张一鸣的路，OpenAI走得通吗？

2024-01-14 09:34 来源：去可网点击：

张一鸣的路，OpenAI走得通吗？

OpenAI 和美国媒体的互掐，越来越有看头了。

当地时间 1 月 9 日，OpenAI 终于打破了近两周的沉默，公开发表长文回应美国媒体的指控。去年 12 月 27 日，美国媒体在美国起诉 ChatGPT 制造商 OpenAI 及其合作伙伴微软，指控后者未经许可使用数百万篇文章训练 AI。

这次 OpenAI 的回应不是白开水般的公关措辞，而是犀利地指出，美国媒体没有讲述完整的经过，且有故意操纵 ChatGPT 回答结果之嫌，整个诉讼毫无根据。

一边是代表着新科技的 ChatGPT，一边是代表着老牌新闻机构的美国媒体，二者对簿公堂，原本就是注定写进科技史的事件。如今 OpenAI 颇为 " 头铁 " 的回应，更是为事件火上浇油。

回头看，不管是广播、电视、互联网，新的媒介产生，都会与内容版权方产生利益拉扯，其中又尤以新闻业最为激烈。

无独有偶，OpenAI 如今高举的依然是 " 合作 " 的旗。在对美国媒体毫不客气地回怼之余，也强调了 " 可退出 " 原则，以及与新闻机构合作的强烈意愿。

但这次，美国媒体们只会更加谨慎——直到现在，社交媒体如 Facebook、搜索引擎如谷歌与新闻业仍旧没有达成一致，新闻业想要从平台获得更多分成，而平台则不愿轻易配合。

OpenAI 抛出合作之 " 饼 "，美国媒体们可能不会轻易吃下了。

OpenAI 和美国媒体，都握紧了拳头。

自 ChatGPT 在 2022 年底推出以来，OpenAI 没少吃版权官司。去年 9 月，就有十余名作家对 OpenAI 提起诉讼，几个月后的 12 月，又有 11 名美国作家在纽约曼哈顿联邦法院起诉 OpenAI 和微软。

但美国媒体的诉状，分量毕竟不同。一来美国媒体本身是西方最主流、最大的老牌媒体之一，二来美国媒体的起诉来势汹汹。

起诉 OpenAI，美国媒体一口气向法院提交了 22000 页的附件和状书，其中对 ChatGPT 侵权的关键证据多达 100 个，显示 ChatGPT 输出的内容和美国媒体高度相似。

在一个典型的证据片段中，左边是 GPT-4 的输出结果，右边是美国媒体原文，重合的文字以红色显示，像极了中文互联网上每次 " 锤 " 抄袭时会用的 " 调色盘 " 技能。

诉状中表示，光是美国媒体的文章构成了 Common Crawl 中用于训练 GPT 的最大单个专有数据集（Common Crawl 是一个基金会，16 年来已经几乎存档了整个网络）。美国媒体要求 OpenAI 和微软销毁包含侵权材料的模型和训练数据，没有提出具体索赔金额，但表示被告应该对非法复制和使用美国媒体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。

除此之外，美国媒体还指出，由于 AI" 幻觉 "，ChatGPT 有时会将一些假新闻、谣言 " 张冠李戴 "，说成是出自美国媒体的，对其名誉造成损害。

再表态时，OpenAI 也不客气，发长文，抛出四个关键点：1、OpenAI 愿意和新闻机构合作并创造新机会；2、使用公开的互联网材料训练 AI 模型是合理的，但 OpenAI 还是提供了退出机制；3、反刍事实（regurgitate facts）确实是一种罕见的错误，OpenAI 正在努力将其减少到零；4、美国媒体没有完整讲述故事，其诉讼毫无根据。

其中提到的 " 反刍 "，就是指 AI 将训练物料原封不动地 " 吐出来 "，就像美国媒体所列举的那样，AI 的回答和美国媒体的文章几乎一字不差。OpenAI 的立场是，" 反刍 " 现象的确存在，但 OpenAI 已经将其程度降到很低，美国媒体一下拿出上百个 " 反刍 " 例子，是很可疑的。

因此，OpenAI 怀疑：" 有趣的是，美国媒体提到的反刍似乎来自多个第三方网站上大量传播的多年前的文章。他们似乎故意操纵提示，通常包括冗长的文章摘录，以便让我们的模型反刍。即使使用这样的提示，我们的模型通常也不会像美国媒体暗示的那样表现，这表明他们要么指示模型反刍，要么从多次尝试中精心挑选示例。"

总而言之就是：说我家孩子偷东西？我看是你塞孩子手里、搞栽赃吧？

除此之外，OpenAI 的回应中还有两点值得玩味。

首先，OpenAI 强调了 " 退出 " 机制，并指出美国媒体早在去年 8 月就已经采用推出流程。实际上，美国媒体、英国媒体、CNN 等在内的多家主流新闻媒体都已在去年起屏蔽 OpenAI 的 GPTBot 网络爬虫，以限制其继续获取这些媒体的内容。

其次，OpenAI" 杀人诛心 "，否定了美国媒体一家媒体在 ChatGPT 训练中的重要性：" 由于模型是从人类知识的巨大集合中学习的，因此任何一个部门（包括新闻）都只是整体训练数据的一小部分，而任何单一数据源（包括美国媒体）对于模型的预期学习并不重要。"

" 我不是、我没有、你别瞎说啊 " 的否认三连，放在 OpenAI 身上正合适。

既然 AI 已经是未来趋势，OpenAI 也有意愿合作，美国媒体为何还要大动干戈？

" 人工智能 30% 都来源于新闻业。让我们不要再犯同样的错误、再一次免费地付出一切。"" 我们的内容正在被盗窃，我们必须说：这次不行。"《媒体创新 2023 年世界报告》中写道。

" 不要犯同样的错误 "，类似的措辞，当 OpenAI 的 CEO 山姆 · 阿尔特曼坐在美国国会听证席上时也听到过。彼时国会议员数次表达后悔，称不能重蹈社交媒体时代的覆辙。社交媒体时代，监管被远远落在科技发展之后，扎克伯格 2018 年首次因 " 剑桥丑闻 " 坐上国会听证席时，Facebook 已经推出 14 年。

从某种角度来说，OpenAI 的确是站在了巨人的肩膀上——有了前车之鉴，ChatGPT 一朝出名，立刻引来四方警惕。

美国媒体们也不想重蹈覆辙。在搜索引擎和社交媒体成为流量入口的时代，传统媒体艰难转型，也曾和大型科技平台达成 " 合作 "，但后来却觉得这不 " 值 "。

Facebook 很早就和传统媒体展开合作，美国媒体也是首批入驻的媒体，那时的合作模式是利润分成，分发在 Facebook 的平台完成。但随着 2018 年 Facebook 和谷歌母公司获得美国数字广告收入的 60%，媒体机构开始觉得自己被夺走得太多、得到的却太少。

2019 年，美国媒体曾发布报道：美国新闻业数字广告年收入 51 亿美元，而谷歌提供聚合新闻服务所获得的数字广告收入 47 亿美元。

新闻出版商在多个国家和地区争取更多利益。2020 年，澳大利亚政府成为第一个要求 Facebook 和谷歌为新闻内容付费的国家。2023 年，加拿大也通过了《在线新闻法》，随后谷歌与当局达成协议，同意向加拿大新闻出版商支付 7400 万美元。而 Facebook 的制造商 Meta 却拒绝妥协，干脆不在加拿大当地屏蔽新闻内容。美国《新闻竞争与保护法案》也曾在国会推进，但未获得全体投票机会。

撰写《媒体创新 2023 年世界报告》的创新媒体咨询集团创始人胡安 · 赛诺在演讲中直言：" 我们不能在别人的平台上建立自己的业务，无论是 Facebook 还是谷歌，大型科技公司并不关心我们的利益。"" 他们有自己的利益，为什么要指望他们照顾我们的利益呢？形式主义盛行，收入却太少。"

要知道，美国媒体本身是在纸媒衰落之时浴火重生的榜样，2008 年次贷危机后，其一度抵押总部大楼借款，甚至多方出手想要将其收购。随着大举进行数字化转型，推出付费订阅模式，美国媒体最终扭亏为盈。在 2022 年，美国媒体超过六成收入都来自付费订阅。

由此，也就不难理解美国媒体要和 OpenAI" 鱼死网破 " 的架势从何而来：" 合作 " 说起来简单，但怎么合作才能保证美国媒体们原有的利益不受侵害、新的商机不被夺走？问号很多，答案寥寥。

" 利用美国媒体在报道中的巨大投入，在搭新闻行业的便车。" 美国媒体的怨气，不仅来自 " 初出茅庐 " 的 ChatGPT。

对于 OpenAI 来说，这注定是一场硬仗。

除了多点爆发的版权之争，欧洲已经于去年 6 月表决通过《AI 法案》草案。根据该法案，OpenAI 等厂商需要公开在训练模型过程中使用的受版权保护的版权数据清单。

虽然在此次的声明中强调美国媒体 " 不重要 "，但版权内容对于 OpenAI 的大模型训练还是很重要的。

在前不久提交给英国上议院通信和数字事务特别委员会关于大语言模型调查的文件中，OpenAI 承认，像 ChatGPT 这样的 AI 工具的开发离不开受版权保护的素材，并称如果没有这些素材，GPT 根本无法诞生：" 由于当前版权涵盖了几乎所有形式的人类表达方式，包括博客文章、照片、论坛帖子、软件代码片段和政府文件，如果不使用受版权保护的内容，就不可能训练当今领先的人工智能模型。"