OpenAI 訓練資料爭議:解封訴訟檔案呈現 LibGen 內部討論
訓練資料從哪裡來、公司何時知道,可能成為著作權訴訟中的重要證據。作者整理了 Alter v. OpenAI and Microsoft 案中解封檔案的內容:原告主張,OpenAI 和 Microsoft 未經授權使用有著作權的書籍訓練模型,並引用內部訊息指出,員工早在 2019 年就談過 LibGen 資料集的來源與風險,OpenAI 也在 2022 年討論從系統和儲存空間移除相關資料。這些是原告提出的主張與證據,案件仍在進行,預計於 2027 年初舉行聽證。文章也說明,記下資料來源、核准者及使用過它的模型,並追蹤刪除後留下的副本,有助於日後釐清資料如何進入訓練流程。
推薦理由:訴訟檔案把資料來源、內部討論與後續清理串成時間線,呈現訓練資料如何成為判斷企業知情情況的證據。