纽约时报指控OpenAI在版权案中隐匿证据
速览
《纽约时报》等新闻出版商指控OpenAI在ChatGPT版权审判中故意隐藏能够识别其输出中是否存在受版权保护新闻内容的工具和数据集。出版商认为OpenAI的行为妨碍了事实查明，已向法院提交新的制裁动议，升级诉讼。此案若裁决可能影响AI公司使用受版权内容训练模型的合法性。
AI 深度解读
背景
《纽约时报》（The New York Times）和《每日新闻》（The Daily News）自两年前起对OpenAI提起版权诉讼，指控其未经授权使用这两家媒体的新闻报道内容训练生成式AI模型（如ChatGPT），并在用户输出中再现这些受版权保护的新闻作品。该诉讼的核心争议在于：OpenAI是否在训练数据中使用了受版权保护的新闻内容，以及其模型是否在生成回复时大量“复述”（regurgitation）了这些内容。
在整个诉讼过程中，OpenAI始终辩称自己缺乏搜索训练语料库的能力，同时声称搜索或提供海量ChatGPT对话记录在技术上过于繁重，且会引发用户隐私问题（因为日志需要检索、处理并去标识化）。原告方则一直试图获取这些数据，以证明其版权新闻作品是否存在于OpenAI的训练数据中，以及ChatGPT在多大频率上使用或再现了这些内容。
核心内容
原告在最新提交的法庭文件中指控OpenAI在证据发现过程中故意隐瞒真相并破坏程序。具体指控包括：
-
关于训练数据搜查的谎言：根据今年4月法庭指定的证词（deposition），OpenAI数据隐私工程师Vinnie Monaco据称透露，公司早已对训练语料库进行了内部搜索和评估，以查找受版权保护的新闻作品。这与OpenAI此前声称“缺乏搜索训练语料能力”的说法矛盾。
-
秘密收集并分析用户对话日志：Monaco的证词还显示，早在《纽约时报》提起诉讼之前，OpenAI就已经积累了一个包含约7800万条去标识化ChatGPT对话记录的数据库，并用于内部评估其模型对他人作品的侵权程度。
-
“长颈鹿计划”（Project Giraffe）与“Bloom”过滤器：在诉讼提起后不久，OpenAI据称实施了一套名为“Project Giraffe”的工具集，其中包含一个“Bloom”过滤器，用于检测并记录输出中的复述行为。
-
证据提交中的不当行为：原告最初要求OpenAI提供1.2亿条聊天日志样本，但OpenAI经过谈判将样本规模缩减至2000万条。OpenAI于去年12月提交了该样本，但据称其中包含大量涂黑（redactions），以至于法庭都认为该样本“不可用”。原告还指控OpenAI在起诉后直接删除了数十亿条ChatGPT输出内容，违反了法庭的证据保全令，并用数百万条其他日志替换了要求样本中的内容。
原告首席律师Ian B. Crosby在声明中表示：“如果OpenAI真的认为复制我们客户的新闻作品属于合法合理使用，那它就不会隐瞒自己已经做过这件事的事实。”
对此，OpenAI发言人Drew Pusateri否认了所有指控，并指责《纽约时报》在自身案件削弱时试图侵犯无关用户的隐私：“随着《纽约时报》案件逐渐乏力，他们被迫放弃了对我们的部分指控，现在又继续采取手段试图侵入与此案无关者的隐私——包括这些公然虚假的指控。我们将继续捍卫用户隐私以及合理使用的长期原则。”
原告请求法院对OpenAI进行纪律处分，具体诉求包括：
- 禁止OpenAI使用那2000万条聊天日志样本作为证据（声称其不可靠）；
- 法院应接受“ChatGPT日志原本会显示出大量复述和‘接地点’（grounding）原告内容”这一事实；
- 禁止OpenAI辩称其提供的聊天日志没有显示大量复述；
- 要求OpenAI支付原告为追查这些证据所产生的法律费用。
关键要点
- OpenAI此前长期声称无法搜索自己的训练语料库，但Monaco的证词显示公司实际上早已进行了内部搜索和评估。
- OpenAI在诉讼前就已建立了约7800万条去标识化ChatGPT对话的内部数据库，用于评估侵权程度。
- 诉讼提起后，OpenAI部署了“Project Giraffe”工具集，包含“Bloom”过滤器，用以检测和记录输出复述。
- 原告最初要求1.2亿条日志样本，OpenAI协商缩减至2000万条；提交的样本因大量涂黑被法庭认定为“不可用”。
- 原告指控OpenAI在起诉后删除数十亿条输出内容，违反证据保全令，并替换了数百万条日志。
- OpenAI反驳称原告试图在案件处于弱势时侵入私密用户对话，并坚持其行为符合合理使用原则。
意义与影响
这一最新进展标志着这场高知名度的AI版权诉讼进入关键阶段。如果法院认定OpenAI故意隐瞒证据并破坏发现程序，可能面临严厉制裁，包括被禁止使用关键证据，甚至可能推定原告所主张的“大量复述”事实成立。这将对OpenAI的辩护策略造成重大打击。
另一方面，该事件凸显了生成式AI公司在数据合规与透明度方面的深层挑战。即便在诉讼压力下，OpenAI也声称需要平衡用户隐私与技术可行性，但原告的证据指向表明，公司内部实际上早已具备数据搜索和分析能力。这可能会促使法院重新审视AI公司在版权诉讼中的举证责任，以及“合理使用”抗辩中“非公开内部评估”行为的法律价值。
无论最终裁决如何，本案都可能为整个AI行业设立关于训练数据来源、用户对话日志保存与披露、以及证据开示中“技术不可行”抗辩的司法先例。对于依赖大规模数据集训练模型的AI公司而言，其内部数据管理与合规流程将面临更严格的审查。