维基百科介入AI版权案 训练可用输出需授权

维基百科的运营方维基媒体基金会本周向纽约南区联邦法院提交法庭之友意见书，就《纽约时报》诉OpenAI与微软的版权案表态。它没有站任何一边，而是提出一条折中路线：用受版权保护的作品训练大模型应被认定为合理使用，但聊天机器人把原文原样交给用户则不行。

该案是十二起针对OpenAI的诉讼合并审理的核心案件，法院将裁定AI企业使用版权内容开发大模型是否构成合理使用。由于审理法院的层级、当事人的分量，加上此前仅有少数判决触及这一问题，这份判决被视为后续同类案件的参照。

基金会在意见书中说，双方立场都在推动对合理使用原则过度宽泛、过度简化的适用。它担心，出版商一方若毫无折扣地获胜，版权方可能连具有变革性的创新使用也要把门；反过来，AI公司若大胜，则等于给无视授权条款、割裂知识流动开了绿灯。

意见书把问题拆成两个阶段。抓取只是向网站取回副本的技术动作，本身不算版权意义上的使用；预训练把作品转化为语言规律，产出的是与原作不同的东西，属合理使用，不必另行取得许可。这也是开源模型得以存在的前提——若训练不属合理使用，能继续做AI的恐怕只剩财大气粗的巨头。

但检索增强生成（RAG）一类接地环节不同：模型按用户提问检索网页，复制、排序并粘贴原文片段，最后交付给用户，取代了读者对原作的访问。此时应当遵守各内容平台的授权条款。对维基百科而言就是CC BY-SA 4.0——必须署名，且任何改写或混编须沿用同一许可。

基金会总法律顾问Stephen LaPorte表示，不审慎适用合理使用原则的判决，可能危及自由知识的可持续性，也会压制开源技术的发展，两种情况最终都影响公众获取信息。首席执行官伯纳黛特·米汉则称，通过AI扩大知识获取是强大目标，但必须尊重让可靠知识成为可能的人、贡献者与社区。

双方的利益其实纠缠在一起。维基媒体称旗下站点已成为AI与机器学习训练最关键的语料来源之一，但这些系统同时抽走访客，削弱了维护站点的志愿者社区；反过来，大模型对维基百科也有用，可帮编辑打击破坏、识别抄袭与人肉搜索、找出需要改进的条目。目前维基百科有超过6700万条目、300种语言，每月近25万名志愿者参与编辑。

另一方的立场是：纽约时报指控OpenAI抓取其网站构建训练集构成侵权；OpenAI与微软均主张属合理使用，OpenAI称原样复现只是罕见的缺陷，微软在九月的文件中称分析显示Copilot极少复现新闻全文，不足以否定训练的变革性目的。意见书援引2023年沃霍尔基金会诉戈德史密斯案，主张对开发与运营各阶段分别做四要素分析。

编译自 The Verge，原标题：「Wikipedia’s operator says a bad AI copyright ruling could threaten the open web」