再让AI大厂这么“偷”下去，咱可能就看不到免费的网站了。。。

几天前，谷歌突然更新了隐私政策，明确表示要用网上所有的公开数据，来训练自家的 AI 模型。

也就是说，根据新政策，你在网上公开发布的任何信息都有可能被谷歌抓取，包括但不限于你发的帖子、搜索的关键词以及看过的视频。

这不妥妥互联网裸奔吗！

在这个节骨眼上整这么一出，大概率跟数据收费脱不了关系，谷歌再不薅这波免费的羊毛，之后很有可能就薅不到咯。

这事儿啊，自打 ChatGPT 爆火后再也没消停过。

世超先给大家伙儿捋捋时间线。

紧接着，美版贴吧 Reddit 也按耐不住了。

之前世超写这事儿的时候还在猜测， Reddit 官方最后会不会作出让步。

从现在的后续看来，大多第三方软件已经确认关停， Reddit 是铁了心要数据收费。

难道数据就这么值钱吗？

AI 大模型要想变得更聪明，就需要源源不断的数据去 “ 喂养 ” 。

现在能做大模型的，要不就是自己家有数据，像百度、阿里和腾讯；要不就是爬人家的数据，这里点名 OpenAI 。

因为很多网站都开放有免费的 API 接口，才给了微软、 OpenAI 这些巨头可乘之机。

但今时不同往日， AI 在重新赋予数据价值以后，有筹码在手上的平台当然不乐意被白嫖了。

所以， OpenAI 被起诉估计也是平台们联合起来想要 “ 杀鸡儆猴 ”， 治一治 AI 的这股歪风邪气。

因为数据版权涉及到 3 个关键的问题：

1.数据爬虫的行为本身是否是合法的？

2.数据是否受到版权的保护？

3.用数据生成的作品是否受到版权保护？

首先第一个问题，要获取数据，无非就是付费购买，或者收集网上公开的数据。

但需要注意的是，公开的数据并不能等同于授权使用，而且还要看网站是不是有相关的条款对数据爬虫行为做出了限制。

要是直接越过版权方的同意，或者绕过了网站限制强行获取数据，那就是妥妥的非法获取计算机信息系统数据罪。

即使 OpenAI 声称爬的是公开网站的数据，数据爬虫行为本身是否合法，还要看版权方是不是给了授权。

其次，关于数据本身是否受到版权保护。

根据美国的版权法，如果 AI 模型训练所用的数据符合 “ 合理使用 ” 的范围，那就不会构成侵权。

 “ 合理使用 ” 的构成要件包括是否涉及商用、作品本身是否受版权法保护、所使用部分的数量以及使用之后对作品本身造成的影响这四个标准。

像什么新闻报道、学术研究，适当引用是完全 ok 的。

最后，就是 AI 生成作品的版权问题。

咱就拿 AI 绘画举例子，图像生成相当于一个拆分又重组的过程，虽然最后的结果是完全 “ 新 ” 的，但仍然会保留训练图像的某些特征。

但这种情况到底算不算侵权，各国的说法现在也是众说纷纭。

因为训练数据是人家的，美国版权局认定 AI 生成的作品不受版权法保护，甚至还可能侵犯著作权。

至少在现行的法律框架下，上面这些问题很难得到一个统一的答案。

既然监管不给力，那版权方就只有提刀自己干了，该收费的收费，该追偿的也赶紧追偿。

▼OpenAI 被起诉的文件

可以预见，在推特和 Reddit 之后，可能还会有更多的内容版权方竖起高墙。

这事儿呢，对于平台来说，当然是个挣钱的新路子，科技巨头再不济也就是多砸点儿钱。

但对于整个互联网来说，可算不上一件好事儿。

当年，互联网就是带着开放共享的基因出生的，像什么维基百科、推特，之前常年免费提供 API 接口，开发者调用数据很方便。

但现在如果让数据收费这么一搞，结果会怎么样还真不好说。

毕竟，小开发者没有支付巨额数据费的能力，如果创新只在巨头里发生，这不就是纯纯搞垄断了？

其实吧，数据收费这事儿也不能全怪平台，实在是让 AI 巨头给 “ 抢 ” 怕了，算是一种自保的无奈之举。

虽然这次谷歌有“隐私政策”护体，但结果如何还真不好说。

所以，关键还要是看监管的大锤什么时候能落下。

厘清数据版权，是 AI 要发展始终绕不过去的一道坎儿，而现在，似乎也同样关乎着互联网的未来走向。

不知道 AI 这艘船，会将我们推向一个更开放，还是更封闭的时代？