OpenAI：如果不使用版權內容，ChatGPT等AI模型不可能開發出來

IT之家 1 月 10 日消息，ChatGPT 開發商 OpenAI 近日承認，像 ChatGPT 這樣的 AI 工具的開發離不開受版權保護的素材，并稱如果沒有這些素材，這些工具根本無法誕生。據《每日電訊報》報道，OpenAI 在提交給英國上議院通信和數字事務特別委員會關于大型語言模型調查的文件中做出了這一表述。

ChatGPT 和圖像生成器 DALLE 等 AI 模型之所以擁有強大的能力，主要是因為它們通過海量的內容進行訓練，其中一部分是從網上公開內容抓取而來，并不總是經過版權持有人的許可（OpenAI 確實會獲得部分訓練內容的許可）。這種“自由奔放”的抓取方式在學術機器學習研究中由來已久，但隨著深度學習 AI 模型近期走向商業化，這種做法也受到了愈加嚴厲的審查。

OpenAI 在提交給上議院的文件中寫道，“由于當前版權涵蓋了幾乎所有形式的人類表達方式，包括博客文章、照片、論壇帖子、軟件代碼片段和政府文件，如果不使用受版權保護的內容，就不可能訓練當今領先的人工智能模型。”

OpenAI 進一步表示，如果將訓練數據僅限于“一個世紀前”的公共領域書籍和圖畫，將無法訓練出“滿足當代公民需求”的 AI 系統。

IT之家注意到，去年 12 月《紐約時報》對 OpenAI 和 OpenAI 重要投資者微軟提起訴訟，指控他們未經許可在產品中非法使用了該報的內容。OpenAI 于本周一在其網站上對此案作出了回應，稱該訴訟毫無根據，并重申了其對新聞業的支持以及與新聞機構的合作關系。

OpenAI 的辯護主要基于“合理使用”的法律原則，該原則允許在特定情況下未經所有者許可有限使用受版權保護的內容。該公司堅稱，版權法并不禁止使用此類素材訓練 AI 模型。

“使用公開可獲取的互聯網素材訓練 AI 模型屬于合理使用，這一觀點得到了長期以來廣泛接受的先例的支持，”OpenAI 在其周一發布的博客文章中寫道，“我們認為，這一原則對創作者是公平的，對創新者是必要的，對美國的競爭力也至關重要。”

這不是 OpenAI 第一次就其 AI 訓練數據提出合理使用辯護。早在去年 8 月份，OpenAI 在回應喜劇演員 Sarah Silverman 的版權訴訟時，同樣以合理使用為由捍衛了其使用公開可獲取素材的做法。OpenAI 宣稱，那位喜劇演員對版權范圍存在“誤解”，沒有考慮到“合理使用”等限制和例外條款，而正是這些條款為像大型語言模型這樣的前沿人工智能創新留下了必要的發展空間。