一觉醒来，内容创作者和艺术家的天似乎要塌了。据海外相关媒体在6月25日的报道显示，美国加州北区法院日前做出判决，美国AI初创企业Anthropic使用受版权保护的作品来训练AI大模型属于合理使用范畴。
本案的背景，是数位美国作家在去年将Anthropic告上法庭，指控后者使用盗版书籍训练其Claude模型。对此美国联邦法官William Alsup指出，“原告的控诉无异于抱怨学校培养孩子写作会导致竞争作品激增，《版权法》旨在推动原创作品的发展，而非保护作者免受竞争。”
最终William Alsup法官选择各打五十大板，一方面他做出了有利于Anthropic的裁决，后者购买实体书籍裁切页面、扫描，并用于训练AI大模型的行为合法，可以用亚马逊上的图书价格来确定Anthropic获取书籍内容的成本。另一方面这位法官也表示，Anthropic通过互联网下载盗版书籍是非法的，这一过失仍需单独追究法律责任。
要知道在美国版权法的框架下，如果版权作品已经注册，原告就可以要求进行法定赔偿（Statutory Damages），而不是实际损失赔偿。按照以往的判例，美国版权侵权官司的最低法定赔偿标准，是为每个侵权作品的每次侵权行为支付750美元。如果按照Anthropic自2021年起就从一系列盗版网站下载了超过700万本书的事实，他们可能要面临超过50亿美元的罚金。
Anthropic赢得这场皮洛士式的胜利，就会让整个AI业界在面对版权内容时可以合法应用“合理使用原则”(fair use)，也让自己不会面临一笔史无前例的赔偿。这下“请先生赴死”的网络热梗就在AI业界具象化了，Anthropic算是给其他AI厂商使用版权内容开辟了一条终南捷径。
“AI的训练数据如同化石燃料一样面临着耗尽的危机”，自2024年开始就不断有AI科学家发出这样的警告。比如OpenAI前首席科学家Ilya Sutskever，就曾在2024年的第38届神经信息处理系统年会的演讲中表示，“一个无法改变的事实是，我们只有一个互联网。我们已经达到数据峰值，不会再有更多数据了，所以必须处理好现有的数据。”
而AI行业之所以会在2023、2024年狂飙突进，大模型的性能实现跨越式增长，其实是AI厂商将互联网世界过去三十年积累的数据一次性利用的结果。Common Crawl、The Pile、维基百科等开源数据集，早已被OpenAI、Anthropic、谷歌等厂商嚼成了“甘蔗渣”，也导致市面上的开源数据已经进入“资源枯竭”状态。
为了提升模型的通用性，AI厂商就必须使用涵盖广泛主题和语言风格的海量数据，来让大模型理解复杂的语言结构和语义关系。同时随着AI大模型走向多模态和跨领域应用，它们对不同类型和领域数据的需求也开始显著增加，又进一步推动了数据量的增长。
“不管黑猫白猫，能捉老鼠的就是好猫”，为了满足自身对于数据的需求，AI厂商一边走正道、花钱购买数据，一边则是通过技术手段来偷偷获取被版权保护的内容。进入2024年以来，一众AI厂商为了尽可能地收集数据，已经不再那么“守规矩”，由于他们需要将有限的预算花在算力、电力、水资源等刚性支出上，以至于“偷数据”甚至变成了整个业界心照不宣的操作。
例如，苹果、英伟达、OpenAI在训练AI模型时使用了YouTube未经授权数据，Anthropic的爬虫用DDos的方式从一票网站抓数据，大家甚至连表面功夫都不愿意做了。当然，AI业界还在尝试用“合成数据”来训练大模型，试图用AI自我生成的数据来摆脱数据荒。
然而《Nature》中的一篇论文显示，使用AI生成数据集训练大模型会污染它们的输出，无法避免“模型崩溃”（model collapse），就使得AI厂商对于合成数据的使用变得异常审慎，所以他们也不得不保持对传统数据的依赖。
这次美国法院的判决，实质上是将AI厂商通过技术手段获取版权内容的灰色手段给洗白，并明确了“合理使用原则”不仅适用于互联网，同样也适用于AI。考虑到引领AI潮流的海外厂商基本都在加州，William Alsup的这次落槌就好似蝴蝶振翅，将可能会重塑当下AI业界的时常竞争态势。
当这些AI厂商有了“合理使用原则”作为护身符，版本内容的拥有者可就要倒霉了。作为当下前沿科技的代表，AI业界在信息技术领域几乎碾压其他行业，版本内容拥有者无疑是被降维打击，这也就意味着当AI厂商使用技术手段强行获取版权内容时，版权方将束手无策。
以往版权方还可以选择呼唤监管、使用法律武器来保护自己，可随着“合理使用原则”被司法部门认定为适配AI行业，一切就都变了。当监管选择中立，AI厂商与版权方的博弈无异于是“胖虎欺负大熊”。所以可以预见地是，robots.txt协议即将成为废纸，AI厂商的爬虫必然会席卷整个互联网世界。
不仅如此，类似Reddit这种向OpenAI、谷歌卖数据的模式，可能也会难以长久。毕竟能用爬虫抓取数据的情况下，为什么还要花钱买呢？这也就能解释为何此前对AI音乐“喊打喊杀”的一众唱片巨头，会在本月初突然选择与AI音乐厂商谈判。只能说这些唱片巨头不愧是成功穿越了互联网周期的存在，嗅觉就是灵敏。
【本文图片来自网络】
