Recent content in 数字权益 on 张欣耕的个人博客https://shanechang.com/zh-cn/tags/%E6%95%B0%E5%AD%97%E6%9D%83%E7%9B%8A/zh-cnSat, 21 Jun 2025 00:00:00 GMThttps://shanechang.com/zh-cn/p/ai-copyright-middle-path-framework/https://shanechang.com/zh-cn/p/ai-copyright-middle-path-framework/<img src="https://shanechang.com/_astro/cover.Bu2QcH7O_6iUlY.webp" alt="Featured image of post AI训练与版权的中道之路: 一套能让双方都满意的实用框架" /><p>你有没有遇到过这样的场景: 两拨人吵得面红耳赤, 你在旁边看着, 心里却觉得其实有条明摆着的”中间道路”, 但没人理会?这就是我最近在AI训练和版权之争中, 反复脑补的画面。</p> <p>一边是创作者怒吼: “AI公司在偷我们的劳动果实!”另一边是AI公司委屈: “我们只是让机器学点东西!”而我, 一名AI工程师, 默默想: 要不其实他们都说得没错?</p> <h2 id="让我头秃的问题">让我头秃的问题</h2> <p>上周, AI圈迎来重磅新闻——汤森路透诉Ross Intelligence案子尘埃落定, 法院直接判定: 没经允许拿有版权的数据训练AI?不好意思, 这不是”合理使用”, 一刀切否了。</p> <p>我第一反应是: 完了, 凉了。毕竟搞AI的都知道, 谁没用过点公开网页数据?难不成整个圈子都是”建在沙滩上的高楼”?但后来的一次聊天, 彻底刷新了我的思维方式。</p> <h2 id="阅读权悖论">“阅读权”悖论</h2> <p>这个问题, 越想越玄学。训练大模型 (LLM) 时, 模型到底在干什么?其实它并不是偷偷把一本本书塞进数字保险柜, 而是在提炼模式, 挖掘关系, 抓取概念。这不就和人类读书一样么?</p> <p>换句话说: 如果我读了一千本菜谱, 之后做出一道新菜, 这算”抄袭”吗?显然我的思维方式被这些书影响了, 可我又没原封不动地抄一遍。</p> <p>但你可能会说, “你是人, AI是机器, 这能一样吗?”</p> <p>没错, 规模不一样, 性质也就变了。</p> <h2 id="类比的尽头">类比的尽头</h2> <p>LLM可不是默默啃一本书, 而是吞下几百万本。更可怕的是, 模型不像我一样还会忘菜谱, 甚至能被”提示词”激发, 复原出跟原文极其相似的段落。这就不是学生读书, 已经有点”复印机带脾气”的感觉了。</p> <p>在我程序员的脑袋里, 这一瞬间豁然开朗: 问题不是AI能不能学, 而是它不能”无偿复读”别人的东西, 更不能让创作者颗粒无收。</p> <h2 id="伪命题的两极">伪命题的两极</h2> <p>现在的争论像极了”非黑即白”的死胡同:</p> <ol> <li><strong>全面禁止用有版权内容训练</strong> —— 创新直接熄火</li> <li><strong>完全放开任意训练</strong> —— 创作者血本无归</li> </ol> <p>难道就没有第三条路吗?</p> <h2 id="一套靠谱的解决框架">一套靠谱的解决框架</h2> <p>经过无数次自我辩论 (以及浴室里的灵魂拷问), 我琢磨出了这样一套框架:</p> <h3 id="核心原则-赚钱了大家都分一杯羹">核心原则: 赚钱了大家都分一杯羹</h3> <p>说白了就是: AI公司靠训练有版权内容的模型赚钱, 内容创作者也应该按比例分红。你别急, 这里面还有点意思。</p> <h3 id="双轨制方案">双轨制方案</h3> <h4 id="路线一-付费就能玩">路线一: “付费就能玩”</h4> <ul> <li>AI公司可以使用有版权的内容训练模型</li> <li>收益越高, 支付的授权费用也越高</li> <li>必须有可验证的技术措施, 防止模型原样复读受版权保护的内容</li> <li>如果AI抢走了原内容的流量, 要按比例反哺给内容方</li> </ul> <h4 id="路线二-全开源-大家共享">路线二: “全开源, 大家共享”</h4> <ul> <li>没钱买授权?那就把模型开源</li> <li>训练数据100%透明公开</li> <li>技术社区共同受益</li> <li>给大公司制造点压力, 让他们也考虑”开源换口碑”</li> </ul> <h3 id="技术保障-程序员时间到">技术保障 (程序员时间到)</h3> <p>技术上, 咱们可以用强化学习 (Reinforcement Learning) 来惩罚模型”复读机”行为。就像训练小狗一样——每次模型吐出太像训练数据的内容, 就给它来个负面反馈。</p> <p>当然, 问题来了: “多像才算违规”谁说了算?</p> <h3 id="委员会大法好">”委员会”大法好</h3> <p>想象一下, 有个政府支持的委员会:</p> <ul> <li>科技公司和内容创作者各占一半席位</li> <li>制定标准要靠同行评议的学术研究, 不拍脑袋</li> <li>政策更新速度要跟得上AI技术进化</li> <li>向立法机构报告, 保证透明度和问责</li> </ul> <p>“委员会不都是慢吞吞的吗?”你可能担心。放心, 这个委员会要学FDA的”紧急审批”机制——该快时快, 该稳时稳。</p> <h2 id="泼盆冷水的现实">泼盆冷水的现实</h2> <p>自我陶醉到一半, 我突然意识到: 以现代”能上网冲浪”的AI技术, 或许上面这些都没用武之地了。</p> <p>现在的AI能实时浏览网页, 直接读原文, 瞬间总结, 压根不用提前训练。这就像你还在想怎么管住复印机, 人家已经开始用手机拍照了。</p> <p>但正因为如此, 框架越早立起来越好——否则技术飞快, 法律永远追不上。</p> <h2 id="为什么这套方案有戏">为什么这套方案有戏?</h2> <p>这个体系的妙处在于: 激励机制统一了!</p> <p><strong>AI公司:</strong></p> <ul> <li>有了法律确定性, 不用天天打官司</li> <li>能合法获取高质量数据</li> <li>开源与创新形成良性竞争</li> </ul> <p><strong>内容创作者:</strong></p> <ul> <li>劳动成果能变现</li> <li>作品可被标注, 引流</li> <li>不用担心被一锅端</li> </ul> <p><strong>社会整体:</strong></p> <ul> <li>AI创新继续狂飙</li> <li>研究者能用开源模型</li> <li>知识依旧开放共享</li> </ul> <h2 id="我们需要观念转变">我们需要观念转变</h2> <p>我抛个”热乎观点”: 别再用印刷时代的版权思维管数字时代的AI了。知识天然有流动的欲望, 但创作者也得”吃饭不靠风”。这套框架, 就是想帮两方”圆方共存”。</p> <p>想想计算机学界的论文——基本都开放获取, 作者靠引用, 声誉, 机会获得回报。为什么不能为其他类型内容, 也设计点类似的”替代性激励”?</p> <h2 id="还有哪些难题">还有哪些难题?</h2> <p>坦白说, 这框架离完美还差十万八千里。比如:</p> <ol> <li><strong>委员会怎么组?</strong> 科技圈多了, 创作者吃亏;出版业坐大, 创新窒息。</li> <li><strong>“最大努力”算啥?</strong> 模型95%合规, 你那5%被抄了, 是自认倒霉?</li> <li><strong>收益怎么分?</strong> ChatGPT帮人写代码, Stack Overflow, GitHub, 各类教程该拿多少?</li> </ol> <h2 id="最后的碎碎念">最后的碎碎念</h2> <p>现在的版权之争, 很像拿20世纪的法律去装21世纪AI的锅, 方的塞圆的, 怎么都不合适。与其争谁对, 不如重塑规则——让创新与创作都能有安全感。</p> <p>这不是站队的框架, 而是认清: 创新和创造, 都是社会的宝贝, 法律要能护得住两头。</p> <p>你怎么看?我们是不是想复杂了, 还是这条”中道”真有可能?你见过更靠谱的方案吗?</p> <p>评论区见, 我真心想听听圈内人的想法。毕竟, 如果我们不抓紧商量, 最后只会被法庭一刀切, 结果可能谁都不满意。</p> <hr> <p><em>PS: 是的, 这篇文章部分内容用AI润色过。而且我特意检查, 没复读受版权保护的内容。讽刺吧?这正是我们得赶紧解决这个问题的原因。</em></p>Sat, 21 Jun 2025 00:00:00 GMT