一天吃兩起官司，ChatGPT現在有大麻煩了。

原因都和數據有關。

先是16人匿名起訴OpenAI及微軟，認為他們在未經允許的情況下使用并泄露了個人隱私數據，索賠金額高達30億美元。

緊接著，2位全職作者提出，OpenAI未經允許使用了他們的小說訓練ChatGPT，構成侵權。

而且兩邊的原告都表示，OpenAI從互聯網上搜刮的數據可太多了，除了他們以外還有非常多人的數據正在被違規使用。

網上的討論很多，有人表示作家就是應該維權，并且獲得適當的報酬。

但也有人認為，生成式AI學習互聯網數據就像是學生去參觀藝術作品一樣，應該選擇開放。

現在這兩起訴訟都被遞交到了加利福尼亞舊金山聯邦法院。

被告方OpenAI暫時沒有做出公開回應。

16人索賠30億

先來看第一起訴訟。

6月28日，16位匿名人士向OpenAI及微軟發起訴訟，他們認為基于ChatGPT的AI產品在沒有告知或獲得本人同意的情況下，收集且泄露了他們的個人信息。

這種行為違反了AI模型數據相關的法律政策，而且沒有付費。

他們從互聯網、書籍、文章、網站和帖子中抓取了3000億個單詞，其中包括未經允許獲取的個人信息。

這其中包含賬戶信息、姓名、聯系方式、電子郵件、支付信息、交易記錄、瀏覽器數據、社交媒體信息、聊天數據、cookie等等。

這使得個人信息被嵌入到了他們的AI產品中，而這些信息可以反映出個人愛好、觀點、工作履歷甚至家庭照片等。

原告認為OpenAI沒能充分將這些敏感信息進行過濾，會導致數百萬人面臨信息被泄露的風險。

而且他們指控如上抓取數據的行為，OpenAI是“秘密進行”的，沒有按照適用法律要求的那樣注冊為數據代理商。

負責這次起訴的律師事務所Clarkson，此前曾負責過數據泄露和虛假廣告等問題的大規模集體訴訟。

但能否勝訴目前還很不確定。

知識產權律師凱瑟琳·加德納（Katherine Gardner）表示，當用戶將內容上傳到社交平臺或者其他網站時，他們都會授予平臺廣泛許可，允許平臺使用他們的內容。

因此，普通用戶想要就AI模型的數據獲取問題獲得賠償，具有比較高的挑戰性。

以及有人發現在這份長達157頁的訴訟書中，大量引用了媒體及學界在AI倫理道德方面的討論和警告，但是對于造成實際影響的具體案例列舉不多。

另一邊，兩位美國作家也在同一天起訴OpenAI，認為他們的作品被拿去訓練ChatGPT。

具體的證據是，ChatGPT能為他們的書生成“非常準確”的摘要，這足以說明這些書被收錄在數據庫中。

保羅·特朗布萊（Paul Tremblay）和莫娜·阿瓦德（Mona Awad）表示，ChatGPT未經許可就從數千本書中拷貝數據，這侵犯了作者們的版權。

起訴書中預估，OpenAI的訓練數據中至少包含30萬本書，其中很多來自侵權網站。

比如OpenAI在披露GPT-3訓練數據情況時，就表示其中包含兩個互聯網圖書語料庫，大概占比為15%。起訴作者認為這些數據就是來自影子圖書館網站的，比如Library Genesis、Sci-Hub等。

以及在2018年，OpenAI透露他們給GPT-1喂的數據中包含7000+本小說。起訴方認為這些書是研究人員從一些盜版網站上復制下來的，而沒有獲得作者的同意或授權。

目前OpenAI方面沒有進行公開回應。

實際上，從生成式AI大火以來，AI公司吃版權、數據隱私官司，也真的不稀奇了。

OpenAI一直深陷數據風波

早在去年11月時，OpenAI和GitHub一起推出的代碼助手Copilot，就被程序員們告上了法庭。

原告們認為Copilot侵犯了眾多原創代碼作者的版權，同時還泄露了用戶隱私，因此向法院提起訴訟，索賠達90億美元。

但到目前為止，這個案件還沒有最終定論。

AI畫畫那邊，Stability AI、Midjourney等也同樣官司纏身。

因為發現只要輸入自己的名字，就能生成個人風格的畫作，畫家凱利·麥柯南（Kelly McKernan）聯合另外兩位創作者一起提起訴訟。

律師團隊和上面起訴Copilot的都是同一家。

以及網站平臺方也不愿意被白嫖數據。

這不最近馬斯克給推特限流，給出的理由就是“不想讓AI白嫖數據了”。目前限制措施還在實行中，還不知道之后會有怎么樣的變化。

Reddit則表示自家平臺上的數據非常有價值，所以推出了付費API，價格并不低，這個操作導致不少第三方應用被迫關閉。

總之，AI在網絡上大規模抓取數據訓練后，帶來的隱私安全問題、版權問題層出不窮，被牽扯進來的人也越來越多。

但目前版權問題該怎么算，業內還沒有形成確定的規范。

只有日本方面傳出過消息，不會對訓練AI所使用的數據實施版權保護，因為這能加速AI發展。