生成式AI的合理使用边界在哪？

AI

简单浏览了Suchir Balaji之前写的博客生成式AI何时符合合理使用？，文中探讨了生成式AI在何种情况下可以被视为合理使用的相关问题。

这篇文章讨论了使用受版权保护的数据训练生成式AI是否构成合理使用。当前的大型模型大多属于生成式AI，这类AI需要大量数据进行训练。可以预见，其中必然包含受版权保护的数据。以ChatGPT为例，很难想象它完全不依赖有版权的数据进行训练。因此，如何界定这种使用方式是否合法合规，成为了一个值得探讨的问题。在本文中，Suchir Balaji详细探讨了ChatGPT是否符合合理使用的标准。文章首先介绍了版权法对合理使用的定义，并指出判断时需考虑四个主要因素。

Suchir Balaji同样基于这四个因素，逐步剖析了ChatGPT是否违背了合理使用的原则。根据Suchir Balaji在自然上的一项调研，在ChatGPT发布后，Stack Overflow的访问量下降了大约12%。这一现象表明，随着新技术的出现，传统的编程问答平台可能面临用户流失的挑战。

ChatGPT

自ChatGPT发布以来，各主题的提问量均有所减少。

ChatGPT的发布不仅影响了Stack Overflow，其他网站也受到了波及。生成式AI的应用显然对数据版权所有者的市场造成了冲击。然而，Suchir Balaji提出，摘录受版权保护的作品并不总是违反合理使用原则，即便这些摘录可能损害原作的市场价值。例如，书评家可以在评论中引用书籍的部分内容，尽管他们的评论可能影响原书的销量，但这仍可被视为合理使用。因为书评的目的与原书不同，它并不取代原书，也不会在市场上与其直接竞争。因此，合理使用原则允许在特定情况下引用受版权保护的内容，而不必担心法律风险。这种灵活性为学术研究、评论和新闻报道等领域提供了必要的空间。关于因素1，ChatGPT无疑是一种商业产品，但其具体用途值得进一步探讨：它是否与训练数据的用途相似？然而，要明确像ChatGPT这样广泛使用的产品或整个互联网的目的并不容易。更合适的问题或许是：ChatGPT带来的市场风险是源于它生产了与原版竞争的替代品，还是类似于书评家对书籍间接影响那样的作用？这种间接影响是否会改变用户的选择和市场的走向，同样需要深入思考。Suchir Balaji认为，ChatGPT对市场的威胁主要在于其生成替代内容的能力。比如，在编程问题上，像为什么浮点运算中0.1 + 0.2 = 0.30000000000000004？这类问题，用户可以直接向ChatGPT提问并得到解答，而不必像过去那样在Stack Overflow等平台上搜索答案。这种方式虽然便捷，但也可能削弱了传统知识分享平台的影响力，从而对市场生态产生潜在影响。

这些答案虽然不完全相同，但它们的根本目的是一致的。这种行为对市场的影响可以通过Stack Overflow网站流量下降来衡量。因此，无论是因素1还是因素4，都无法证明ChatGPT的使用是合理使用。这种做法对市场的潜在危害不容忽视。关于因素2，Suchir Balaji觉得它不重要，建议忽略此因素。关于因素3，Suchir Balaji提供了一些见解。例如，通过使用GPT-2对莎士比亚作品的部分内容进行微调（即重复训练数据以让模型学习），结果发现模型能够记住训练数据的具体内容。

Suchir Balaji认为从版权法的四个角度来看，很难认定ChatGPT属于合理使用。他指出，虽然以ChatGPT为例进行讨论，但其他生成式AI模型也面临同样的问题。这一观点揭示了当前技术应用与法律框架之间的潜在冲突。我认为Suchir Balaji确实是一个尽责且善于思考的人。然而，若对大模型严格要求合理使用，恐怕就不会有ChatGPT，也不会有如今的大规模模型了。这种情况下，技术发展的路径或许会截然不同。昨日伊利亚提到大模型预训练时代因数据匮乏而结束。

大模型的进化与Suchir Balaji探讨的合理使用问题，形成了一个难以抉择的局面。无论Suchir Balaji自杀背后的原因是什么，希望大家能更加重视大模型的合理使用，避免因大模型造成垄断和不公平现象。我们需要共同努力，确保技术应用的公正性和透明性。