《纽约时报》诉 OpenAI：指控、合理使用与请求的救济

《纽约时报》于 2023 年 12 月起诉 OpenAI 和 Microsoft，指称其 AI 产品未经许可使用报社的版权作品，并可能复现内容或错误归属内容。在这期视频中，我解读起诉书及其对生成式 AI 的影响。起诉书中的陈述属于指控，并非对被告违法的裁定。

标题询问 ChatGPT 是否必须重置。[《纽约时报》的起诉书](https://nytco-assets.nytimes.com/2023/12/NYT_Complaint_Dec2023.pdf)请求法院命令销毁包含其作品的模型和训练集，并请求赔偿及其他救济。这是原告请求的救济，并非法院已经下达的重置命令。

合理使用是美国的一项法律原则，在某些情况下允许未经许可使用版权作品。某项具体使用是否符合条件，是取决于事实的法律问题，需要考虑多个法定因素，包括使用目的、作品性质和使用数量，以及对市场的影响。仅仅称某项使用具有转换性，并不能自动决定案件。

我用反应视频作类比，说明如何基于现有材料创造新内容。这个类比有助于解释争议，但反应视频并不自动构成合理使用：法律分析取决于具体使用方式。训练、检索和复现文章也会引出不同的问题。

在一段访谈中，Elon Musk 声称 AI 系统使用受版权保护的材料训练，并预测更先进的 AI 将在诉讼解决之前出现。这些是他的主张和预测，不能证明本案指控或 AGI 时间表。片段中一位身份未确认的采访者询问了版权问题。

起诉书描述了《纽约时报》在新闻、报道和编辑方面的投入。我同意，制作原创新闻需要资源。不过，版权保护涉及符合法律要求的表达，单凭付出努力并不能证明侵权；法律争议取决于具体使用和抗辩。

《纽约时报》指控被告复制了数百万篇文章来构建 AI 产品，而输出可能与其新闻内容竞争。它认为大量摘要或复现可能减少订阅、广告、授权和联盟收入。这些是报社的指控，并非法院结论。

《纽约时报》还指称，其内容在训练数据集中尤其有价值。应将这一主张与关于特定模型及其实际训练数据的证据区分开来。起诉书引用此前披露的数据集和示例来支持其说法。

Microsoft 也是被告。起诉书描述了 Microsoft 的投资、计算基础设施、对 OpenAI 模型的访问以及 Bing 相关产品。它指称，检索和生成可以比普通搜索摘要更长的形式呈现《纽约时报》内容，从而可能减少对原始来源的访问。

《纽约时报》将这种情况与会引导读者访问出版商的传统搜索结果作比较。作为作品曾遭复制的创作者，我能理解这种担忧，同时也重视技术进步。特定使用是否与出版物竞争、合理使用因素如何适用，都是有争议的问题，并不会因为这种对比而自动解决。

起诉书将 Microsoft 推出 AI 产品与其市值大幅增长联系起来。我怀疑这样的增长是否能完全归因于 OpenAI，尽管我认为这种关系有所贡献。市值变化并不是对涉嫌复制所造成损害的测量。

我说 Microsoft 实际上拥有 OpenAI 的一半，但其经济投资和治理安排的细节，并不等同于已经证实的普通 50% 所有权。《纽约时报》描述了紧密的商业和技术合作；我的评论并不能确定具体财务安排。

《纽约时报》表示，它反对其作品的使用，并在起诉前尝试谈判。报社将被告的立场描述为基于转换性使用的合理使用，同时主张其产品替代了原始文章。这些相互竞争的立场是争议的一部分。

OpenAI 后来[回应](https://openai.com/index/openai-and-journalism/)称，训练可能属于合理使用，对《纽约时报》的描述提出异议，并认为某些示例依赖经过操纵的提示。这是公司的立场，并非法院裁定。训练和输出问题都需要审查证据。

起诉书强调《纽约时报》报道所投入的资源，以及其转向数字订阅的过程。报社认为，如果出版商不能保护新闻内容并从中获利，其生产新闻的能力就会受到损害。我认为这种担忧很重要，同时也认识到这是原告对潜在市场损害的描述。

《纽约时报》描述了其寻求谈判授权的过程，并举出文章特定用途的收费例子。过去复印或在网站发布文章的价格，并不自动成为训练模型的正确价格；授权取决于涉及的权利和用途。我说公司有能力支付费用，并不能决定法律是否要求支付。

起诉书批评 OpenAI 从完全非营利的结构转向商业业务，并减少了对较新模型的披露。这些是诉状中的历史主张和批评，不等于已经裁定《纽约时报》作品的特定使用侵犯版权。

起诉书描述了 Microsoft 在基础设施和商业化方面的角色，包括用于训练的大型计算系统。它指控 Microsoft 知晓并参与了受到质疑的使用行为。仅提供基础设施并不能确定法律责任；需要评估法律主张和事实记录。

我讨论 GPT-3 的训练数据组合时说，《纽约时报》文章占其权重的 22%。这是错误的：起诉书称整个 WebText2 语料库占训练组合权重的 22%，并非《纽约时报》部分。起诉书估计，在独立重建的 OpenWebText2 中，《纽约时报》网址占来源的 1.23%；这不是对其在 GPT-3 训练 token 中占比的直接测量。

《纽约时报》指控 Microsoft 了解训练语料，并由于控制基础设施而有能力阻止特定使用。这些是受到争议的责任指控，不能证明 Microsoft 选择了每一件作品，或能够直接从已完成的模型中逐一移除它们。

起诉书并列展示生成文本与《纽约时报》文章的例子，包括大段相同内容和要求继续输出段落的提示。我觉得这些例子很醒目。其法律意义取决于提示、输出、上下文及其他证据，而各方对这些内容存在争议。

《纽约时报》还指称，检索或事实依据补充过程可以获取文章文本，并将其用于生成回答；这不同于模型可能从参数中复现材料。这是两种不同机制。单一示例本身不能证明是哪一种机制产生了回答，也不能证明每个用户都会得到相同结果。

诉状提到 Sam Altman 与前董事会成员 Helen Toner 之间据报道发生的分歧。我推测 Altman 的动机以及他是否知道即将发生的诉讼，但视频中没有证据证实这一推测。报道中的董事会争议不能证明本案存在版权侵权或侵权意图。

《纽约时报》指控 AI 系统将虚构内容错误归于该报，包括产品推荐和一篇报社称从未存在过的健康文章。如果属实，错误归属可能使读者困惑并影响声誉；这些例子是起诉书中的主张，不能作为接受虚构健康说法的依据。

起诉书还描述 Bing 使用量的增长和 Microsoft 的付费产品，以论证合作关系具有商业价值。这些历史数字不能单独区分某个模型或某家出版商内容所产生的影响。我将它们作为《纽约时报》的论点讨论，而非因果损害计算。

《纽约时报》基于信息与信念指控，被告在准备训练作品时故意移除了版权管理信息。我最初将其描述为已证实事实，但它仍是需要证明且可供抗辩的指控。起诉书还提出版权侵权、不公平竞争和商标相关主张。

我询问社会应如何平衡对创作者的补偿与 AI 发展。我预测专有或授权数据集可能变得更有价值。这是市场预测，不是只有专有数据才能合法用于训练的裁定。

我比较了复现段落的两种解释：从网页检索和模型记忆。在不同情况下，两者在技术上都可能发生，案件也可能涉及两方面的证据。我更倾向于记忆这一解释，并不能确定每个例子的原因。

接着我讨论 Midjourney 生成的、与熟悉的娱乐角色相似的图像，并预测会发生诉讼。角色相似性和版权归属需要逐案分析；例如 Shrek 和 SpongeBob 不是 Disney 旗下的角色。仅凭并列图片演示，不能确定侵权或公司的法律责任。

后来，在 2025 年 6 月 11 日，[Disney 和 Universal 对 Midjourney 提起版权诉讼](https://dockets.justia.com/docket/california/cacdce/2%3A2025cv05275/973999)。诉讼提出侵权指控；提起诉讼并非判决。我的 2023 年预测应结合这一后续进展理解，而不能作为案件结果的证明。

作为创作者，当作品以法律不允许的方式遭复制时，我希望获得补偿，同时也希望新工具继续发展。《纽约时报》诉讼及后来的图像生成器争议，展示了训练、输出、授权和救济方面尚未解决的张力；视频本身并没有解决这些问题。