7月8日，一天吃两起官司，ChatGPT现在有大麻烦了。

　　原因都和数据有关。

　　先是16人匿名起诉OpenAI及微软，认为他们在未经允许的情况下使用并泄露了个人隐私数据，索赔金额高达30亿美元。

　　紧接着，2位全职作者提出，OpenAI未经允许使用了他们的小说训练ChatGPT，构成侵权。

　　而且两边的原告都表示，OpenAI从互联网上搜刮的数据可太多了，除了他们以外还有非常多人的数据正在被违规使用。

　　网上的讨论很多，有人表示作家就是应该维权，并且获得适当的报酬。

　　但也有人认为，生成式AI学习互联网数据就像是学生去参观艺术作品一样，应该选择开放。

　　现在这两起诉讼都被递交到了加利福尼亚旧金山联邦法院。

　　被告方OpenAI暂时没有做出公开回应。

　　16人索赔30亿

　　先来看第一起诉讼。

　　6月28日，16位匿名人士向OpenAI及微软发起诉讼，他们认为基于ChatGPT的AI产品在没有告知或获得本人同意的情况下，收集且泄露了他们的个人信息。

　　这种行为违反了AI模型数据相关的法律政策，而且没有付费。

　　他们从互联网、书籍、文章、网站和帖子中抓取了3000亿个单词，其中包括未经允许获取的个人信息。

　　这其中包含账户信息、姓名、联系方式、电子邮件、支付信息、交易记录、浏览器数据、社交媒体信息、聊天数据、cookie等等。

　　这使得个人信息被嵌入到了他们的AI产品中，而这些信息可以反映出个人爱好、观点、工作履历甚至家庭照片等。

　　原告认为OpenAI没能充分将这些敏感信息进行过滤，会导致数百万人面临信息被泄露的风险。

　　而且他们指控如上抓取数据的行为，OpenAI是“秘密进行”的，没有按照适用法律要求的那样注册为数据代理商。

　　负责这次起诉的律师事务所Clarkson，此前曾负责过数据泄露和虚假广告等问题的大规模集体诉讼。

　　但能否胜诉目前还很不确定。

　　知识产权律师凯瑟琳·加德纳（Katherine Gardner）表示，当用户将内容上传到社交平台或者其他网站时，他们都会授予平台广泛许可，允许平台使用他们的内容。

　　因此，普通用户想要就AI模型的数据获取问题获得赔偿，具有比较高的挑战性。

　　以及有人发现在这份长达157页的诉讼书中，大量引用了媒体及学界在AI伦理道德方面的讨论和警告，但是对于造成实际影响的具体案例列举不多。

　　另一边，两位美国作家也在同一天起诉OpenAI，认为他们的作品被拿去训练ChatGPT。

　　具体的证据是，ChatGPT能为他们的书生成“非常准确”的摘要，这足以说明这些书被收录在数据库中。

　　保罗·特朗布莱（Paul Tremblay）和莫娜·阿瓦德（Mona Awad）表示，ChatGPT未经许可就从数千本书中拷贝数据，这侵犯了作者们的版权。

　　起诉书中预估，OpenAI的训练数据中至少包含30万本书，其中很多来自侵权网站。

　　比如OpenAI在披露GPT-3训练数据情况时，就表示其中包含两个互联网图书语料库，大概占比为15%。起诉作者认为这些数据就是来自影子图书馆网站的，比如Library Genesis、Sci-Hub等。

　　以及在2018年，OpenAI透露他们给GPT-1喂的数据中包含7000+本小说。起诉方认为这些书是研究人员从一些盗版网站上复制下来的，而没有获得作者的同意或授权。

　　目前OpenAI方面没有进行公开回应。

　　实际上，从生成式AI大火以来，AI公司吃版权、数据隐私官司，也真的不稀奇了。

　　OpenAI一直深陷数据风波

　　早在去年11月时，OpenAI和GitHub一起推出的代码助手Copilot，就被程序员们告上了法庭。

　　原告们认为Copilot侵犯了众多原创代码作者的版权，同时还泄露了用户隐私，因此向法院提起诉讼，索赔达90亿美元。

　　但到目前为止，这个案件还没有最终定论。

　　AI画画那边，Stability AI、Midjourney等也同样官司缠身。

　　因为发现只要输入自己的名字，就能生成个人风格的画作，画家凯利·麦柯南（Kelly McKernan）联合另外两位创作者一起提起诉讼。

　　律师团队和上面起诉Copilot的都是同一家。

　　以及网站平台方也不愿意被白嫖数据。

　　这不最近马斯克给推特限流，给出的理由就是“不想让AI白嫖数据了”。目前限制措施还在实行中，还不知道之后会有怎么样的变化。

　　Reddit则表示自家平台上的数据非常有价值，所以推出了付费API，价格并不低，这个操作导致不少第三方应用被迫关闭。

　　总之，AI在网络上大规模抓取数据训练后，带来的隐私安全问题、版权问题层出不穷，被牵扯进来的人也越来越多。

　　但目前版权问题该怎么算，业内还没有形成确定的规范。

　　只有日本方面传出过消息，不会对训练AI所使用的数据实施版权保护，因为这能加速AI发展。