Meta 承认使用盗版书籍来训练 AI，并拒绝赔偿作家
内容提要
科技巨头Meta因使用包含大量盗版书籍的数据集训练语言模型而面临集体诉讼。Meta承认使用了Books3数据集，但拒绝向作者支付补偿。OpenAI和微软也因使用受版权保护的材料训练AI模型而被诉。
延伸解读
合理使用抗辩的法律不确定性
Meta 主张使用 Books3 属于合理使用，无需许可或补偿。但合理使用需综合考量使用目的、作品性质、使用比例及市场影响。Books3 包含 19.5 万本图书且源自盗版网站，可能对原作市场造成损害，这使 Meta 的抗辩面临挑战。案件结果将影响 AI 训练数据的版权边界。
集体诉讼合法性的争议焦点
Meta 对诉讼作为集体诉讼的合法性提出异议，拒绝向作家提供经济补偿。集体诉讼若获认证，众多作者可共同索赔，显著增加 Meta 的潜在责任。Meta 的反对策略可能旨在限制诉讼规模，但法院的认证决定将直接影响案件走向和赔偿范围。
行业普遍面临的版权风险
Meta 并非个例，OpenAI 和微软也因使用受版权保护材料训练 AI 模型被诉。OpenAI 辩称不使用版权材料几乎不可能，要求驳回诉讼。这反映 AI 行业普遍依赖海量数据，但版权合规路径尚不清晰。多起诉讼可能推动数据授权模式或立法调整。
Books3 数据集的下架与存档禁令
Books3 部分内容来自盗版网站 Bibliotik，2023 年被丹麦反盗版组织 Rights Alliance 要求下架，目前面临数字存档禁令。这意味着该数据集的可获取性受限，依赖它的 AI 训练项目需寻找替代数据源。同时，下架行动也凸显了版权方对盗版内容的追责力度。
Q&A
Meta 因为使用哪个数据集训练 AI 模型而面临集体诉讼？
Meta 因使用包含大量盗版书籍的 Books3 数据集训练其 LLaMA 1 和 LLaMA 2 模型而面临集体诉讼。
Books3 数据集包含多少本书？总容量多大？
Books3 数据集包含 19.5 万本图书，总容量近 37GB。
Books3 数据集是由谁创建的？创建目的是什么？
Books3 由 AI 研究者 Shawn Presser 于 2020 年创建，旨在为改进机器学习算法提供更好的数据源。
Meta 对使用 Books3 数据集的态度是什么？
Meta 承认使用了 Books3 数据集，但拒绝向作者支付补偿，声称其使用属于合理使用范畴，无需获得许可、署名或支付补偿，并对集体诉讼的合法性提出异议。
除了 Meta，还有哪些公司因使用受版权保护的材料训练 AI 模型而被起诉？
OpenAI 和微软也因使用受版权保护的材料训练 AI 模型而被起诉，例如《纽约时报》就 OpenAI 和微软使用其文章训练 ChatGPT 提起诉讼。
Books3 数据集中的内容来自哪里？是否已被要求下架？
Books3 数据集包含大量从盗版网站 Bibliotik 爬取的受版权保护作品。该数据集在 2023 年被丹麦反盗版组织 Rights Alliance 要求下架，目前面临数字存档禁令。
