内部文件曝光：微软高管曾称AI训练是“盗窃”，OpenAI承认对媒体构成生存威胁

【科技24时区】三年前，《纽约时报》将OpenAI与微软推上被告席，指控其侵犯版权。如今，随着部分未删减诉讼文件的解封，这场旷日持久的法律拉锯战迎来了新的转折点。令人咋舌的是，这些内部通信记录揭示了一个惊人的事实：在私下场合，科技巨头的高管们早已意识到，他们引以为傲的AI训练手段，本质上无异于“盗窃”，而其产品正对新闻出版业构成致命的“生存威胁”。

值得注意的是，此次披露的信息主要源自《纽约时报》提交的简报，而非那些仍处于保密状态的底层证据。尽管法官此前多倾向于支持AI公司关于“合理使用”（fair use）的抗辩——即认为训练属于类似戏仿或新闻评论的非侵权使用——但新曝光的内部言论却与这一法律基石背道而驰。特别是当涉及到“是否替代原作市场”这一核心判定时，科技公司的内部评估显得尤为诚实且残酷。

微软应用科学总监布伦特·赫克特（Brent Hecht）在2024年1月的一份内部演示文稿中，描绘了一幅令人不安的图景。数据显示，微软Copilot“答案引擎”导致《纽约时报》域名的点击率相比传统必应搜索暴跌了93%。赫克特将这种下滑描述为一个“死亡螺旋”（doom loop），它不仅损害模型性能，更在摧毁整个网络生态。“终端产品威胁到其关键供应商的经济基础，这极不寻常，但这正是我们LLM业务在其‘内容供应链’方面所创造的局面。”这份被引用的微软文件直言不讳地写道。

更为讽刺的是，微软CEO萨提亚·纳德拉（Satya Nadella）在今年早些时候的证词中明确表示：“任何设有付费墙的内容，都应获得授权才能用于接地或训练。”他进一步强调，若事先知晓OpenAI抓取并训练了付费墙后的信息，他将行使权利要求OpenAI重新训练模型。然而，现实却是，两家公司通过名为“Project Taxi”和“Project Mango”的项目紧密合作，后者甚至汇编了包含至少16万篇来自新闻出版社的独特作品的数据集。

从某种角度看，OpenAI内部的焦虑感同样强烈。ChatGPT负责人尼克·特利（Nick Turley）在内部沟通中指出，出版商面临来自聊天机器人的“生存威胁”，因为这些产品具有“高度替代性”，且随着技术迭代，这种替代效应只会愈发显著。OpenAI总裁格雷格·布罗克曼（Greg Brockman）则形容其模型在新闻处理上“表现出色”。纳德拉也在宣誓下承认，与聊天机器人对话确实替代了用户前往原始网站获取信息的行为。这种直白的表述，彻底击碎了“AI仅是转化工具”的辩护逻辑，直指其与原作直接竞争的本质。

数据的规模之大，足以让人倒吸一口凉气。文件首次披露，仅OpenAI的中期训练数据集就包含了超过91,692份来自《纽约时报》、《每日新闻》及调查报道中心的作品副本。而在源自Common Crawl的数据集中，仅nytimes.com的文档数量就超过了200万份。赫克特在2023年1月的备忘录中，将此举称为“前所未有的惊人盗窃”以及“人类历史上最大规模的劳动窃取”。

为了最大化抓取效率，OpenAI员工甚至制定了规避付费墙检测的计划。当研究员尼克·赖德（Nick Ryder）向布罗克曼汇报破解《纽约时报》付费墙的“黑客技巧”时，后者的回复简短而意味深长：“啊，不错。”此外，为了确保模型输出不包含版权标识，研究人员还被指故意从训练数据中剥离版权声明。这一切，都发生在公众视线之外，直到诉讼文件将其公之于众。目前，OpenAI与微软均未回应置评请求。