「用公司筆電下載這些資料感覺不太對」Meta 為訓練 AI 下載盜版書規模驚人
Meta（前身為 Facebook）近期捲入一場版權侵權訴訟風波。根據最新解封（在美國法律體系中，某些法庭文件可能會因各種原因被「封存」（sealed），意味著這些文件不對公眾公開）的電子郵件證據顯示，Meta 被指控透過種子下載（torrenting）方式，從多個影子圖書館（shadow libraries）下載了至少 81.7 TB 的資料，其中包括來自 Z-Library 和 LibGen 的 35.7 TB 資料。此外，Meta 先前還曾從 LibGen 下載了 80.6 TB 的資料。
編按：
- 種子下載（torrenting）是一種點對點（peer-to-peer，簡稱 P2P）的檔案分享方式。
- 影子圖書館，是將學術文獻和小說開放提供給大眾的線上資料庫，大多都以侵犯著作權的方式提供內容。
訴訟文件指出，Meta 的這些行為涉及到的範圍很大。原告表示，有人盜版少量資料（比如 6.5 GB，大約是 1-2 部高畫質電影的大小），法官就認為嚴重到需要刑事調查，而 Meta 現在被指控下載的資料量（81.7 TB）比這個量大了約 12,500 倍，「小規模盜版都要進行刑事調查了，那 Meta 這麼大規模的行為豈不就更嚴重？」
員工曾對下載行為表示擔憂、Meta 也刻意隱藏
解封的電子郵件中揭露了 Meta 內部員工對這些下載行為的顧慮。Meta 研究工程師 Nikolay Bashlykov 在 2023 年 4 月的一則訊息中寫道：「用公司筆電下載這些資料感覺不太對」，並表達了對「使用 Meta IP 位址下載盜版內容」的擔憂。到了 2023 年 9 月，Bashlykov 直接向法律團隊諮詢，強調使用這種下載方式可能會有法律問題。
根據訴訟文件，Meta 研究員 Frank Zhang 的內部訊息顯示，公司選擇不使用 Facebook 伺服器進行下載，以避免被追蹤到下載者身份。Meta 專案管理主管 Michael Clark 在證詞中也承認，公司確實修改了設定，試圖刻意避免被系統追蹤。
AI 的版權問題並非首次發生
值得注意的是，這並非 AI 模型首次被指控竊取資訊。早在 2023 年 6 月，OpenAI 就曾被小說作家提告使用其作品被 OpenAI 用來訓練大型語言模型。NVIDIA 也曾面臨書籍作者的訴訟，指控其使用 196,640 本書籍訓練 NeMo 模型，該模型後來已被下架。
目前，Meta 尚未對這些新的指控做出回應，但公司一直堅持使用 LibGen 訓練 AI 屬於「合理使用」範疇。而目前案件仍在審理中，考慮到 Meta 龐大的財務實力，即使作者方面獲勝，Meta 也可能會提出上訴，這意味著最終判決可能還需要等待數月甚至數年才會出爐。
【推薦閱讀】
◆ 效能媲美 NVIDIA，耗電僅 1/3！新創 Positron 獲融資 2,350 萬美元
＊本文開放合作夥伴轉載，參考資料：《Ars Technica》、《Tom’s Hardware》，首圖來源：Unsplash。
（責任編輯：廖紹伶）