纽约时报指控OpenAI在ChatGPT版权诉讼中隐瞒证据

《纽约时报》与《每日新闻》指控OpenAI在ChatGPT版权诉讼中隐瞒证据，称其就搜索客户聊天记录数据和训练数据集以识别受版权保护新闻作品的能力撒谎。这是双方长达两年诉讼的最新升级，原告诉称OpenAI涉嫌通过训练生成式AI模型使用其内容并在用户输出中再现新闻作品，从而违反版权法。在案件过程中，OpenAI一直主张其无法搜索自身训练语料库，并声称搜索或提供大量ChatGPT对话在技术上负担过重，且因需检索、处理和去标识化日志而引发用户隐私担忧。原告方寻求这些数据以确定其受版权保护的新闻作品是否存在于OpenAI的训练数据集中，以及ChatGPT使用或再现其内容的频率和方式。据称，在4月的法庭命令 deposition 中，OpenAI数据隐私工程师Vinnie Monaco透露，OpenAI已对其训练语料库进行内部搜索和评估，以查找受版权保护的新闻作品。Monaco的证词还显示，在《纽约时报》提起诉讼前，OpenAI已积累约7800万条去标识化的ChatGPT对话数据库，用于内部判断对他人作品的侵权程度。此外，在诉讼提起后不久，OpenAI据称实施了名为“Bloom”的过滤器，作为“Project Giraffe”工具集的一部分，用于检测和记录输出中的内容再生情况。这些披露意义重大，原告最初要求OpenAI提供1.2亿条聊天记录样本，后经协商降至2000万条。OpenAI于去年12月提交样本，但据称其中包含大量编辑，导致样本“无法使用”（法院表述）。原告还声称，OpenAI在其提起诉讼后删除了数十亿条ChatGPT输出，直接违反法院的证据保全令，并在请求的样本中替换了数百万条日志。原告方认为OpenAI故意阻碍获取其已收集的信息。原告首席律师Ian B. Crosby表示：“如果OpenAI真的认为复制我们客户的新闻作品是公平且合法的，就不会隐瞒已实施该行为的真相。”目前，《纽约时报》和《每日新闻》请求法官对OpenAI进行处罚，因其涉嫌隐瞒证据和干扰 discovery 程序。具体请求包括：禁止OpenAI将2000万条聊天记录样本作为证据，称其不可靠；认定ChatGPT日志本会显示大量原告内容的再生和依据；禁止OpenAI主张其提供的聊天日志未显示实质性内容再生；以及要求OpenAI支付因追查此证据产生的法律费用。OpenAI发言人Drew Pusateri否认这些指控，称《纽约时报》在案件力度减弱时试图获取私人用户对话。他表示：“随着《纽约时报》的案件力度减弱且被迫放弃对我们的部分主张，他们仍坚持试图侵犯与此案无关人员的隐私，包括提出这些公然虚假的指控。我们将继续捍卫用户隐私和长期确立的合理使用原则。”