AI版權戰，「人本」吞噬「文本」

2024年2月，美國舊金山一家新創公司「Anthropic」高薪禮聘Google Books的主管湯姆．特維（Tom Turvey），責成他取得「全世界所有的書」並且永久保存，過程必須盡可能排除「法律／實務／商業的困難」。

Anthropic並不是要開書店或圖書館（至少不是一般意義的圖書館），也對文化傳播與傳承興趣缺缺，它是一家生成式人工智慧（generative AI）公司，主力產品是大型語言模型（LLM）、聊天機器人（chatbot）家族「Claude」，取得書籍則是為了訓練Claude。Anthropic與其他生成式AI公司很早就知道：在訓練模型的時候，讓它「K書」是成本效益最高的作法。無論是何種主題的書籍，都經過用心的寫作與編輯，相較於泥沙俱下的網際網路，是一種高品質、原創性的文本，能夠讓模型對使用者的指令做出更優質的回應。

順帶一提，Anthropic系出生成式AI領頭羊OpenAI，七位創辦人都曾是OpenAI的員工。「Anthropic」之名來自物理學家解釋宇宙型態必然性的「人本原理」（anthropic principle）。「Claude」則是紀念有「資訊科學之父」之稱的美國傳奇學者克勞德．向農（Claude Shannon），今年8月發布4.1版。Claude的子模型取名也頗為別緻：Haiku（俳句）、Sonnet（商籟）、Opus（作品）。

言歸正傳，特維先是對幾家大出版社釋出風向球，試圖取得授權，但後來顯然覺得這麼做是緩不濟急、自找麻煩，於是直接重操自己在Google Books的舊業：掃描。Anthropic斥資數百萬美元向書商購買數百萬冊紙本書籍，一本一本拆除裝訂、裁切至適當大小，然後掃描為機器可讀（machine-readable）的PDF檔，建立書目的元資料（metadata），收入Anthropic的「研究圖書館」。整個過程有沒有得到出版社或者作家同意與授權？當然沒有。

在數位年代，這種「破壞性掃描」（destructive scanning）是費時費功的苦差事，下載電子書當然是更便捷的作法。其實Anthropic早在2021年初創立伊始、特維到職之前，就由共同創辦人班．曼恩（Ben Mann）親自動手，從網際網路影子圖書館（shadow library）「Books3」下載近20萬本書籍，清一色都是盜版。Anthropic的胃口越養越大，後來又吃下「創世紀圖書館」（Library Genesis，LibGen）的500萬冊、「海盜圖書館鏡像」（Pirate Library Mirror，PiLiMi）的200萬冊，總計超過七百萬冊。只是便捷歸便捷，畢竟作賊容易心虛，Anthropic後來還是轉向「購買紙本書籍掃描」的「笨方法」。

經過這些海量高品質文本訓練的Claude，雖然知名度與熱門程度不如OpenAI的ChatGPT，但是功能與表現頗受肯定，也讓Anthropic受到亞馬遜（Amazon）、Google等矽谷鉅子的青睞。今年9月，Anthropic完成最新一輪130億美元的募資，市值來到1,830億美元，躍升為全球第四大未上市公司，僅次於人盡皆知的SpaceX、OpenAI與字節跳動（ByteDance）。

無本生意的夜路走多了，終究要遇到不甘當冤大頭的有心人。三位美國作家代表無數同行與出版社挺身而出，對Anthropic提起集體訴訟，三人分別是：驚悚小說作家安德麗雅．巴茲（Andrea Bartz），公衛作家查爾斯．格雷伯（Charles Graeber）與非小說作家柯克．華萊士．強森（Kirk Wallace Johnson），後兩位的代表作《抗癌大突破：革命性免疫療法》（The Breakthrough: Immunotherapy and the Race to Cure Cancer）與《羽毛賊：一樁由執念、貪婪、欲望所引發，博物史上最不尋常的竊案》（The Feather Thief: Beauty, Obsession, and the Natural History Heist of the Century）都有中譯本。

今年6月23日，位於舊金山的加州北區聯邦法院法官威廉．奧瑟普（William Alsup）做出眾所矚目的判決：AI業者使用有版權的作品來訓練模型或聊天機器人，屬於版權法規範的「合理使用」（fair use），無可厚非；但是Anthropic從網路下載逾七百萬冊盜版書籍的舉動不能視為合理使用，該公司必須為此接受審判。

對於作家與出版社以及AI業者兩大陣營，這項指標性判決都是憂喜參半，簡而言之，AI業者可以使用合法獲取（購買）的有版權作品來訓練模型，不必取得作家或出版社授權；但「下載盜版書籍」的捷徑歹路不可行，AI業者必須為侵權行為付出代價，也就是高額賠償。

9月5日，Anthropic與原告達成和解協議，七百萬冊下載書籍扣除無（美國）版權者與重複下載者，大約有46萬5000冊涉及侵權，Anthropic同意每本賠償約3000美元，總金額15億美元（新台幣450億元），並且銷毀相關書籍的數位檔案，不得用於訓練模型。

15億美元看似天文數字，號稱「歷來規模最大的版權回復行動」，但對Anthropic而言還不致於傷筋動骨。法律專家指出，如果Anthropic因為侵權而受審，恐將付出數十億、甚至上百億美元的慘重代價。這項協議必須由法院批准，奧瑟普法官8日開庭時提出許多質疑，因此全案仍有變數，Anthropic未必能逃過一劫。「AI版權大審」如果登場，時間點會落在今年12月。

Anthropic的難兄難弟不少，美國各大AI業者幾乎都有版權官司纏身：Anthropic和解案出爐的同一天，蘋果（Apple）不但挨告，而且同樣是由舊金山的聯邦地區法院審理；OpenAI與微軟（Microsoft）被《紐約時報》（New York Times）指控不當取用其文章；Midjourney槓上好萊塢巨頭華納兄弟（Warner Bros.）；臉書母公司Meta則是不久前讓十三位作家原告吞下敗訴，可算是矽谷之光。

整體來看，Anthropic案的發展對AI業者而言是短空長多，過去下載盜版書籍的惡行只需花點錢就能一筆勾銷，如今可以大大方方使用「合法獲取」的文本來訓練模型，成本與使用盜版相去不遠。

至於作家，非法下載的賠償頂多是聊勝於無，救急不救窮，面對生成式AI帶來的生計威脅仍然一籌莫展。只是長此以往，AI業者如何確保高品質、原創性文本的供應源源不絕？一旦源頭枯竭，生成式AI的「生成」恐怕也將無以為繼。