巨頭，還曾利用 The Pile 裡扒下來的數萬條 YouTube 影片字幕來訓練模型。

在 Anthropic 之前，幾乎所有一線大模型玩家都領到了傳票。去年，前阿肯色州州長 Mike Huckabee 聯手其他作家，把 Meta、微軟以及開源 The Pile 的非營利機構 EleutherAI 告上了法庭。至於 OpenAI，早早就在應付包括《權力的遊戲》作者 George R.R. Martin 在內的一長串作家名單。

面對這次起訴，Anthropic 並沒有立即回應媒體的置評請求。

為什麼重要

這起訴訟對 Anthropic 來說尤其被動，甚至可能比 OpenAI 面對的訴訟更棘手。

我們認為，Anthropic 的隱患在於他們本月剛剛公開向媒體承認過使用 The Pile 進行訓練。在很多版權訴訟裡，科技公司通常會用「訓練資料是商業機密」來打太極，但 Anthropic 這次等於把半隻腳自己踩進了泥潭，直接坐實了資料接觸史。

對行業而言，這場官司再次戳破了開源資料集的洗白幻覺。早年間很多大模型團隊為了省事，直接拿開源社群現成清洗好的資料集來跑訓練，覺得反正不是自己去盜版網站爬的就能免責。現在看來，這種擊鼓傳花的遊戲根本經不起法律推敲。

如果法院最終判定在未經授權的資料集上訓練屬於直接侵權，甚至要求清除這些資料訓練出來的模型權重，對整個大模型領域的衝擊將是災難性的。Anthropic 接下來很可能會被逼著像 OpenAI 那樣，拿出真金白銀去跟出版商和版權方挨個籤授權協議，這會讓後來者的訓練成本呈指數級上升。