《新科学家》杂志报道

一位法律专家最近发现了一个惊人的事实：Meta公司的人工智能似乎能够逐字逐句地复制书籍的完整片段。如果这一发现属实，对这家科技巨头及其首席执行官马克·扎克伯格来说，这无疑是极其糟糕的消息。

快速了解一下背景：目前市场上所有热门的商业人工智能系统，比如OpenAI的ChatGPT或Meta的Llama，都是通过输入海量数据进行训练的。研究人员随后会运用大量算法，让系统精确识别这些数据中的模式，从而能够创造出新的模式。理论上，如果你让它总结一本《哈利·波特》小说的情节，它应该能给你一个（希望能）合理的概括。

然而，正如斯坦福大学科技法专家马克·莱姆利在接受《新科学家》杂志采访时所解释的，他的团队研究发现，Meta的LLaMA模型能够精确重复受版权保护书籍的原文内容。这意味着该人工智能不只是理解或总结书籍内容，而是逐字逐句、原封不动地复制（抄袭）大量内容。莱姆利发现的例子包括价值数十亿美元的《哈利·波特》系列小说中的长篇段落。

Meta面临的巨大法律责任

对于Meta而言，这将带来巨大的法律责任。为什么？因为如果它的人工智能生成的是用于训练它的原始材料的完整摘录，那么它看起来就不再像是在基于从训练数据中学到的语言和世界通用模式来生成“变革性”作品，而更像是将受版权保护的作品打包成了一个巨大的压缩文件（.ZIP），用户可以随意复制。

事实似乎正是如此。在测试包括OpenAI、DeepSeek和微软在内的多家公司不同的人工智能模型时，莱姆利团队发现，Meta的LLaMA是唯一一个能精确吐出书籍内容的模型。具体来说，研究人员发现LLaMA似乎已经记忆了包括J.K.罗琳《哈利·波特》系列的第一本书、F.斯科特·菲茨杰拉德的《了不起的盖茨比》以及乔治·奥威尔的《1984》等材料。

数据来源的争议

Meta与其他科技公司一样，在训练其人工智能时使用了受版权保护的材料，这一点无可争议。然而，其具体的做法却受到了严厉批评：在喜剧演员莎拉·西尔弗曼等作家对Meta提起的版权诉讼中，有证据显示，该模型是基于“Books3”数据集进行训练的，该数据集包含近20万份受版权保护的出版物，而Meta的工程师竟通过**非法种子文件（torrent）**下载了这些数据。（在法庭上出示的信息显示，其中一名工程师在操作时曾抱怨：“从[Meta公司]的笔记本电脑上下载种子文件感觉不对劲。”）

**种子文件（Torrent）**是一种通过去中心化方式（点对点P2P）在互联网上共享大文件的方法。与从单一服务器下载整个文件不同，种子文件将文件分成小块，并同时从多个源下载这些小块。

莱姆利及其团队估计，即使“Books3”数据集——Meta赖以训练的数据集——中只有3%的内容被认定侵权，提供该数据集的公司也可能面临近10亿美元的法定赔偿。这还不包括因盗用内容所获利润而产生的额外赔偿。如果侵权内容的比例更高，至少从理论上讲，Meta可能会面临更严重的后果。

立场上的尴尬转变

顺便一提，莱姆利目前处于一个尴尬的境地。他此前曾为Meta辩护过上述相同的诉讼。然而，今年早些时候，这位斯坦福教授在领英（LinkedIn）上发帖宣布，为了抗议Meta和扎克伯格的右翼“道德表态”，他将不再代表该公司。当时，他表示相信Meta应该赢得这场官司——但根据他的最新研究，这种观点似乎已经发生了转变。

Meta拒绝就莱姆利的发现向《新科学家》杂志发表评论。

来源：《福布斯》