【OpenAI】OpenAI最新两起诉讼的新风向 - 大模型-偷书-要担责了？
21世纪经济报道记者王俊实习记者蔡欣佁
大模型“偷书”算不算“偷”？是贯穿生成式AI发展进程中的议题，近几年版权纠纷的熊熊战火足以说明其重要性。
本月，OpenAI分别在欧洲大陆和美国本土迎来两起诉讼，把这个问题又推向了新的高度：
一起是被称为欧洲首例生成式AI版权侵权案，据央视报道，当地时间11月11日，德国慕尼黑第壹地区法院裁定：OpenAI未经许可使用受著作权保护的音乐歌词训练ChatGPT模型，已构成侵权。
另外一起则是已经缠斗两年的《纽约时报》诉OpenAI案，11月7日，纽约南区联邦法院法官Ona T. Wang发布最新命令，责令OpenAI向《纽约时报》提交多达2000万条ChatGPT用户日志。
业内对这两起案件倾注了充分的关注，仔细翻阅法律文书，有许多高光点不容忽视：
1、推翻“合理使用”
此前的很多判决中，大模型训练被视为“合理使用”，即在特定情境下，模型无需得到授权即可使用作品。但德国法院率先认定，AI模型“记忆”与“输出”歌词均构成复制侵权，将AI“学习”定性为“偷书”。
2、逐渐穿透“大模型黑箱”
德国法庭用大量篇幅着眼技术审查，纽约法院则直接要求OpenAI交出用户日志。过去，“模型训练”被AI公司盖上层层面纱，现如今，司法面正在层层解剖技术逻辑。
正如德国案的判决书所言：“大模型生成其实其实不是高深莫测的过程”。当训练过程被逐渐复原，技术迷雾随之消散，AI公司便很难再以“技术复杂性”为由进行抗辩。这种趋势，对于AI公司而言，其实其实不乐观。
技术祛魅大模型训练数据的过程其实其实不神秘
生成式AI的练习过程是否涉及侵犯版权，是近年来法律界争议最为激烈的一道命题。
广东财经大学法学院教授姚志伟曾告诉21记者，AI侵权案件的难点在于，一是证明原告作品被用于训练，这个过程发生在企业内部较难证实。二是证明AI的生成物与原告作品存在“本质相似”。
而德国慕尼黑案件打破了上述两个难点。原告GEMA一步步拆解了大模型训练的过程，并通过技术验证发现，用户只需要输入容易的提示词，ChatGPT就能基本完整再现涉案歌曲的歌词，这意味着ChatGPT“记住”了这些内容。根据法庭判决，大模型在训练阶段“记忆”歌词，在输出阶段“还原”歌词，均构成侵犯版权。
这场判决的关键在于，“记忆”是否等于“复制”。判决书显示，大模型训练完成之后，涉案歌词内容就形成了一个固定参数，这个过程已等于于“复制”。到了输出阶段，大模型基于提示词和固定参数生成内容。虽然经解码器进行“随机化”处理。然而，当输出文本达到一定体量，将“不可避免地”再现歌词。判决书中直陈，ChatGPT在此情境下如同数据库。
而OpenAI的立场是，ChatGPT并未贮存或复制观点，而是像学生一样“学习”了知识。更何况，经过用户输入提示词而引发的内容，理应归用户负责。
这套AI公司的惯用措辞，在过去美国的几起版权纠纷中被肯定。然而，德国慕尼黑法院其实其实不买账。
法院明确认定：大模型对歌词的“记忆”构成复制。法院认为，“将歌词编码为参数其实其实不影响其作品完整性。这些参数仍完整地包含在模型中，可被技术手段提取。”涉案歌词已经被固定存储在模型参数中，并通过简单提示词就能被还原，符合德国著作权法第16条“有形固定+可感知”要求。法院援引欧盟《信息社会指令》第2条，采取技术中立的解释：复制涵盖"任何形式和任何方式"，不要求直接感知，只需间接可感知即可。
“数据进入到模型的一步步过程不神秘，也不抽象，每一步都是很清楚、具体的。回到法律，如果我们考察大模型在训练阶段，只是在这个阶段，是否构成著作权的侵权，那我们就应该把这部分训练的代码拿出来，一步步去考察和适用法律，看这个过程是否构成复制？是不是侵犯其它受到《著作权法》保护的权利？”同济大学法学院助理教授、上海 人工智能 社会治理协同创新中心研究员朱悦曾指出。
被迫交出用户日志技术面纱逐渐被揭开
在大洋彼岸的美国本土，OpenAI亦在经历一场诉讼鏖战，其大模型训练过程也将被拆解。
此前，OpenAI沿用惯用策略，声称其使用新闻文章旨在训练模型以学习语言模式，而非替代新闻本身。但11月7日，纽约南区联邦法院法官Ona T. Wang发布最新命令，责令OpenAI向纽约时报提交多达2000万条ChatGPT用户日志。
业内专家吴雨辉表示，在认定版权侵权的案件之中，如此海量的证据提交是非常少见的，却也有其必要性。对于一般的版权案件，通常需要比对原作品和涉嫌侵权的内容是否存在本质相似，但本案中《纽约时报》主张OpenAI涉嫌在输入端的练习数据侵权，无法从输出进行比对，用户日志的确是关键证据。
通常情境下，原告起诉时应遵循“谁主张谁举证”的准则。在本起案件中，OpenAI的输出日志数据（包含用户聊天记录及API输出）一直是原告《纽约时报》的关注焦点，其主张，这些数据是本案的关键证据，而这份关键证据牢牢掌握在被告手中。
根据原告今年5月向法院递交的补充备忘录，早在2023年4月（原告于2023年12月27日提起诉讼），OpenAI就已知晓原告的版权疑虑，理应保存相关日志作为潜在证据。然而，《纽约时报》律师团队指控，OpenAI仅仅保存对其辩解有利的证据，其它数据正在被销毁。
面对证据可能灭失的危险，今年5月13日，Ona T. Wang法官曾签发命令，要求OpenAI“保存并隔离所有本应被删除的输出日志数据”——这甚至包含用户主动删除或出于隐私政策需要删除的聊天记录。
针对Ona T. Wang法官签发的命令，OpenAI打出了隐私保护的惯用牌。其在官方网站称：
《纽约时报》要求我们交出 2000 万条用户的私人 ChatGPT 对话记录，并且声称能从中找到我们利用 ChatGPT 绕过其付费墙的证据。
OpenAI认为，这一要求无视隐私保护规则，违背常识性安全惯例，还将强逼其交出数千万条与诉讼毫无关联的高度私人对话。“你的私人对话为你所有 —— 它们不应成为争议中的牺牲品。”
不管如何“反抗”，命令已是既定事实。OpenAI接着面对的版权官司，困难重重。
天元律师事务所李昀锴指出，欧洲大陆的判决清晰表明，AI的免费午餐时代正在结束，“先授权、后训练”将成为AI公司不可回避的合规路径。大模型“学习”过程也得落入版权法管辖范围。
GEMA总法律顾问凯·韦尔普（Kai Welp）表示：我们开创了一个先例，既保护又澄清了创意版权所有者的权利：ChatGPT等 人工智能 工具的运营商也务必遵守版权法。该判决代表了整个欧洲作者和创作者获得公平酬劳的一个里程碑。即便是科技巨头也务必获得使用 知识产权 的许可；他们不能逃避自己的义务。
不过，OpenAI对判决结果其实其实不合意：我们不同 意这一判决，并正在考虑下一步行动。
《纽约时报》对用户日志这一关键证据的坚持，也将对大模型训练过程进一步穿透。有实力的原被告，将把AI版权的探索推向新高地。 
（图说：德国慕尼黑法院就GEMA v. OpenAI案的判决书）