数据收费，对普通用户的真实暴击

几天前，谷歌突然更新了隐私政策，明确表示要用网上所有的公开数据，来训练自家的 AI 模型。

也就是说，根据新政策，你在网上公开发布的任何信息都有可能被谷歌抓取，包括但不限于你发的帖子、搜索的关键词以及看过的视频。

这不妥妥互联网裸奔吗！

OpenAI 前脚刚被起诉数据侵权还没多久，谷歌就马上着急来撞枪口。

在这个节骨眼上整这么一出，大概率跟数据收费脱不了关系，谷歌再不薅这波免费的羊毛，之后很有可能就薅不到咯。

这事儿啊，自打 ChatGPT 爆火后再也没消停过。

世超先给大家伙儿捋捋时间线。

今年 3 月的时候呢，马斯克带头打响了数据收费*枪，宣称推特的 API 接口不再免费了。

紧接着，美版贴吧 Reddit 也按耐不住了。

上个月 Reddit 闹得沸沸扬扬的 “ 停电 ” 运动，就是为了抗议官方的 API 收费政策。

之前世超写这事儿的时候还在猜测， Reddit 官方最后会不会作出让步。

从现在的后续看来，大多第三方软件已经确认关停， Reddit 是铁了心要数据收费。

再到这段时间，推特又整了限流的幺蛾子，没有花钱认证的帐号每天就只能阅读 600 条贴文，目的呢也是为了防止机器人抓取用户数据。

难道数据就这么值钱吗？

世超觉着啊，还是AI 的锅。

AI 大模型要想变得更聪明，就需要源源不断的数据去 “ 喂养 ” 。

现在能做大模型的，要不就是自己家有数据，像百度、阿里和腾讯；要不就是爬人家的数据，这里点名 OpenAI 。

因为很多网站都开放有免费的 API 接口，才给了微软、 OpenAI 这些巨头可乘之机。

但今时不同往日， AI 在重新赋予数据价值以后，有筹码在手上的平台当然不乐意被白嫖了。

甚至于 Reddit 的 CEO 霍夫曼都把话搬上明面儿了：就是不想免费提供数据给巨头们。

所以， OpenAI 被起诉估计也是平台们联合起来想要 “ 杀鸡儆猴 ”， 治一治 AI 的这股歪风邪气。

不过，法律这次会不会站在 OpenAI 这边，还真不好说。

因为数据版权涉及到 3 个关键的问题：

1.数据爬虫的行为本身是否是合法的？

2.数据是否受到版权的保护？

3.用数据生成的作品是否受到版权保护？

首先*个问题，要获取数据，无非就是付费购买，或者收集网上公开的数据。

但需要注意的是，公开的数据并不能等同于授权使用，而且还要看网站是不是有相关的条款对数据爬虫行为做出了限制。

要是直接越过版权方的同意，或者绕过了网站限制强行获取数据，那就是妥妥的非法获取计算机信息系统数据罪。

即使 OpenAI 声称爬的是公开网站的数据，数据爬虫行为本身是否合法，还要看版权方是不是给了授权。

其次，关于数据本身是否受到版权保护。

根据美国的版权法，如果 AI 模型训练所用的数据符合 “ 合理使用 ” 的范围，那就不会构成侵权。

但问题就出在这 “ 合理使用 ” 上。

“ 合理使用 ” 的构成要件包括是否涉及商用、作品本身是否受版权法保护、所使用部分的数量以及使用之后对作品本身造成的影响这四个标准。

像什么新闻报道、学术研究，适当引用是完全 ok 的。

可 AI 模型上亿万级别的数据使用量、已经商业化的 AI 软件，还能算作 “ 合理使用 ” 吗？

最后，就是 AI 生成作品的版权问题。

因为训练数据版权理不清， AI 生成的内容自然也会存在版权争议。前几天， Steam 还下架了一款使用了 AIGC 生成的游戏，理由就是版权有问题。

咱就拿 AI 绘画举例子，图像生成相当于一个拆分又重组的过程，虽然最后的结果是完全 “ 新 ” 的，但仍然会保留训练图像的某些特征。

但这种情况到底算不算侵权，各国的说法现在也是众说纷纭。

因为训练数据是人家的，美国版权局认定 AI 生成的作品不受版权法保护，甚至还可能侵犯著作权。

而日本政府的态度则截然不同，表示日本法律不保护 AI 训练所用数据的版权。

至少在现行的法律框架下，上面这些问题很难得到一个统一的答案。

既然监管不给力，那版权方就只有提刀自己干了，该收费的收费，该追偿的也赶紧追偿。

▼OpenAI 被起诉的文件

可以预见，在推特和 Reddit 之后，可能还会有