人工智能与盗版：通用人工智能是否能阅读书籍并抄袭内容进行学习？

AI 和盗版：GenAI 可以为了学习而阅读书籍和窃取内容吗？

我参与了一起集体诉讼，它涉及到我的两本书被 Anthropic 扫描 — 他们拥有 Claude AI 代理 — 然后被用在他们的 LLM 模型中：

图：这封邮件是真实的，并且与针对 Anthropic 的集体诉讼有关

所以，我们有这样一个问题…

GenAI 在未经我同意的情况下扫描我的书籍内容是否可以接受？

正如我们将看到的，答案是，如果该公司购买了该书或从公共图书馆获取了该书，那么这是可以接受的，就像有人阅读我的书并从中学习一样。只要 LLM 不向用户回放我的书的内容，那就是可以接受的。但是，如果 GenAI 公司从盗版网站获取我的书，那是不可接受的，我可以起诉该公司。明白了吗？好吧，我将解释。

简介

我发自内心地不喜欢 GenAI 为了少数公司的利润而窃取知识产权（IP）的方式。对我来说，目前，GenAI 呈现出一种虚假的智能，远非人类智能。对于 LLM，我们看到一种智能模型，它基本上只是对模板化答案中的下一个词进行概率猜测。

因此，主要的担忧之一是 GenAI 在未经许可的情况下抓取 IP，然后将其用在其模型中。这违反了我们现有的法律，并且没有任何回报给那些创造者 — 所有的利润都流向了 GenAI 公司。然而，这种情况已经发生了至少十年，谷歌扫描了几乎所有能找到的书籍，但未能征求许可。

Bartz v Antropic

总的来说，显然，一些 GenAI 公司正在违反现有的版权规则，并且在需要时没有征求许可。一个已经成功的案例是 Bartz v Antropic [ 这里]：

这与 2025 年 6 月 23 日加利福尼亚州的一名法官有关：

地区法院认为，Anthropic 使用书籍来训练其 Claude 大型语言模型，以及使用购买的书籍副本来创建数字永久图书馆构成合理使用，但使用盗版书籍来创建此类图书馆不构成合理使用。

这与 GenAI Claude 平台有关。为此，Anthropic 使用来自中央图书馆的书籍来训练其 LLM，但也使用了来自在线盗版图书馆（如 Books3 和 Library Genesis）的书籍。他们还批量购买书籍，然后剥去装订并扫描书籍 — 购买并扫描的副本。所有这些书籍随后在 LLM 中被索引用于训练。总的来说，这些书籍没有以其原始内容的形式呈现，因此 Anthropic 认为他们没有违反版权。对于 Anthropic 来说，这些书籍仅仅用于训练他们的模型。

对于 LLM 的训练，法院概述：

使用受版权保护的作品来训练 LLM 以生成新文本的目的和性质本质上是变革性的…… [l] 就像任何渴望成为作家的读者一样，Anthropic 的 LLM 训练作品不是为了抢先复制或取代 [这些作品] — 而是为了实现彻底的转变并创造出不同的东西。

因此，它裁定 LLM 训练要素为“合理使用”，因为它与某人阅读书籍然后从中学习的方式相同。

对于 “购买并扫描” 的方法，法院认为它已经公平地购买了实体书，然后有权将内容更改为另一种形式，然后随意处置该书。格式的更改使 Anthropic 能够快速索引内容并压缩内容的存储。

对于未经购买而下载的盗版书籍，法院裁定 Anthropic 无权在其图书馆中使用这些书籍，无论它是否将这些书籍用于 LLM 训练。法院将其定义为非变革性的。另一方面，对于 Google 图书，这些书籍直接链接到原始作品。对于 LLM 训练，情况并非如此（因为没有全文版本可用）：

不存在 Anthropic 制作其第一份副本的授权副本。从中提取的全文副本没有立即用于训练 LLM。甚至不是每个副本都是必要的，也不是用于训练 LLM。

可以扫描所有涉及的书籍 [ 这里]：

这是我的其中一本书：

总之，该裁决定义，当公司购买书籍或使用开放图书馆时，扫描并用于训练 LLM 模型是合理使用，但盗版副本违反了合理使用：

然而，对于用于构建 Anthropic 中央图书馆的下载盗版副本，每个因素都与合理使用相悖。因此，法院驳回了关于此问题的简易判决，并将由此造成的损害问题留待审判。

正是这一点裁决将被用于索赔每本书约 3,000 美元的赔偿金。

结论

GenAI 正在窃取 IP，并且从法律的角度来看，他们可以逃脱惩罚，所以要小心！任何公开的东西都可能成为 GenAI 的合理游戏，所以注意你分享的内容！

• 原文链接： billatnapier.medium.com/...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～