知名演員起訴 OpenAI 與 Meta：指控偷用盜版書訓練 AI

如果你問 ChatGPT 某本書講了什麼，它能對答如流、給出精準的梗概，你可能會驚歎於模型的理解能力。但對原作者來說，這基本等於抓到了盜版現行。

美國喜劇演員兼作家 Sarah Silverman，聯同另外兩位作家 Christopher Golden 和 Richard Kadrey，正式在美國聯邦地區法院對 OpenAI 和 Meta 發起訴訟。他們指控這兩家科技巨頭在未經許可的情況下，擅自使用他們的受版權保護的暢銷書來訓練大語言模型。

代表三位作家的律師團隊正是此前在 AI 領域頻頻出手的 Joseph Saveri 和 Matthew Butterick。他們之前已經代表程式設計師起訴過程式碼生成工具，也代表藝術家起訴過影像生成平臺，現在戰火徹底燒到了文字版權領域。

影子圖書館裡的訓練集證據

訴狀中最直接的指控，直指大模型訓練資料的灰色來源。

原告指出，OpenAI 的 ChatGPT 和 Meta 的 LLaMA 使用了非法獲取的資料集。這些資料大量來自被稱為「影子圖書館」的網站，比如 Bibliotik、Library Genesis 和 Z-Library，而且常常是通過 BT 種子批次下載的。

在針對 OpenAI 的起訴中，原告提交了核心證據：當向 ChatGPT 傳送提示詞時，它能極為詳盡地總結出書中內容。Silverman 的回憶錄《Bedwetter》、Golden 的小說《Ararat》以及 Kadrey 的《Sandman Slim》都在證據列表中被逐一測試。訴狀特別提到，ChatGPT 給出這些總結時，徹底抹去了原書附帶的任何版權管理資訊。

而針對 Meta 的訴狀則抓住了論文裡的馬腳。Meta 在今年 2 月釋出開源模型 LLaMA 時曾發表技術論文，披露了其訓練資料來源。其中一個數據集是由研究機構 EleutherAI 整理的 ThePile。訴狀指出，EleutherAI 自己的論文裡白紙黑字寫著，ThePile 的一部分內容直接來自私密種子站點 Bibliotik。原告認為，這種公然使用侵權資源的行為構成了嚴重的非法侵權。

兩起訴訟分別提出了六項指控，涵蓋侵犯版權、過失、不當得利以及不正當競爭，原告正在尋求法定賠償和利潤返還。

為什麼重要

這起訴訟之所以值得高度關注，是因為它把生成式 AI 最隱秘的痛點端上了檯面：用來餵飽大模型的浩瀚文字，到底是從哪兒來的。

對創作者來說，這是拿回話語權的關鍵戰役。過去科技公司往往以「合理使用」為由矇混過關，但這次原告拿出的證據非常刁鑽。Meta 的訓練集甚至能順藤摸瓜直接追溯到盜版下載站，這讓科技公司很難再用「公開網路爬取」來為自己開脫。如果法院最終認定使用盜版書庫訓練違法，大模型開發商可能面臨天文數字的法定賠償，甚至被迫刪除侵權資料重新訓練模型。

對普通使用者和開發者而言，影響同樣直接。一旦版權防線收緊，開源模型和商業 API 的訓練成本勢必暴漲，未來甚至可能出現某些特定書目或知識被模型「物理遺忘」的情況。

我們認為，原告律師團隊的做法非常老練，他們沒有去和科技公司爭論深奧的模型內部機理，而是死死抓住了「輸入端的資料來源非法」和「輸出端抹去版權標識」這兩個最容易被法官理解的點。科技公司過去為了搶跑，在資料合規上留下了太多漏洞。看起來，依靠無底線洗稿訓練神話的時代正在加速終結，接下來大模型廠商必須老老實實坐回談判桌，為人類的知識和版權買單。