爱思唯尔起诉AI训练侵权《细胞》《柳叶刀》

图片来自爱思唯尔（Elsevier）游戏。

AI训练数据版权诉讼：Meta遭学术出版巨头起诉

近日，一桩可能影响深远的诉讼被提交至美国纽约南区法院。当地时间5月5日，学术出版巨头爱思唯尔联合阿歇特出版集团、麦克米伦出版社以及知名作家兼律师斯科特·图罗，共同起诉Meta科技公司及其CEO马克·扎克伯格。

核心争议：AI训练数据来源是否合法

本案的核心争议点在于，Meta在开发其大语言模型时，是否非法获取并复制了受版权保护的内容。这起诉讼将AI训练数据来源的“灰色地带”直接置于司法审判的聚光灯下。

事实上，美国已有多起类似诉讼，部分案件甚至已达成和解。然而，一个根本性的法律问题至今悬而未决：使用受版权保护的内容训练大语言模型，究竟是否合法？法院尚未给出具有普遍指导意义的明确司法先例。

训练数据来源的隐秘与指控

科技公司通常对训练数据的详细来源讳莫如深。但行业内心照不宣的是，喂养AI的海量网络数据中，既包含可自由获取的公开论文，也混杂着需要付费阅读的学术文章。

原告方在诉状中指控，Meta严重依赖一个名为“Common Crawl”的互联网数据集进行训练。该数据集由网络爬虫抓取而成，囊括数十亿网页样本。原告认为，其中极有可能包含未经授权的版权内容，例如科学论文摘要乃至完整的付费论文。

更尖锐的指控：关联数字盗版网站

诉状进一步指控，Meta还从一些颇具争议的网站获取资源，例如Library Genesis（LibGen）和Sci-Hub，并通过BitTorrent文件共享方式传播。这两个网站因提供大量受版权保护的图书、论文和教材而闻名，并长期深陷法律纠纷。这一指控将AI训练与数字盗版的敏感话题直接联系起来。

Meta的辩护策略：“合理使用”原则

面对指控，Meta的回应策略似乎早有准备。公司发言人暗示，将主要援引“合理使用”原则进行抗辩。根据美国版权法，在某些特定情形下，使用版权材料可豁免侵权责任。Meta方面声称：“AI正在驱动变革性的创新、生产力和创造力，而法院已经认可，使用版权材料训练AI可以构成合理使用。”

司法风向与复杂信号

目前，美国法院的整体风向对科技公司较为有利，法官们倾向于支持AI训练属于“转化性使用”的观点——这是判定“合理使用”的关键标准之一。然而，风向并非一成不变。2025年的两项重要裁决传递出复杂信号：法官一方面认可转化性使用的逻辑，另一方面也明确指出，获取和存储盗版内容本身可能构成侵权。此外，若版权方能够证明AI模型的输出已实质性侵蚀其产品的市场份额，那么“合理使用”的辩护就可能站不住脚。

学术文本为何成为“黄金数据”

学术出版商对此案如此紧张的原因何在？德国独立研究学者斯特凡·巴克指出关键：学术文本对AI公司而言是“黄金数据”。它们质量高、由人类专家撰写、信息密度大，能显著提升AI模型在科学领域的准确性和可靠性。用这些内容训练出来的AI，自然更具商业价值。

有趣的是，巴克也观察到，许多论文作者本身的态度可能比出版商更为微妙。一些学者或许并不反对自己的研究成果被用于训练AI，只要这能提升模型的整体水平。研究人员更在意的，可能是生成式AI最终如何“使用”这些内容——例如，AI是否会模仿他们的独特文风，或在引用其成果时是否缺乏恰当的署名和致谢。

产业格局演变与数据壁垒隐忧

这场法律博弈的背后，一个更宏大的产业格局正在形成。越来越多的出版商开始选择与科技巨头握手言和，通过签署协议出售或授权自己的数据。这种趋势带来一个值得警惕的后果：它可能进一步巩固大型AI公司的数据壁垒，同时让那些试图开发开源模型的研究机构和中小企业，更难获得高质量的训练材料。

寻求平衡：知识产权、创新与普惠发展

巴克的思考指向了一个更理想的未来：我们需要建立一种机制，既能尊重创作者对其作品是否被AI使用的意愿，又能避免数据资源仅通过出版商与科技巨头之间的“私相授受”来配置。如何在保护知识产权、激励创新与促进AI技术普惠发展之间找到平衡，将是这场诉讼留给整个行业最深远的拷问。