21世纪经济报道记者 冯恋阁 实习生肖文旸 广州报道
AI淘金热下，“卖铲人”英伟达也卷入到人工智能版权纷争中。
近日，英伟达和软件公司Databricks被多名作家在旧金山联邦法院提起集体诉讼，称两家公司在训练各自的大模型时“未经同意、未经认可、无补偿”地复制和借鉴了他们的书籍。
数据集侵权，英伟达被诉
根据起诉书，英伟达和Databricks被指控分别使用盗版数字电子书库Books3的数据训练了旗下的大模型NeMo Megatron和MosaicML。“在训练期间，大模型复制并摄取训练数据集中的每个文本作品，并从中提取受保护的表达。”原告认为，两家公司在训练大模型时使用了含有盗版内容的数据集，因此构成著作权侵权。
NeMo Megatron模型托管在大模型社区Hugging Face上。在这个网站中，每个模型都有一个介绍其相关信息的“模型卡”，其中就包括模型的训练数据集信息。
英伟达模型所附的“模型卡”显示，它的训练数据包括EleutherAI提供的数据集“The Pile”。The Pile中包含了800GB的数据，有108GB是来自于Books3的图书数据。据悉，Books3由超过196000册来自影子图书馆Bibliotik的书籍组成。
所谓影子图书馆，是指未经许可收藏了大量享有著作权的书籍，并向公众免费开放的网站。除了本案中的Bibliotik，电子书网站Z-Library、文献网站Sci-Hub等都在此列。深陷版权诉讼中的Open AI此前也曾被质疑使用了来自影子图书馆的数据训练模型。
影子图书馆在版权方面存在一定瑕疵。原告起诉书提到，2023年10月，Hugging Face上的Book3数据集被删除，并附有一条解释：“由于报告的版权侵权，该数据集已失效且无法再访问”。
原告认为，NeMo已经承认在模型训练时采用了The Pile数据集，而The Pile数据集其中就包含了因版权问题被删除的Book3，基于此，NeMo也有著作权侵权的可能。
除了对英伟达的诉讼，三位作家还针对Databricks及其旗下的MosaicML公司发起诉讼。起诉书表示，该公司最近收购了MosaicML公司，而MosaicML生产MPT系列大型语言模型中也使用了Books3数据集进行训练。
据报道，英伟达发言人回应媒体称：“我们尊重所有内容创作者的权利，并相信我们创建 NeMo 完全符合版权法。”
版权成原罪，争议难解
大模型的训练和调整离不开海量数据的输入，这些数据中混入侵权材料的情况也许并不罕见。版权瑕疵似乎也因此成为了大模型的“原罪”。
英伟达并非唯一一家被指控大模型侵犯版权的科技公司。
早在去年1月，美国三名漫画艺术家就对包括Stability AI在内的三家科技公司发起集体诉讼，指控其开发的付费AI图像生成工具构成版权侵权。去年7月，多名喜剧演员、作家对OpenAI和Meta分别发诉讼，指控其侵犯版权。10月，环球音乐集团及其他出版商也起诉美国人工智能公司Anthropic称其滥用“无数”受版权保护的歌词。
日前，也有多位艺术家公开表示，Midjourney在未经他们许可的情况下，模仿他们的画风生成作品并输出的行为是"小偷行为"和对艺术家的不尊重。
而此前《纽约时报》诉 OpenAI “世纪大案”中的两方仍在缠斗。在OpenAI指控《纽约时报》方恶意引导模型生成版权内容后，《纽约时报》回击称此举是为了追踪“该工具侵犯版权的全部范围”。
在国内，大模型侵权的争议也一直存在。2023年6月，北京笔神公司起诉学而思称其窃取其数据；同年12月，正版青团子等四名画师起诉小红书，指控其未经授权使用画师的原创作品作为训练数据。
科技公司大模型屡次遭起诉为拥有AI大模型及欲进入这一领域的科技公司敲响了警钟。
开发可检测AI内容是否侵权的工具或许是一种解法。
今年年初，人工智能模型评估公司Patronus AI发布了一款名为“CopyrightCatcher”的大模型检测工具，用以检测大语言模型的输出结果中是否含有侵权内容。
也有大模型企业选择“破财消灾”，通过签署授权协议达成对版权作品的合规使用。
2023年12月，据媒体报道，有知情人士表示，苹果拿出5000万美元尝试Condé Nast（《Vogue》和《纽约客》的出版商）、NBC和IAC等新闻机构交涉以获得新闻文章的授权，用以其生成式AI产品开发。OpenAI也在今年1月与数十家出版商洽谈签署文章授权协议，以获取数据训练其AI模型。
记者3月18日从安徽明天氢能科技股份有限公司（以下简称明天氢能）获悉，国家电网近日向明天氢能及董事长王朝云分别授予科学技术进步奖一等奖，获奖项目为“大规模氢电一体化站关键技术、核心装备及 21世纪经济报道记者王峰北京报道 近日，全球教育集团培生（NYSE：PSO）公布2023财年财报。2023财年，培生的销售额为36.74亿英镑（下同），同比下降4%，但基础销售额同比增长1%；调整后营业利润5.73亿，同 南方财经全媒体记者马嘉璐 广州报道如何划分一般数据、重要数据、核心数据终于有了国标版“参考答案”。3月21日，国家标准GB/T 43697-2024《数据安全技术 数据分类分级规则》（以下简 所谓香喷喷的婴儿，到底是源于人们的爱意，还是说确有其香？《通讯·化学》21日一项小型研究首次分析了婴儿和青少年体味化学组成的差异。研究显示，有两种较难闻的化合物仅在青少年体味样本中 中新经纬3月22日电 据《日本经济新闻》22日报道，夏普正在讨论缩小液晶显示器业务，夏普已将子公司显示器(SDP、位于市)停产纳入视野。显示器业务持续陷入苦战，成为夏普在2022财年(截至2023年3月)时隔5年陷入最终亏损 全球首台无细胞蛋白质合成生物反应器、全球首台全高温超导托卡马克装置（洪荒70）、64比特超导量子计算机研发与产业化项目、深海可燃冰探采重载作业机器人系统研制、载人电动复合翼垂直起降飞行 。本文链接：OpenAI之后，英伟达也卷入类似诉讼http://www.sushuapos.com/show-2-3718-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 人形机器人走向何方