成人免费午夜在线观看,伊人久久精品,一区二区三区精品

（文/陳濟深 編輯/呂棟）

2023年以來，隨著生成式AI的爆火，其不僅一定程度上給用戶提供了便利，也在不斷重塑互聯網行業(yè)的競爭格局，中外諸多廠商均加入了大模型開發(fā)的戰(zhàn)局，也間接引發(fā)了諸多的版權糾紛。

本周，紐約時報起訴OpenAI和微軟違規(guī)收集其新聞進行訓練一事（紐約時報起訴OpenAI和微軟“不勞而獲”，要求消滅），再次將大模型開發(fā)中涉嫌違規(guī)采集數據的問題暴露在公眾視野之下。

據不完全統(tǒng)計，今年僅在美國加州，就已經有數十起針對大模型開發(fā)商違規(guī)使用數據的訴訟。

這些訴訟頻發(fā)的背后是目前版權法案中，存在大模型對數據極度渴求和數據供應難以迅速增長的矛盾，“先授權后使用”的現有版權法律體系并無法匹配AI時代的數據使用方式，也引發(fā)了法律監(jiān)管的新問題。

大模型訓練階段究竟涉及哪些版權利用行為，這一過程可能存在哪些侵權風險？而全球監(jiān)管部門面對這個問題，也給出了各自的解答。

數據為王，版權訴訟戰(zhàn)頻發(fā)

在大模型爆炸性發(fā)展的2023年，紐約時報起訴OpenAI和微軟只不過是貫徹全年版權訴訟大戰(zhàn)的一個縮影。

今年1月，圖庫網站Getty Images對AI圖像生成器研發(fā)公司Stability AI提起法律訴訟，指其非法復制和處理版權圖像作為模型訓練數據。

4月，環(huán)球音樂集團發(fā)函要求Spotify等音樂流媒體平臺切斷AI公司的訪問權限，以阻止其版權歌曲被用于訓練模型和生成音樂。

6月，國內的教培巨頭學而思也被爆出，未經授權利用合作伙伴筆神作文數據進行大模型訓練導致的紛爭。

據不完全統(tǒng)計，自2022年11月至2023年10月，僅美國加州北區(qū)法院便已經受理了10起，版權人起訴Stability AI、Open AI、Meta、Alphabet等AIGC研發(fā)企業(yè)未經授權，利用版權作品進行模型訓練的案件。

在被告名單上，可以看到各個互聯網巨頭均在其中，而侵權訴訟頻發(fā)的背后則是大模型企業(yè)對于數據的極度渴求。

有業(yè)內人士對觀察者網表示：“目前的大模型競爭時代下，相比算法，得數據者得天下?！?

一方面，訓練數據是大模型訓練的基石和燃料，如果沒有數據，大模型的訓練就無法開展和持續(xù)。另一方面，當前技術領域的研究顯示，各家大模型在算法層區(qū)別并不大，并且具有同質化的趨勢。在此背景下，訓練數據就成了真正區(qū)分且影響大模型性能的重要因素之一。

以OpenAI的幾代GPT模型為例，訓練數據上，GPT-1預訓練數據量僅有5GB；到了GPT-2，這個數據則增加至40GB；而在GPT3模型下，OpenAI用以訓練模型的數據集數據量達到了驚人的45TB，而相比GPT3的1750億參數規(guī)模，GPT4相傳達到了100萬億規(guī)模的參數，對于數據的需求呈指數型飆升。

相比需求的爆炸性增長，對于各家大模型企業(yè)而言，自身數據和公開數據的供應顯然難以滿足這種指數型的需求，從互聯網和其他友商那“搭便車”成了行業(yè)內公開的秘密，也成為了目前版權訴訟頻發(fā)的根本原因。

為了應對“偷數據”頻發(fā)的現象，除了通過訴訟手段外，不少互聯網企業(yè)也利用了技術手段開啟防御模式。

目前，有多家處在“數據提供端”的公司對數據抓取、開源等做出了反應。比如X（原名Twitter）限制了用戶每天能查看的推文數量，幾乎使數據提供服務無法使用。馬斯克對此曾表示，這是對“數據抓取”和“系統(tǒng)操縱”的必要反應。

2023年4月，Reddit官方宣布將對調用其API的公司收費，原因正是OpenAI、谷歌等公司利用該平臺上的數據訓練模型。

此外，IT技術問答網站Stack Overflow也計劃向AI大模型的開發(fā)者及公司收取數據訪問費用。