2023年底，《纽约时报》起诉ChatGPT的开发者OpenAI和其伙伴微软公司的案件引发了全球关注，近日OpenAI基金会在公司网站发布博客《OpenAI与新闻业》[i]，称：我们支持新闻业，与新闻机构合作，并认为《纽约时报》的诉讼毫无根据。
今天就结合该博客的内容，跟大家分享一下笔者的看法。
OpenAI称，我们的目标是开发人工智能工具，让人们有能力解决那些遥不可及的问题。世界各地的人已经在使用我们的技术来改善他们的日常生活。如今，数百万开发人员和超过92%的财富500强企业都在使用我们的产品。虽然我们不同意《纽约时报》诉讼中的说法，但我们认为这是一个澄清我们的业务、意图以及我们如何构建技术的机会。
OpenAI的立场可以概括为以下四点：
一、我们与新闻机构合作，创造新的机会
我们在技术设计过程中努力为新闻机构提供支持。我们已经与数十家新闻机构以及新闻/媒体联盟等领先的行业组织会面，探讨机会，讨论他们的担忧，并提供解决方案。我们的目标是学习、教育、听取反馈并进行调整。
我们的目标是支持健康的新闻生态系统，成为良好的合作伙伴，创造互惠互利的机会。有鉴于此，我们寻求与新闻机构建立合作伙伴关系，以实现这些目标：
部署我们的产品，通过协助分析大量公共记录和翻译报道等耗时的任务，为记者和编辑提供帮助和支持。通过对更多历史、非公开内容的训练，让我们的人工智能模型了解世界。在ChatGPT中显示实时内容并注明出处，为新闻出版商提供与读者联系的新方式。我们与美联社、阿克塞尔-施普林格（Axel Springer）、美国新闻项目（American Journalism Project）和纽约大学（NYU）的早期合作让我们了解了我们的方法。
笔者的评注：这部分内容说的是OpenAI人工智能服务的正向价值。但“在 ChatGPT中显示实时内容并注明出处，为新闻出版商提供与读者联系的新方式”只是他们的想法，现实的情况恰恰相反，《纽约时报》起诉OpenAI的诉状第184段也提到：根据原告获得的信息和观点，被告在建立包含数百万份《纽约时报》的训练数据集中删除了《纽约时报》的版权管理信息（“CMI”Copyright Management Information），包括《纽约时报》作品以及从第三方数据集中复制的《纽约时报》作品。
笔者在介绍开源软件开发人员起诉OpenAI的文章《用GitHub上的开源代码训练人工智能违法吗？》[ii]一文中提到过“原告认为，当他们的代码被用作训练数据时，代码附带的开源许可证的版权管理信息被（OpenAI）删除了。
二、训练是合理使用，但我们提供了退出选项，因为这样做是正确的
利用公开的互联网资料训练人工智能模型，属于合理使用，这一点得到了长期广泛接受的先例支持。我们认为这一原则对创造者是公平的，对创新者是必要的，对美国的竞争力也是至关重要的。
最近向美国版权局提交意见的众多学者、图书馆协会、民间社会团体、初创企业、美国领先公司、创作者、作者等都支持允许将训练人工智能模型作为合理使用的原则。其他地区和国家，包括欧盟、日本、新加坡和以色列，也有允许在受版权保护的内容上训练模型的法律–这是人工智能创新、进步和投资的优势。
尽管如此，对我们来说，法律权利并不重要，重要的是做一个好公民。我们在人工智能行业中处于领先地位，为出版商提供了一个简单的退出程序（《纽约时报》于 2023 年8月采用了这一程序），以防止我们的工具访问他们的网站。
笔者的评注：著作权法上的合理使用是要有法律明确规定的，比如OpenAI举例中的日本《著作权法》就确实有这个规定，我国《著作权法》第24条也规定了合理使用，比如为个人学习研究欣赏使用、为介绍评论作品或说明问题适当引用，媒体不可避免再现或引用作品、教学科研使用，但不得出版发行等13种情况。
但就人工智能使用他人版权作品，笔者个人认为较难归入上述合理使用法定情形。当然，就像前不久北京互联网法院为了保护新兴产业，认定产生人工智能图画的提示词受版权保护一样，不排除此类案件法院审理中认为人工智能作为新生事物需要保护，也将其归入某一种合理使用的可能性。
关于“为出版商提供了一个简单的退出程序”，其实是一个爬虫屏蔽功能[iii]，只要在网站的Robots.txt文件中加入屏蔽OpenAI爬虫的描述，OpenAI就不会抓取网站的内容进行训练。这个功能的使用方法和网站屏蔽搜索引擎爬虫的功能基本一样。
但《纽约时报》起诉OpenAI可不是屏蔽爬虫那么简单的事情。首先，谷歌百度这样的搜索引擎，其爬取网站的内容后会给网站引流，引导用户访问被爬取内容的网站，用户或者点击网站的广告，或者支付费用访问付费墙后的新闻，达到搜索引擎和网站双赢的生态效果。而OpenAI的做法并非如此，笔者在《〈纽约时报〉起诉了OpenAI和微软哪些侵权行为？》[iv]一文中有描述：
不同于传统搜索引擎只显示网页摘要，（由OpenAI支持的）必应搜索引擎页面上的“合成”搜索结果可以直接回答用户查询，并且可能将《纽约时报》报道中广泛的内容进行释义和直接引用。对于《纽约时报》而言，这种方式实际意味着替代，用户无需访问其网站就可以使用他们的内容，这将导致商业利益受损。
三、“反流”是一个罕见的错误，我们正在努力将其消灭为零
我们设计和训练模型的目的是学习概念，以便将其应用于新问题。死记硬背是学习过程中的一种罕见故障，我们正在不断加以解决，但当特定内容在训练数据中出现不止一次时，这种故障就比较常见了。例如，如果这些内容的片段出现在许多不同的公共网站上。
因此，我们采取了一些措施来限制无意中的记忆，防止在模型输出中出现重复内容。我们也希望我们的用户能够负责任地行事；故意操纵我们的模型进行反流（反流，英文为Regurgitation，医学名词，也称“反刍”，指经过咀嚼的食物从胃返回到嘴里，笔者注）不是对我们技术的适当使用，也违反了我们的使用条款。
正如人类接受广泛的教育以学习如何解决新问题一样，我们也希望我们的人工智能模型能观察到世界上的各种信息，包括来自各种语言、文化和行业的信息。由于模型是从人类知识的巨大集合中学习的，因此任何一个领域–包括新闻–都只是整个训练数据的一小部分，任何一个数据源——包括《纽约时报》——对模型的专门学习都没有意义。
笔者的评注：包括OpenAI[v]、 Meta在内的大语言模型公司都认为，人工智能接受数据的训练方式不同于计算机的简单复制，而是通过大量数据的训练，了解每个词在不同环境下的各种含义，因此其并不包含或者存储训练的数据副本。所以训练数据对模型的意义主要在于，帮助模型更好地理解单词的意义，这也是OpenAI断言新闻数据和《纽约时报》数据源对于模型的专门学习都没有意义的原因。
OpenAI认为，其已经采取了一些措施来限制无意中的记忆，防止在模型输出中出现重复内容，其社交媒体上确实也有这个记录[vi]。但《纽约时报》证明，输入提示词，ChatGPT就可以把其原始新闻反馈给用户。前一部分中，OpenAI说《纽约时报》已经于2023年8月屏蔽了其爬虫，但《纽约时报》诉状中列举的巴以冲突的新闻证据是10月份的，所以OpenAI在博客中说，这些内容不仅出现在《纽约时报》网站，也出现在许多不同的公共网站上。
同时，OpenAI还认为，《纽约时报》取证时故意操纵ChatGPT进行反流，违反了其用户条款。故意操纵应该指《纽约时报》取证时的提示词是特殊的，比如新闻的第一句话，而非用户常用的“提供加沙战争新闻”及类似方式。这里的用户条款应该指的是其用户协议中的规定[vii]：不得将OpenAI的服务用于任何非法、有害或滥用行为。例如，以侵犯、盗用或违反他人权利的方式使用我们的服务。可能OpenAI认为用户利用其技术漏洞输入提示词得到侵犯版权的训练材料信息，也属于以侵权方式使用其服务。
四、《纽约时报》没有讲述全部故事
在12月19日的最后一次沟通中，我们与《纽约时报》的讨论似乎取得了建设性进展。谈判的重点是围绕 ChatGPT中的实时显示和归因建立高价值的合作伙伴关系，《纽约时报》将通过这种新方式与他们的现有读者和新读者建立联系，而我们的用户则可以访问他们的报道。
我们曾向《纽约时报》解释说，与任何单一来源一样，他们的内容对我们现有模型的训练没有任何意义，对未来的训练也没有足够的影响。他们在12月27日提起的诉讼，我们是通过阅读《纽约时报》得知的，让我们感到意外和失望。
一路走来，他们曾提到看到一些重复他们内容的情况，但一再拒绝分享任何实例，尽管我们承诺调查并解决任何问题。我们已经证明了我们是如何认真对待这一优先事项的，例如在 7 月份，当我们得知 ChatGPT功能可能会以非预期的方式复制实时内容后，我们立即关闭了该功能。
有趣的是，《纽约时报》诱导转载的内容似乎来自多年前的文章，而这些文章已在多个第三方网站上泛滥。为了让我们的模型进行反流，他们似乎有意篡改了提示语，通常包括冗长的文章节选。即使在使用此类提示时，我们的模型通常也不会像《纽约时报》影射的那样，这表明他们要么是指示模型进行反流，要么是从众多尝试中挑选出的例子。
尽管《纽约时报》声称，这种误用并非典型或允许的用户行为，也不能替代《纽约时报》。无论如何，我们正在不断提高我们系统的抗逆性，以抵御反流训练数据的攻击，并已在我们最近的模型中取得了很大进展。
我们认为《纽约时报》的诉讼毫无根据。尽管如此，我们仍希望与《纽约时报》建立建设性的合作关系，并尊重其悠久的历史，其中包括 60 多年前报道第一个工作神经网络和捍卫第一修正案规定的自由。
我们期待与新闻机构继续合作，通过实现人工智能的变革潜力，帮助提升他们制作高质量新闻的能力。
笔者的评注：这部分除了介绍诉讼前双方的交流，其他内容主要是总结，OpenAI告诉大家，他们有技术措施防止受版权保护的训练素材被重现给用户，他们还是希望和《纽约时报》合作并帮助新闻行业。
参考资料：
[i] https://openai.com/blog/openai-and-journalism
[ii] https://mp.weixin.qq.com/s/1TTkYh2yJZgd_CSCbtdgkw
[iii] https://platform.openai.com/docs/gptbot
[iv] https://mp.weixin.qq.com/s/mTwdFVs5wCV7hMdyOCasLQ
[v] https://www.regulations.gov/comment/COLC-2023-0006-8906
[vi] https://twitter.com/OpenAI/status/1676072388436594688
[vii] https://openai.com/policies/terms-of-use
本文作者：游云庭，上海大邦律师事务所高级合伙人，知识产权律师。电话：8621-52134900，Email: yytbest@gmail.com，本文仅代表作者观点。