《纽约时报》诉 OpenAI 及微软版权案出现新进展——法庭披露的文件首次曝光两家科技公司内部的表态：AI 抓取内容等于"盗窃"，ChatGPT 类产品对新闻媒体构成"生存威胁"。这批材料还详细揭示了被告如何绕过付费蔷、批量抓取数据并刻意删除版权信息。
核心指控：内部文件揭露"盗窃"定性
此次披露源于《纽约时报》于三年前发起的版权诉讼。文件显示，微软一名高管曾在私下将两家公司的 AI 训练行为描述为"盗窃"（theft）；OpenAI 领导层则明确表示，其 AI 模型对该报及依赖其内容生存的记者构成了"生存威胁"（existential threat）。
文件还首次披露了具体数据规模：仅 OpenAI 中期训练数据集中，就包含《纽约时报》《每日新闻》（Daily News）以及调查报道中心（Center for Investigative Reporting）作品的超过 91,692 份复制件。一个来自 Common Crawl 的数据集更是收录了超过200 万份来自 nytimes.com 的文档。微软应用科学总监 Brent Hecht 在 2023 年 1 月的一份内部备忘录中直指，这是"史无前例的惊人盗窃""人类历史上最大规模的劳动盗窃"。
商业模式冲击：点击率暴跌与"死亡螺旋"
新文件中最具杀伤力的证据，来自微软自身的数据。
微软 Copilot"答案引擎"导致《纽约时报》域名点击率相较传统 Bing 搜索暴跌最高 93%。2024 年 1 月由 Brent Hecht 撰写的内部演示文稿，将这一下降描述为一种"死亡螺旋"（doom loop）："这将同时损害我们模型的性能以及整个网络的生态。"
"一款终端产品对其核心供应商的经济基础构成威胁，这种情形极为罕见——但这就是我们为大模型业务与其'内容供应链'所创造的处境。"
此外，微软 CEO 萨提亚·纳德拉（Satya Nadella）在今年早些时候的取证中作证称："任何处于付费蔷后的内容，若要用于检索或训练，都应该获得授权。"他同时表示，若早知 OpenAI 抓取并训练了付费蔷后的内容，他会"行使要求 OpenAI 重新训练模型的权利"。
OpenAI ChatGPT 负责人 Nick Turley 也在内部沟通中坦言，出版商正面临来自 ChatGPT 类产品的"生存威胁"，因为这些聊天机器人与原作品"在很大程度上可相互替代"且"随着产品迭代，替代性只会越来越强"。OpenAI 总裁 Greg Brockman 则形容其模型"在新闻方面表现出色"。纳德拉也在证词中承认，与聊天机器人对话"已经取代了在源网站获取信息的需要"。
抓取手法：绕过付费蔷、删除版权声明
新文件还详细描述了 OpenAI 和微软获取内容的技术路径：
- 依托必应索引抓取：OpenAI 将整个 GPT-3 训练数据集交付微软，供其在商业产品中评估和部署模型；微软则通过名为"Project Taxi"和"Project Mango"的项目向 OpenAI 提供训练数据据悉，Project Mango 的数据集中包含至少 160,903 份来自涉案新闻机构的独特作品。
- 绕过付费蔷：OpenAI 研究人员 Nick Ryder 向 Greg Brockman 报告发现一种"解锁 NYT 付费蔷的方法"时，Brockman 回复："啊，不错"（"ah nice"）。
- 刻意删除版权声明：研究人员在数据送入模型前，会主动去除版权信息，因为"他们不希望模型向用户输出版权声明"。
- 大规模依赖新闻抓取内容：OpenAI 内部构建的 WebText 和 WebText2 训练数据集不成比例地依赖抓取自新闻网站的内容，并从 Common Crawl（一个免费开放的网页爬取数据库）中抽取了数百万篇文章。
一周科技要闻速览：AI 模型竞争加剧，明星公司动态密集
AI 军备竞赛持续升温
Salesforce 与 Nvidia 联合推出推理模型 Salesforce 和 Nvidia 合作发布了一款推理模型，被评价为"足以让 AI 实验室感到威胁"的产品。该模型的推出被视为两大企业联手挑战当前 AI 市场的重磅动作。
黄仁勋与特朗普会面 Nvidia CEO 黄仁勋（Jensen Huang）近期与特朗普进行了通话，并在通话期间另行展示了一些"其他内容"，引发业界猜测。
创业生态动态
Y Combinator 最新一批 Demo Day 亮点项目 Y Combinator 最新一期 Demo Day 共有 9 家初创公司获得了投资人的广泛关注。这些项目涵盖企业服务、消费者应用及前沿技术领域，代表了当前硅谷创业的主流方向。
头部公司动向
特斯拉确认将于 10 月 1 日发布第二代 Roadster 特斯拉宣布将在 10 月 1 日正式亮相备受期待的第二代 Roadster 车型。该车型自首次公布以来经历了较长的研发周期，此番定档引发电动跑车市场关注。
Revolut 确认数据泄露事件 英国金融科技公司 Revolut 确认遭遇客户数据泄露，事件起因是攻击者通过伪造zf 请求获取了用户信息。该公司已就此事展开调查并通知受影响用户。
Automattic 创始人马特·穆伦维格重新掌控公司 WordPress 联合创始人、Automattic CEO 马特·穆伦维格（Matt Mullenweg）在一场 CEO 罢免风波后向员工表示"已重新掌控局面"。这一声明为该公司近期的内部动荡画上了阶段性句号。
延伸阅读
- Jensen Huang took a call from Trump, and showed off something else, too
- Tesla says it will finally unveil the second-generation Roadster on October 1
- Revolut confirms customer data breach through fake government requests
- Matt Mullenweg tells Automattic staff he's back in control after CEO ouster
- 纽约时报官网
评论