微软的Nadella称AI巨头虚伪——但他自己的公司呢？
在为生成式AI训练窃取受版权保护材料这件事上，它和竞争对手的人工智能公司一样有罪。
据说，19世纪法国小说家奥诺雷·德·巴尔扎克曾说过：每一笔巨大财富的背后，都隐藏着巨大的罪行。
这句话在今天比200年前更加真实——看看Anthropic、OpenAI、谷歌等大型AI公司如何积累了万亿美元级别的财富便可知晓。
它们都使用了海量受版权保护的材料来训练大语言模型（LLM），却没有向版权所有者支付任何费用。换句话说，它们偷了这些内容。只不过，它们不称之为“偷窃”，而是称之为“合理使用”——但在此语境下，二者含义别无二致。
生成式AI训练需要大量文本。文本写得越好、信息密度越高，训练效果就越显著。当AI在优秀的书籍、杂志和报纸文章上训练时，其学习速度远快于在社交媒体闲聊（或你在网上能找到的大多数其他内容）上训练。
自AI诞生以来，各家公司一直在四处搜罗受版权保护的材料——公开网络、付费墙背后，甚至手动扫描的书籍——然后将扫描文本用于训练。这一切，它们从未征得作者或出版商的许可，也从未支付过任何费用。
这是历史上最大规模的知识产权盗窃案——涉及金额高达数十亿美元。书籍、文章、音乐、照片、艺术作品，不一而足。只要是人类创作的，大AI很可能都在未经允许的情况下抓取并收入囊中，然后从中攫取了巨额利润。
我从个人经历中对此深有体会——我与此切身相关。大型AI公司至少用我的30本书训练了它们的模型，从未征询过我的意见。这只是我确认到的部分。大AI很可能还偷了更多，包括我多年来撰写的数千篇文章中的许多篇。
对于AI巨头们来说，这是标准操作流程。因此，令人意外的是，微软首席执行官萨提亚·纳德拉竟然公开呼吁大AI在使用他人知识产权而不付费的问题，同时当小型AI公司利用一种名为“蒸馏”的技术，基于大AI的成果训练自己的模型时，他却大声抱怨。
他在X上写道：“尽管模型提供商需要拥有合理使用权，以便对公共数据进行模型训练，从而实现伟大的创新，但我觉得颇具讽刺意味的是，现状却是逆转了局面——对蒸馏施加限制性条款，并保留从客户使用和互动数据中学习的权利。”
这里有一个重要说明：纳德拉认为，大AI应当被允许出于训练目的使用受版权保护的材料——他通过提及“合理使用”明确表达了这一点。他真正的不满在于，他认为小型AI公司也应该能够利用大AI的工作成果来训练自己的模型——而大AI却不想让他们这么做。
《商业内幕》的Alistair Barr提出了一个相关的观点：“Anthropic、OpenAI和谷歌正在发现互联网其他部分早已通过痛苦经历学到的东西：一旦你把某样东西放上网，人们总会找到以你不喜欢且无法阻止的方式来使用它。”
在审视纳德拉对大AI的批评是否站得住脚之前，我们先来了解这项技术的核心：蒸馏。
蒸馏的底气
蒸馏是一种AI训练技术，即从一个AI模型（例如某个问题的回答）中获取输出，然后用这些输出来训练自己的模型。AI公司经常这样做，而且已经做了很久。
Barr这样解释蒸馏：“蒸馏看起来与AI公司一直以来对互联网其他部分所做的非常相似：未经许可免费抓取网络内容，将其转化为自己销售的产品，然后辩称这是合理使用，希望律师们之后再去解决细节问题。”
埃隆·马斯克曾承认，他的公司xAI使用蒸馏技术从竞争对手OpenAI那里获取输出，来训练xAI的Grok聊天机器人。他解释说：“一般来说，AI公司会蒸馏其他AI公司。”
分析师指出，AI行业本身就建立在蒸馏之上。Counterpoint Research研究副总裁Neil Shah表示：“现实是，没有一个模型是孤岛，整个行业在很大程度上是在递归学习的基础上发展起来的。在许多情况下，新进入者走的正是同一条‘蒸馏与优化’之路。”
这件事之所以现在才成为争议焦点，是因为中国的AI公司一直在利用蒸馏技术追赶美国AI公司。
OpenAI首席执行官山姆·奥尔特曼一直在向美国施压，要求对中国公司采取法律行动。Anthropic也加入了这一行列，声称反对蒸馏的斗争需要整个AI行业、云服务提供商和政策制定者的协同应对。
虚伪还是公平使用？
那么，OpenAI、Anthropic和其他美国AI巨头是否像纳德拉所说的那样虚伪？当然是的。它们建立在盗窃数十亿美元知识产权的基础之上运营，并将其称为“合理使用”。而现在，当竞争对手对它们做同样的事情时，它们却扮演起了受害者的角色。（在某些情况下，它们也会支付费用——例如Anthropic上周刚以15亿美元和解了一起版权诉讼。）
看到纳德拉指出它们的虚伪，这固然好。但微软同样犯有知识产权盗窃的罪行——其AI助手Copilot正由OpenAI和Anthropic的聊天机器人提供支持。该公司因知识产权盗窃而面临多起重大诉讼，原告包括《纽约时报》、《纽约每日新闻》、调查报道中心、400家地方和地区报纸联合体，以及包括普利策奖得主Kai Bird、Jia Tolentino和Daniel Okrent在内的11位作家。
所以，不必为纳德拉的直言鼓掌。我们更应该批评他（以及其他AI技术领袖）——他们从无数作家和出版商那里窃取了价值数十亿美元的知识产权，却仍称之为“合理使用”。
