Folia
← 返回头版

微软高管称AI数据爬虫为"人类历史上最大的劳动力盗窃",解密法庭文件曝光

美国法庭公开的解密文件显示,微软应用科学总监Brent Hecht在2024年1月将AI训练中的网络爬虫行为描述为"令人震惊的前所未有的盗窃"和"人类历史上最大的劳动力盗窃"1。这些文件揭露了OpenAI和微软在纽约时报等新闻机构发起的版权诉讼中的具体违规细节。

根据解密文件,OpenAI的中期训练数据集包含超过91,692份来自纽约时报、每日新闻和调查报道中心的作品副本1。衍生自Common Crawl的数据集仅从nytimes.com就包含超过200万份文件1。微软员工还策划了绕过纽约时报付费墙的方案,而OpenAI研究人员则删除了训练数据中的版权声明1。

微软的Copilot产品对出版商造成了实质威胁。内部文件显示,该"答案引擎"导致纽约时报域名的点击率相比传统必应搜索下降最多93%1。OpenAI ChatGPT负责人Nick Turley在内部沟通中指出,出版商面临"存在威胁",这些产品"基本上是替代性的"1。Project Mango数据集包含至少160,903件来自新闻出版商的独特作品副本1。微软首席执行官萨蒂亚·纳德拉在2024年早期的证词中表示,"任何付费内容都应该被想要使用它进行训练的任何人许可"1。


评论