《纽约时报》指控OpenAI在ChatGPT版权诉讼中隐匿证据

《纽约时报》与《每日新闻》近日指控OpenAI在版权诉讼中蓄意隐瞒证据。这场诉讼已持续两年，核心争议在于OpenAI是否通过使用《纽约时报》的内容训练其生成式AI模型，并在用户输出中复现相关新闻报道，从而侵犯了版权。

在整个诉讼过程中，OpenAI一贯声称自己无力搜索自有训练数据集，同时以技术负担过重和用户隐私保护为由，拒绝提供大规模的ChatGPT对话记录，并表示相关日志需经过检索、处理和去标识化处理。两家媒体申请获取上述数据，目的是核实其受版权保护的新闻内容是否出现在OpenAI的训练数据集中，以及ChatGPT在多大程度上使用或复现了这些内容。

然而，在法院今年4月强制要求进行的一次证词陈述中，OpenAI数据隐私工程师维尼·摩纳哥据称披露，OpenAI此前已对训练数据集进行过内部搜索，并专门检索了受版权保护的新闻作品。

摩纳哥的证词还显示，早在《纽约时报》提起诉讼之前，OpenAI就已建立了一个包含约7800万条去标识化ChatGPT对话记录的内部数据库，用于评估自身的版权侵犯程度。此外，在诉讼提起后不久，OpenAI据称还在名为"Project Giraffe"的工具集中部署了一套"布隆"过滤器，专门用于检测并记录模型输出中的内容复现情况。

这两项披露尤为关键。原告方最初要求OpenAI提供1.2亿条对话日志样本，经过谈判后被压缩至2000万条。去年12月，OpenAI终于向法院提交了该样本，但据称其中包含大量删改，法院认定该样本"无法使用"。原告还指控OpenAI在诉讼提起后删除了数十亿条ChatGPT输出内容，直接违反了法院的证据保全令，并在所提供的样本中替换了数百万条日志。

换言之，原告方认为，OpenAI将本已掌握的信息设置了不必要的获取障碍。

原告首席律师伊恩·B·克罗斯比在声明中表示："如果OpenAI真心认为使用我方客户的新闻内容属于合理合法行为，它就不会刻意隐瞒这一事实。"

目前，《纽约时报》与《每日新闻》正请求法官对OpenAI涉嫌藏匿证据、干扰证据开示程序的行为予以制裁。具体诉求包括：禁止OpenAI将2000万条对话日志样本作为证据使用，理由是该样本不可信；要求法院将"ChatGPT日志将显示对原告内容存在大量复现"这一事实认定为既成事实；禁止OpenAI主张其提供的对话日志未体现重大内容复现；并要求OpenAI承担原告方追查上述证据所产生的诉讼费用。

对此，OpenAI发言人德鲁·普萨特里否认了上述指控，反指《纽约时报》在案件逐渐走弱之际，试图入侵普通用户的私人对话记录。

"随着《纽约时报》案件的证据支撑日益薄弱，他们已被迫撤销对我方的部分指控，却仍执意试图侵犯与本案毫无关联的普通用户的隐私权，包括提出这些明显失实的指控。"普萨特里表示，"我们将继续捍卫用户隐私，以及历经检验的合理使用原则。"

Q&A

Q1：《纽约时报》为何指控OpenAI隐匿证据？

A：《纽约时报》与《每日新闻》在版权诉讼中发现，OpenAI曾声称无力搜索自有训练数据集，但其数据隐私工程师在法院强制证词中承认，公司早已对训练数据进行过内部检索，并建立了约7800万条去标识化对话记录的数据库。此外，OpenAI还被指在提交的2000万条日志样本中进行大量删改，并在诉讼提起后删除数十亿条ChatGPT输出内容，违反了法院的证据保全令。

Q2：原告方向法院提出了哪些具体制裁请求？

A：原告方请求法院禁止OpenAI将2000万条对话日志样本作为证据使用；要求法院认定ChatGPT日志存在大量复现原告内容的事实；禁止OpenAI主张其提供的日志未体现重大内容复现；并要求OpenAI承担原告因追查证据而产生的全部诉讼费用。

Q3：Project Giraffe和布隆过滤器在这起诉讼中有什么意义？

A：Project Giraffe是OpenAI内部的一套工具集，其中包含一个"布隆"过滤器，专门用于检测和记录模型输出中的内容复现情况。由于OpenAI此前声称无法追踪此类信息，该工具的存在直接与其在诉讼中的抗辩立场相矛盾，成为原告方指控其隐匿证据的重要依据之一。