每天,我的社交媒体信息流都充斥着律师事务所的广告,他们想代表作者起诉 AI 公司。根据这些广告,AI 模型抓取了数百万本书,作者应当提交索赔。
而我就是受影响的作者之一。
我已经出版了三本书:
Every Fire Tells a Story——第一部以纵火案调查员为主角的谋杀悬疑小说。来自底特律的 Shakti Morgan 在满是格兰诺拉麦片和 Birks 鞋的波特兰显得格格不入,她正在那里求职。当一家深受喜爱的新时代书店起火焚毁时,她被推上前线,与形形色色的人物打交道。这本书也是少数让 现实生活中的超级英雄 占据重要戏份的虚构作品之一。
Final Expense Man ——是对著名短篇小说和电影Double Indemnity核心故事的重新演绎,只不过背景并非比佛利山庄的富人圈,而是设在破败不堪的拖车公园。主人公销售 Final Expense 保险,这是一种现实中存在的丧葬保险产品,面向低收入老年人营销。
Winning with the Bongcloud – 一本对象棋教学书的幽默戏仿作品。“Bongcloud Attack”(1. e4 e5 2. Ke2???)常被认为是可能最糟糕的开局。本书曾在 The Guardian 的一篇文章中被提及。
我不是 Stephen King 或 J.K. Rowling。没人会开着卡车到我家门口送来版税支票。但它们是我们的书,每一个字都是我写的。
写一本书是一场漫长的马拉松。你思考、规划,然后写作、重写、再重写、再改写一些、重写、重写、重写,最后终于完成。每一本都花了许多个月。
而最近我发现,其中至少有一本可以通过 Anna’s Archive 获取。
影子图书馆
如果你不熟悉 Anna’s Archive,它是互联网上庞大的“影子图书馆”之一。搜索一本书,无论版权许可与否,都很有可能某个地方的某个人已经上传了副本。
所以恭喜我吧。我被盗版了。而且在某种程度上……也许我活该?
我的盗版之罪
我每月当然要花很多钱订阅流媒体服务,家里堆满了书,一台 iPad 里塞满了 Kindle 电子书,而且我买进卖出的 CD 可能比大多数人呼吸的次数还多。
但我确实会盗版媒体。难道不是每个人都这样吗?
例如,CD 是我最早的盗版形式。我拥有 CD,并想在 iPod 上听它们。音乐公司真的指望我再买一次这些音乐吗?在某些情况下,是第三次买,因为我之前已经拥有大量专辑……事实上多到摆满墙。
我把 CD 翻录下来,把 mp3 放到我的 iPod 上。真是骇人听闻。
后来我还参与了其他一些卑劣行径。如果 Netflix 或 Hulu 上有某内容,我就在那里看。但那些 40 年代的冷门电影——我的爱好之一——或者那些 80 年代只发行过一次 DVD、之后从未再版的电视节目呢?这些你甚至都买不到全新的。对我而言,下载 .mp4 文件,而不是去搜寻二手 DVD,这在道德上是错的吗?我肯定有人会说是,但我不同意。更别提那些只在某些市场才有的媒体了。我的盗版原则主要关乎合理的便利。
每次我在 YouTube 上观看受版权保护、但原权利人懒得提交 DMCA 的内容时,这难道不也是盗版吗?
那么,也许我的书出现在 Anna’s 上是一种报应?
但还有另一个角度:这是否意味着我的书被用来训练 AI 了?
Anna’s Archive
想读 Winning with the Bongcloud 并从 Anna’s 上把它薅走的人,大概本来也不会去买它。
但那个为了训练模型而把它一股脑吸走的十亿美元级(很快会到万亿美元级?)公司……在我看来就是不一样。
你可以画出一条直线:
我的书在 Anna’s Archive 上。
AI 公司需要海量文本。
AI 公司从盗版图书馆下载过书籍。
因此,ChatGPT、Claude、Llama、Gemini 以及其他模型都读过我的书。
我问 ChatGPT Bongcloud 开局的“Marijanezy Bind”是什么,它把它原样吐回给我,所以数据肯定在那里。
在 2025 年一起针对 Meta 的版权案中,一名联邦法官描述了 Meta 如何下载 Library Genesis(更广为人知的名字是 LibGen),后来又下载了 Anna’s Archive 本身。法院称,Meta 随后将从这些影子图书馆获得的书籍加入用于训练其 Llama 模型的数据集。
Claude 的开发商 Anthropic 在获取数百万本书籍(包括从盗版图书馆获得的书籍)后被作家起诉。
2025 年,法官 William Alsup 裁定,使用书籍训练 AI 可能构成合理使用。但他将获取这些书籍的盗版副本视为完全不同的另一回事。随后就盗版副本达成的和解金额巨大:约 $1.5 billion,涵盖数十万部作品。
顺便说一句,这就是他们目前购买并扫描大量纸质书以避免未来诉讼的原因。
那么,我该如何看待 AI 用我的书进行训练这件事呢?
我生气吗?呃……不,我不能说我生气,但我是个相当随和的人。还有很多其他事情可能更值得生气。
几年前,我的一个朋友对AI被用于创作艺术大发雷霆,说这是在从艺术家那里偷窃。我提出,让Leonardo以某位艺术家的风格作画,和雇用一位艺术家、让他去图书馆研究某位特定艺术家的文字,然后画这幅画,并没有太大区别。
所以AI用我的书来训练,这件事也差不多是一回事。也许他们应该买纸质副本并扫描它们。那可能会让我的口袋里多出大概50美分。
归根结底,AI模型需要从人类作品中训练而来。我不会假装我的立场是大型语言模型应该只使用Project Gutenberg的文集和Linux man pages来训练。现代AI之所以存在,是因为它消耗了几乎难以理解的海量人类产生的材料:书籍、网站、源代码、Wikipedia、为systemd争吵的极客们,等等。
AI 一方最有力的论点在我看来一直显而易见:我是通过阅读其他作家学会写作的。如果我读了一本斯蒂芬·金的小说,随后变得更擅长制造悬念,我并不欠斯蒂芬·金一笔许可费。
AI 公司主张,模型训练是类似的。系统会审视作品,从中学习统计关系,并产出新的东西,而不是为它接触过的每一本书保留一份可搜索的小副本。
当然,区别在于我买了那本斯蒂芬·金的小说……也许吧?我可能是从图书馆买的。但那样的话,图书馆肯定买过它……也许吧?我捐过大量书给图书馆。但没错,在某个时候,有人买过那本书。
所以,是的,也许 AI 公司应该购买纸质副本并把它们粉碎掉。
被盗版的奇怪荣誉
我无法完全压下另一种反应:这多少有点让人受宠若惊。
意识到我写下的某些东西现在可能正漂浮在二十一世纪 AI 正被构建的那个巨大数字浓汤中,这种感觉有些奇怪。当然,当我在 LowEndTalk 上发帖时,同样的事情也是如此。
也许未来某个语言模型对国际象棋开局理解中的极微小一部分,来自 Winning with the Bongcloud。
这同时既令人恐惧又令人捧腹。
原文链接:https://lowendbox.com/blog/my-books-were-used-to-train-ai-how-should-i-feel-about-that/
