“大模型数据被盗第一案”和解：曾索赔1元
笔神作文6月13日宣布起诉学而思，称其用爬虫盗取数据，这被称为国内大模型数据盗窃第一案。但其近日表示，双方已消除误会，不再对学而思数据调取事件发起诉讼。
来源 | 数据观综合
近日，世纪天鸿投资的AI辅助写作产品笔神作文发布声明称，已于8月4日决定不再对学而思，针对相关数据调取事件发起诉讼。
笔神作文表示，经与学而思深入调查并坦诚沟通后，对双方有争议条款已达成一致，双方已消除误会，并将继续深化合作，共同推进AI技术在教育领域的探索。
笔神作文将之称为“AI大模型数据被盗第一案”。此前6月13日下午，笔神作文通过自己的微信公众号、微博和第三方媒体发布消息称，遭到有多年合作关系的“学而思”背刺，指控学而思“盗取了我们的作文库存”，并称4月数据被窃取，学而思5月就公布进行数学大模型-MathGPT 的研发使用，“未免也太过于‘巧合’了”。
对此，学而思方面则发布声明回应称，该公司对笔神作文接口的调用，属于双方合同约定的正常合作范围，对笔神素材内容的使用均符合合同要求，并未用于合同以外的任何用途。
笔神作文在文章中表示，“我们的案件可能将会成为‘AI大模型数据被盗第一案’。”并表达了，要求公开致歉、删除非法获取的数据并中止应用、求偿1元的诉求。
对此，笔神作文解释道：“数据是有价值的，但我们心血更是无价，索赔 1 元是因为公平公正并不能用金钱衡量，我们希望通过诉讼告诉社会这种行为是错误的。人工智能行业的发展，靠的是共同创造，而非觊觎和剽窃他人的成果。”
公开资料显示，笔神作文是北京一笔两划科技有限公司开发的智能写作平台，拥有语文作文写前指导、作文批改评测等服务。
笔神作文在文章中称，“在过去笔神作文成立的6年时间里，我们每个月都会收到30万篇作文投稿和超过四十万的点赞。总共积累了超过500万篇作文素材，月批改量超3万篇。”但在4月一个周末，这些数据资源被爬虫爬取了超过两百万次。
文章中透露，笔神作文与学而思是合作关系，“虽然我们的产品已经设置了完备的数据安全机制，然而学而思却利用了我们的这份信任，利用了我们对合作伙伴的接口不设防。”
笔神作文表示，在数据窃取事件发生后，笔神作文找学而思进行求证时，对方直接承认，是他们的算法组在爬取数据并作为己用。
此前，好未来公司 (三体云联公司关联公司，前身学而思) 在5月5日的官方微信公众号发文表示: “学而思正在进行数学大模型-MathGPT 的研发使用，学而思学习机近期将上线一款‘AI助手’，涵盖作文助手......等相关功能。”
笔神作文方面直言，“4月我们的「作文库」数据被窃取，5月‘学而思’的「作文AI助手」新产品就即将上线了，这样‘巧合’未免也太过于‘巧合’了。”
笔神作文还称，团队多次向学而思发出律师函，但对方始终没有实质性答复。
不久后，针对笔神作文的这篇“征讨檄文”，学而思发布声明否认了笔神作文的说法，并称“对方在公开声明中提及学而思正在研发的数学大模型MathGPT以及学而思学习机‘作文AI助手’，并主观揣测我方使用其数据用于两款产品的训练和研发，这与事实严重不符”。
学而思从三个方面回应了笔神作文：
1、学而思和笔神作文于2020年12月开始合作，合作协议明确约定：笔神作文为学而思提供“笔神作文范文素材服务接口”，用于学而思相关服务中，每月保底费用包含的调用次数为百万次量级。合作至今，双方一直按照调用量进行正常结算。
2、我方对笔神作文接口的调用，属于双方合同约定的正常合作范围，对笔神素材内容的使用均符合合同要求，并未用于合同以外的任何用途。
3、对方在公开声明中提及学而思正在研发的数学大模型MathGPT以及学而思学习机“作文AI助手”，并主观揣测我方使用其数据用于两款产品的训练和研发，这与事实严重不符：首先，MathGPT是专注于数学领域的自研大模型，没有任何作文相关数据； 其次，“作文AI助手”目前处于开发状态，尚未发布，该服务并未使用笔神作文的任何数据。
作为AI核心要素之一的数据，据笔神作文和世纪天鸿披露，笔神作文积累的作文素材已超过500万篇。
世纪天鸿此前在互动平台中表示，笔神作文的大数据来源于自身累积，算法模型为公司自研训练。
此前5月8日，深交所对世纪天鸿下发关注函，其中要求说明公司是否向一笔两划提供训练“笔神作文”AI模型所需的数据；如是，需要结合公司有关数据的获取方式及来源等，按照《数据安全法》等相关规定，说明获取、处理及使用有关数据的合法性；有关数据资产产权的权属是否清晰、是否存在潜在纠纷，相关方是否存在其他协议及利益安排。
世纪天鸿回复关注函时表示，经核实，一笔两划训练“笔神作文”AI模型所需数据，均为一笔两划在自身经营过程中积累。截至目前，公司未使用“笔神作文”向客户提供服务，也未向一笔两划提供“笔神作文”AI模型训练所需数据。后续，如一笔两划就“笔神作文”AI 模型训练有数据采买需求，公司将严格按照《数据安全法》等相关规定，在确保有关数据获取、处理及使用合法、数据资产产权权属清晰，无潜在纠纷的前提下，协商确定具体业务合作方式。
笔神作文向《科创板日报》表示：“用户在笔神作文APP使用我们服务的过程中，根据协议，我们会积累大量用户的原始的作文素材，成为我们的资产。这也是学而思与我们合作的原因，学而思如果从头积累数据，时间成本很高，短期没有办法积累相同数量级的数据。”
据悉，根据笔神作文的用户服务协议，用户在笔神作文发表的内容，授予笔神作文免费且不可撤销的非独家使用许可。
笔神作文与学而思的纠纷，牵引出大模型的一个“隐秘的角落”：用于训练AI大模型的数据，来源是否合法合规？事实上，关于大模型数据集的纷争已在海内外频频上演。
今年1月，海外图片供应商华盖创意（Getty Images）起诉AI绘画工具Stable Diffusion的开发者Stability AI，称其侵犯了版权。华盖创意称，Stability AI“非法”从网站上窃取了数百万张图片。
2月，《华尔街日报》的一名记者在网上公开表示，他向ChatGPT索取了一份用来训练它的新闻来源清单，收到的回复列出了20家媒体，但并不清楚OpenAI是否与所列出版商都达成了协议。
6月，美国一家律师事务所在加州一家联邦法院向OpenAI提起集体诉讼。根据诉状，OpenAI大规模盗取互联网用户与该公司产品的互动信息，及集成ChatGPT的应用中的隐私数据，并将这些信息用于该公司产品的模型训练。受害者据称可能多达数百万人，潜在损失高达30亿美元。
自去年底ChatGPT“一夜成名”，人工智能迎来“狂飙”时刻，AI生成内容（AIGC）领域快速发展。与此同时，数据泄漏、电信诈骗、个人隐私风险、著作权侵权、虚假信息等挑战层出不穷。
随着问题的凸显，各国也把对于AI的监管提上日程。斯坦福大学发布的《2023年人工智能指数报告》中提到，对127个国家的立法记录调研的结果显示，包含“人工智能”的法案被通过成为法律的数量，从2016年的仅1个增长到2022年的37个。报告对81个国家2016年以来的人工智能法律法规记录的分析也同样表明，全球立法程序中提及人工智能的次数增加了近6.5倍。
新一轮人工智能飞速发展，如何平衡发展与安全成为此次发展过程中的一道必答题。
点击图片，立即购买GDPR高级班62讲
微信扫码关注该文公众号作者