OpenAI开撕纽约时报:故意引导ChatGPT得出抄袭结论

丰色 发自 凹非寺量子位 | 公众号 QbitAI
OpenAI的反击来了。
针对被纽约时报提起史上最受关注的侵权诉讼一案,OpenAI公开发表长文表明立场。
文章直接表示:整个诉讼毫无根据,并指出纽约时报:
存在故意引导ChatGPT之嫌疑
隐瞒信息,没有讲出完整的事情经过

以及OpenAI的总体观点是:
(1)使用版权数据训练合理。没有它们,哪来的当今世界上最先进的模型?(2)如果你不想被训练?可以退出。单一数据源(包括纽约时报在内)的缺失也不会对模型的表现造成重要影响。
消息一出,吃瓜群众再次火速聚集,吵成一团。
支持OpenAI的直接“虾仁猪心”:
纽约时报退出训练数据集,反而会让模型输出质量更好(Doge)

有人则问了当事模型GPT-4的看法,结果AI也把纽约时报无情嘲讽了一番:

吴恩达也洋洋洒洒写了一大堆,总结来说就是:
同情OpenAI多于纽约时报,后者所说的全文抄袭更可能是RAG机制所致,并且实测OpenAI已经堵住漏洞,质疑纽约时报究竟受到了多少实际损失。

不过,反方网友也毫不留情,直接指着鼻子骂:
OpenAI,你太双标了,什么训练合理,都是为了你的利益最大化罢了。

你才是那个没有讲出完整故事的人。

OpenAI具体回应
先来看看OpenAI回应的具体立场,一共包含四个点:
1、非常乐意与新闻机构合作
OpenAI表示,自己在技术设计过程中努力行动支持新闻机构,会见了数十家相关媒体,聆听他们提出的担忧,并提供解决方案。
其本意也是支持健康的新闻生态系统,并实现互利互惠,具体包括:
(1)通过部署他们的产品,来协助新闻从业者完成一些耗时的任务,比如分析大量公共记录和翻译故事,最终让编辑和记者从中受益。
(2)通过对历史、非公开内容进行训练,向他们的AI模型传授世界知识。
(3)在ChatGPT回答中显示带有归属信息的实时内容,为新闻发布者与读者建立联系。
2、训练属于合理使用,提供退出机制
OpenAI此前就在提交给英国上议院的一份意见书中警告称:
如果没有受版权内容的训练,我们的模型就将无法运行。
在此,OpenAI再次表示,使用公开的互联网材料训练AI模型是合理的,既对创作者公平、对创新者必要,也对国家的竞争力至关重要。
并指出这一观点已经在美国得到很多团体、学者的支持,在其他国家和地区例如欧盟、日本、新加坡等甚至有法律支持对受版权保护的内容进行训练。
不过,话锋一转,本着“合法权利对我们来说不如成为好公民重要”,OpenAI表示自己提供了一个简单的退出流程,可以防止他们的AI模型再次访问这些网站数据。
据介绍,纽约时报已经于2023年8月采用这一机制,退出OpenAI的训练。
3、“反流”是罕见错误,希望用户也不要故意引导
所谓“反流”(Regurgitation),其实就是指模型输出和训练数据一模一样的内容。
纽约时报在诉讼中就列出ChatGPT和该家新闻惊人雷同的情况:

对于这一文绉绉的表达,有网友是不满的:不就是抄袭(plagarism)吗?

但不管怎么说,OpenAI的解释是:
当特定内容在训练数据中多次出现时就会出现这种罕见的错误,不过我们已经采取了措施来防止情况出现。
以及,OpenAI也特别劝诫用户:
采取负责任的行为,不要故意操纵模型进行反流,这既是对我们技术的不当使用,也违反了我们的使用条款。
然而,马库斯和一位数字插画家几天前曾联合撰文,列出包括 DALL-E 3在内的AI模型如何在没有明确提示的情况下的不少“反刍数据”,也就是给出一些明显和已有作品场景基本相似的图片等内容。
而这,就使得OpenAI的说法有些矛盾。
最后,在本段末尾,OpenAI还来了一句:
模型是从人类知识的巨大集合中学习的,因此任何一类数据(包括新闻)都只是整体训练数据的一小部分,任何单一数据源(包括纽约时报在内),对于模型的知识学习都并不重要。
4、完整故事被隐藏,收到起诉后惊讶又失望
OpenAI透露,在去年12月19日时,其实已经和纽约时报取得了建设性谈判进展,包括在回答中实时显示来源和跳转等,并和纽约时报解释:
与任何单一来源一样,你们的内容对我们现有模型的训练没有任何有意义的贡献,也不会对未来的训练产生足够的影响。
然而OpenAI表示没想到,12月27号就被直接起诉了,并且还是通过纽约时报的消息才知道——心情整个就是一个既惊讶又失望。
在此,OpenAI指出,对于纽约时报指出的”反流”情况(也就是回答逐字抄写纽约时报新闻),他们很努力解决这个问题,拿出了诚意,并曾要求后者分享示例,但一再遭到拒绝。
更有趣的是,OpenAI发现,所谓的“反流”内容,其实是多年前多个第三方网站上大量传播的文章(即并非来自纽约时报)。
以及纽约时报可能涉嫌故意操纵提示词——放进去大段原文让模型“上当”。
OpenAI表示,按照他们这么操作,模型其实也并没有像纽约时报展示的那样夸张。
这说明:他们要么故意引导模型,要么进行过精挑细选。
综合以上,OpenAI认为:
纽约时报的诉讼毫无根据。
不过缓和的场面话也是有的:
我们仍然希望与其建立合作伙伴关系,毕竟它曾在60年前报道了第一个有效工作的神经网络。
前情回顾
去年12月27日,纽约时报突然一纸状书、220000页附件,递交到地方法院状告OpenAI侵权,当然还包括微软。
诉状中指出,纽约时报的文章构成了Common Crawl中用于训练GPT的最大单个专有数据集。
基于此,他们找到了多达100个铁证,证明ChatGPT输出内容与纽约时报新闻内容几乎一模一样。
并且有时由于幻觉问题,模型还会以纽约时报的名义“造谣”,生成一些假新闻,例如橙汁会导致淋巴癌,这也对他们的名声造成了困扰。
对此,纽约时报的诉求是:
要求OpenAI和微软销毁包含侵权材料的模型和训练数据,并对非法复制和使用《纽约时报》独有价值的作品相关的“数十亿美元的法定和实际损失”负责。
由于证据充足、律师团队强大,网友直呼这是一起“见证AI侵权里程碑式的案件”、“恐怕不能再像之前摆平其他出版商那样三瓜两枣就打发了”。

据了解,去年4月份时,纽约时报就与OpenAI谈判,但没谈妥,OpenAI拒绝达成协议。
原因可能是金额巨大,特别是考虑到OpenAI利润的增长以及类似案例的增多。
有一个大胆猜测是,OpenAI可能想用七至八位数金额(百万美元/千万美元)解决此事,但纽约时报所追求的是更高的赔偿和持续的版税收入。
Ps. OpenAI年收入在16亿美元左右,每年用于买授权文章和材料进行训练的金额在100万美元至500万美元之间。
这次,网友站哪边?
有网友指出,这起案子的关键是“训练是否为合理使用”,而他认为:
模型的输出可能会侵权,但输入不会。

但有人讽刺道:
当你拥有数十亿美元时,一切都是合理使用。

也有人提出:
我同意为合理使用,但前提是你开源。

并有人附和:
确实强调非营利性组织很重要。

此外,对于OpenAI提出的退出机制,有一位作家网友不满的声音也得到了很多支持:
光退出,也就是禁止你们的模型读取我的个人网站还不够,我还需要你仔细检查并从训练数据中完全删除我的内容。

结局究竟会如何?
一项调查显示,有59%的受访者认为,不应允许人工智能公司使用出版商内容来训练模型。
而70%的人表示,如果公司想在模型训练中使用受版权保护的材料,则应向出版商进行补偿。
看起来,舆论似乎是站在纽约时报这一边的。
你觉得这个案子应该怎么判?
参考链接:[1]https://openai.com/blog/openai-and-journalism [2]https://x.com/OpenAI/status/1744419710635229424?s=20 [3]https://www.ft.com/content/04861d1e-2e9f-4b92-a294-8d0c223a8287[4]https://techcrunch.com/2024/01/08/openai-claims-ny-times-copyright-lawsuit-is-without-merit/ [5]https://www.theregister.com/2024/01/08/midjourney_openai_copyright/ [6]https://x.com/AndrewYNg/status/1744433663969022090?s=20 [7]https://x.com/futuristflower/status/1744422698636218807?s=20
— 完 —
点这里👇关注我,记得标星哦~
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~ 

到顶部