21世紀經(jīng)濟報道 記者鐘雨欣 鄭雪 北京報道
6月13日，筆神作文發(fā)布“關于‘學而思’ AI大模型侵權事件的聲明”。聲明稱，4月13日至17日，學而思通過“爬蟲”技術非法訪問、緩存筆神作文APP服務器數(shù)據(jù)多達258萬次。嚴重侵犯了筆神作文APP的數(shù)據(jù)權益。
(資料圖片)
對此，學而思官方微博發(fā)文回應稱：“首先，MathGPT是專注于數(shù)學領域的自研大模型，沒有任何作文相關數(shù)據(jù)；其次，‘作文AI助手’目前處于開發(fā)狀態(tài)，尚未發(fā)布，該服務并未使用筆神作文的任何數(shù)據(jù)?！?/p>
6月14日，筆神作文再度發(fā)文，在這篇題為《學而思，你做了一次標準的扒庫示范》的聲明中，其表示“我們認為學而思方所述并非事實”，并列出了相關證據(jù)。
受訪專家向21世紀經(jīng)濟報道記者分析，本次風波的實質(zhì)是授權合同違約糾紛，涉及到對于合同授權范圍條款的解釋。AIGC產(chǎn)品獲得訓練模型數(shù)據(jù)授權是合規(guī)的根基。
學而思AI大模型疑盜取合作商數(shù)據(jù)？
“學而思在今年4月13日至4月17日，通過‘爬蟲’技術非法訪問、緩存筆神作文APP服務器數(shù)據(jù)多達258萬次。”筆神作文在6月13日聲明中表示。
筆神作文認為，這一行為不僅違反了雙方的合同條款，也違反了《數(shù)據(jù)安全法》相關規(guī)定，嚴重侵犯了筆神作文APP的數(shù)據(jù)權益。事后其曾向?qū)W而思方面進行取證，并且對方承認是他們的算法組在爬取數(shù)據(jù)并作為己用，但在收到律師函后始終沒有實質(zhì)性答復。
記者了解到，筆神作文是隸屬于北京一筆兩劃科技有限公司的品牌，據(jù)其官網(wǎng)介紹，筆神是一款人工智能輔助寫作軟件，擁有千萬級寫作素材庫。筆神作文與學而思之間有著多年的合作基礎。
筆神作文稱，在不到一個月的時間，學而思的AI大模型MathGPT里包含的新產(chǎn)品“作文AI助手”就即將上線。疑似指后者作文AI產(chǎn)品使用了其數(shù)據(jù)。
筆神作文還表示會通過法律途徑來維護自身權益，但目前國內(nèi)并沒有“AI大模型數(shù)據(jù)盜取”的判決先例?！跋Ｍ麑W而思就此支付1元賠償金，并公開道歉，同時刪除已爬取的數(shù)據(jù)。”
各執(zhí)一詞：正常合作還是“扒庫”行為？
6月13日晚，學而思發(fā)布聲明，從三方面進行回應：
一是，學而思和筆神作文于2020年12月開始合作，合作協(xié)議明確約定：筆神作文為學而思提供“筆神作文范文素材服務接口”，用于學而思相關服務中，每月保底費用包含的調(diào)用次數(shù)為百萬次量級。合作至今，雙方一直按照調(diào)用量進行正常結算。
二是，學而思對筆神作文接口的調(diào)用，屬于雙方合同約定的正常合作范圍，對筆神素材內(nèi)容的使用均符合合同要求，并未用于合同以外的任何用途。
三是，筆神作文在公開聲明中提及學而思正在研發(fā)的數(shù)學大模型MathGPT以及學而思學習機“作文AI助手”，并主觀揣測學而思使用其數(shù)據(jù)用于兩款產(chǎn)品的訓練和研發(fā)，這與事實嚴重不符。
“首先，MathGPT是專注于數(shù)學領域的自研大模型，沒有任何作文相關數(shù)據(jù)；其次，作文AI助手目前處于開發(fā)狀態(tài)，尚未發(fā)布，該服務并未使用筆神作文的任何數(shù)據(jù)?！睂W而思稱。
6月14日，筆神作文發(fā)布《學而思，你做了一次標準的扒庫示范》，表示“我們認為學而思方所述并非事實”，并列出相關證據(jù)。
筆神作文稱，學而思在聲明里提到調(diào)用數(shù)據(jù)為正常使用，筆神作文在合同中明確“甲方（注：三體云聯(lián)公司）不得隨意泄露、使用、傳播或緩存乙方（注：一筆兩劃公司）服務接口中的作文范本及相關內(nèi)容，否則造成的損失將由甲方全額賠償”。同時，在合同中提出“甲方不得在未經(jīng)乙方允許的情況下用于任何其他用途，包括緩存，存儲，作為語料進行計算，訓練等?！?/p>
但在2023年4月13日至4月17日之間，筆神作文檢測到服務器接口出現(xiàn)大量有規(guī)律的異常訪問，導致服務器承載壓力快速升高。通過查閱服務器日志發(fā)現(xiàn)：三體云聯(lián)公司未經(jīng)一筆兩劃公司授權許可，用單一IP通過“爬蟲”技術非法訪問一筆兩劃公司服務器數(shù)據(jù)多達 258 萬次。
（圖源：筆神作文APP微信公眾號）
“而且，從這個IP的訪問日志來看，每次訪問的搜索詞都是作文相關的高頻搜索詞，我們每頁會返回30篇作文，每次訪問都是用搜索詞從第一頁逐頁向后翻，這種方式基本上把庫里同個題目的所有作文全部抓取完了，這種行為不是正常人使用的方式。而且很多訪問的間隔都是100毫秒左右，也不可能是正常人訪問的速度?！惫P神作文表示。
（圖源：筆神作文APP微信公眾號）
筆神作文認為，這種對數(shù)據(jù)庫的搜刮式訪問，與以往正常的訪問方式完全不同，按業(yè)內(nèi)的通常說法，這就是一種典型的“扒庫”行為。
網(wǎng)絡安全專家陳業(yè)炫告訴21世紀經(jīng)濟報道記者，所謂“扒庫”是一個口語化的形容詞，用于形容大規(guī)模爬取數(shù)據(jù)。“數(shù)據(jù)爬蟲過程中，爬取的規(guī)模大了、頻率高了，就會被認為是非正常行為。通常情況下，高頻率的請求，大規(guī)模、每一篇都會訪問的遍歷式行為都需引起關注。”
據(jù)陳業(yè)炫介紹，爬蟲本身就是程序化的自動行為，比如每秒10次的訪問量可以看作是超出普通用戶的行為頻率，正常用戶不會大規(guī)模、高頻率的訪問相關網(wǎng)頁。
在這個事件中，哪些行為是被允許的？哪些是不被允許的？“筆神允許相關合作方查詢、查看數(shù)據(jù)，但是不能本地化存儲用于機器學習的素材。”陳業(yè)炫說。
據(jù)筆神作文介紹，基于雙方的合作精神，筆神作文自己的技術團隊設計了完備的安全機制，正常情況下，可以防止黑客們進行爬蟲攻擊。而只有提供給合作伙伴學而思的接口是不設防的。
如何理解接口不設防？陳業(yè)炫介紹，筆神作文方面未對學而思設置反爬蟲措施。“日常的合作中，開放數(shù)據(jù)的一方通常需要限制訪問的行為，包括頻率和總量，給自己留以一定的反應時間，以防全部數(shù)據(jù)被快速抓走。”
21世紀經(jīng)濟報道記者多次通過官方電話嘗試聯(lián)系事件雙方，截至發(fā)稿前未得到回復。
AIGC伴生侵權風險 獲得數(shù)據(jù)授權是關鍵
AIGC火爆出圈，與之伴生的侵權風險問題也引發(fā)各界關注。國家網(wǎng)信辦今年4月發(fā)布的《生成式人工智能服務管理辦法（征求意見稿）》提到，提供者應當對生成式人工智能產(chǎn)品的預訓練數(shù)據(jù)、優(yōu)化訓練數(shù)據(jù)來源的合法性負責。用于生成式人工智能產(chǎn)品的預訓練、優(yōu)化訓練數(shù)據(jù)不得含有侵犯知識產(chǎn)權的內(nèi)容。
中倫律師事務所合伙人王飛指出，以ChatGPT為代表的生成式AI，底層是一款通用的自然語言生成模型，通過互聯(lián)網(wǎng)海量的語料庫訓練，對語言文本進行概率建模來預測下一段輸出內(nèi)容的概率，從而實現(xiàn)根據(jù)用戶輸入的文字內(nèi)容生成對應文字回答的功能。
具體到本次學而思和筆神作文的“AI大模型數(shù)據(jù)竊取”風波，王飛表示，這個事件實質(zhì)是授權合同違約糾紛，涉及到對于合同授權范圍條款的解釋。AIGC產(chǎn)品獲得訓練模型數(shù)據(jù)授權是合規(guī)的根基，授權的內(nèi)容和范圍、使用的形式等一般會在簽訂授權合同時予以明晰，但鑒于AIGC作為新生產(chǎn)物，怎樣進行約定還要再進行探索，也會是未來AIGC產(chǎn)品糾紛產(chǎn)生的主要原因之一。
陜西華格律師事務所律師葛偉超也認為，這主要是基于合同目的而產(chǎn)生的問題?！半p方可能會因為合同中關于數(shù)據(jù)使用的范圍、方式、程度等條款約定不明產(chǎn)生不同理解，而對簿公堂?！?/p>
那么，構成AI大模型“數(shù)據(jù)盜取”行為，有哪些主要的判斷因素？
“AI數(shù)據(jù)抓取案件本質(zhì)上與近年來司法判決的典型數(shù)據(jù)抓取案件并無差別，都需要判斷抓取數(shù)據(jù)行為是否損害數(shù)據(jù)持有者的商業(yè)利益與市場競爭優(yōu)勢、是否屬于未經(jīng)許可使用他人勞動成果、是否違背商業(yè)道德、抓取數(shù)據(jù)是否有合理理由。”王飛說。
在法律責任方面，葛偉超指出，利用抓取技術破壞他人市場競爭優(yōu)勢，具有并存在為自己謀取競爭優(yōu)勢的主觀故意，違反誠實信用原則，擾亂競爭秩序的數(shù)據(jù)抓取行為，可能構成不正當競爭行為。同時也直接違反了《數(shù)據(jù)安全法》相關規(guī)定。
“如果合作協(xié)議中有約定違約責任條款，則依其處理。如果沒有約定該種情形，則屬于侵權范圍，要承擔相應侵權責任，包括但不限于賠禮道歉、停止侵權、賠償損失等?！备饌コf。
大模型的開發(fā)離不開海量數(shù)據(jù)助力。當前，數(shù)據(jù)來源的知識產(chǎn)權已經(jīng)成為大模型發(fā)展的阿喀琉斯之踵。AI模型開發(fā)主體以何種方式、需要承擔何種程度的法律義務以獲取訓練數(shù)據(jù)，是當前產(chǎn)業(yè)需要解決的核心問題。
值得關注的是，傳統(tǒng)的“授權許可模式”對于大模型的數(shù)據(jù)訓練存在天然困境，不僅在于實操層面難以落地，更在于對產(chǎn)業(yè)研發(fā)的長期影響。業(yè)界有觀點認為，可以將數(shù)據(jù)納入合理使用的范疇進行規(guī)制。
目前來看，日本、英國、歐盟等已對將數(shù)據(jù)挖掘作為合理使用的情形進行了立法確認：日本以“計算機信息分析”的名義規(guī)定了文本數(shù)據(jù)挖掘的著作權例外，英國同樣引入文本和數(shù)據(jù)挖掘的版權許可或例外情況，歐盟則選擇“非科研目的”例外的謹慎方案。中國業(yè)內(nèi)也在探討是否可以通過數(shù)據(jù)的合理使用解決數(shù)據(jù)權屬帶來的問題。
對于如何厘清數(shù)據(jù)合理使用和保護的邊界，葛偉超認為，“首先，要明確擁有數(shù)據(jù)的經(jīng)營者權利，即擁有數(shù)據(jù)所有權還是數(shù)據(jù)用益權。其次，明確數(shù)據(jù)抓取行為的性質(zhì)。再次，明確該種行為損害的法益是數(shù)據(jù)財產(chǎn)還是競爭優(yōu)勢。最后，需要明確規(guī)制該種行為到底適用于競爭法、民法、或者著作權法的保護?！?/strong>
標簽：
