OpenAI 開發 Media Manager：創作者可自主決定作品是否餵給 AI

過去一年多，AI 公司和內容創作者之間的版權官司打得不可開交。很多畫師、作家和媒體抱怨，自己的作品被莫名其妙抓去餵了模型，甚至連說不的機會都沒有。

OpenAI 終於拿出了一個針對個人的解決方案。5 月 7 日，OpenAI 在一篇闡述資料和 AI 策略的文章中宣佈，他們正在開發一款名為 Media Manager 的工具。創作者可以用它宣告自己擁有的作品，並明確指定這些內容是否能被用於機器學習研究和模型訓練。OpenAI 的目標是在 2025 年正式上線這個工具。

告別形同虛設的 robots.txt

在此之前，網站所有者主要靠幾十年前誕生的 robots.txt 協議來防爬蟲。去年夏天，OpenAI 率先支援了針對 AI 爬蟲的許可權設定，讓網站管理員表達是否允許抓取。

但這套機制對普通創作者來說基本沒用。現實情況是，很多作者根本沒有自己的獨立網站，作品散落在各大社交平臺和相簿裡，經常被別人轉載、二創或者引用。只要有人搬運，AI 爬蟲照樣能抓到。

OpenAI 承認了 robots.txt 的侷限性。按照他們的構想，Media Manager 需要藉助前沿的機器學習技術，跨平臺識別帶有版權的文本、影像、音訊和影片，再根據創作者的意願決定要不要排除在訓練集之外。

除了公佈新工具，OpenAI 還梳理了目前的訓練資料來源，主要由三部分構成。首先是篩選後的公開網頁資料，排除掉設有付費牆、收集個人隱私或已選擇退出的內容；其次是付費合作的私有資料，比如用於訓練 Sora 的私人影片庫、金融時報等媒體檔案；最後是人類標註員和授權使用者的反饋資料。他們再次重申，ChatGPT 團隊版、企業版和 API 使用者的資料絕對不參與模型訓練。

面對外界關於抄襲的指責，OpenAI 辯解稱，模型學習的是概念之間的數學關係，而不是像資料庫一樣儲存原文。如果模型輸出了完全一致的表達，在他們看來屬於機器學習過程中的「失敗」，通常是因為這些內容在公開網路上被反覆引用太多次。

為什麼重要

我們認為，Media Manager 是 OpenAI 在版權重壓下邁出的聰明一步，但實際效果可能要打個問號。

對創作者來說，這看起來終於給了一個主動選擇權，特別是做播客、插畫和影片的自由職業者，不用再眼睜睜看著作品被白拿。但門檻和代價也很明顯，創作者得自己花時間去舉證和登記。如果每個 AI 平臺都做一套自己的管理後臺，創作者難道要跑遍所有公司挨個登記一遍嗎。

對行業而言，OpenAI 試圖通過 Media Manager 建立一個跨模態的版權認領標準。如果做成了，它會把壓力直接甩給 Google、Meta 等競爭對手，逼著大家一起跟進版權過濾機制。這從長遠看會拉高初創團隊訓練基座模型的門檻。

更核心的問題在於時間差。OpenAI 承諾的上線時間是 2025 年，而現有的大模型早就把網際網路爬了個遍。創作者現在去宣告退出，能不能把已經融進模型權重裡的痕跡摳出來，答案顯然是否定的。這更像是一張針對未來模型的免責宣告，能否真正平息法律糾紛，還要看監管和版權方買不買賬。