纽约时报指控OpenAI隐藏版权证据

一场围绕人工智能版权侵权的法律战正在升级。《纽约时报》与《每日新闻》联合指控OpenAI在诉讼中隐瞒关键证据，声称这家AI公司实际拥有搜索其训练数据和用户对话日志的能力，却在法庭上反复声称技术上不可行。这起诉讼已持续两年，核心争议在于OpenAI是否未经授权使用受版权保护的新闻内容训练其生成式AI模型，并在用户输出中再现这些内容。

原告方在最新提交的法庭文件中指出，OpenAI在整个诉讼过程中坚称自己无法搜索其庞大的训练语料库，同时辩称检索数亿条ChatGPT对话记录在技术上极其困难，且涉及用户隐私问题。然而，在2026年4月的一次法庭指定作证中，OpenAI数据隐私工程师Vinnie Monaco透露，公司实际上早已进行了内部搜索和评估，以查找训练数据中是否包含受版权保护的新闻作品。

更令人震惊的是，Monaco的证词显示，早在《纽约时报》提起诉讼之前，OpenAI就已经建立了一个包含约7800万条去标识化ChatGPT对话的内部数据库。这个数据库被用于评估模型对他人作品的侵权程度。此外，在诉讼提起后不久，OpenAI还部署了一套名为“Project Giraffe”的工具集，其中包含一个名为“Bloom”的过滤器，专门用于检测并记录模型输出中出现的“再生”现象——即模型直接复制或高度模仿训练数据中的受保护内容。

这两项发现对案件具有决定性意义。原告最初要求OpenAI提供1.2亿条聊天记录样本，但经过多轮谈判，OpenAI将样本规模压缩至2000万条。该公司最终于去年12月向法庭提交了这批数据，但据原告称，其中包含大量删节，以至于法庭本身都判定该样本“无法使用”。更严重的是，原告指控OpenAI在诉讼提起后直接删除了数十亿条ChatGPT输出记录，这明显违反了法庭的证据保全命令，同时还在要求的样本中替换了数百万条记录。

“如果OpenAI真的相信复制我们客户的新闻内容属于合理使用且合法，它就不会隐瞒已经这样做的真相，”原告首席律师Ian B. Crosby在一份声明中表示。原告方认为，OpenAI故意制造障碍，使得获取证据变得异常困难，而实际上该公司早已收集了这些信息。

目前，《纽约时报》和《每日新闻》正请求法官对OpenAI进行处罚，理由包括隐瞒证据和干扰取证流程。他们要求法庭禁止OpenAI使用那批2000万条聊天记录样本作为证据，认为其可靠性存疑；同时请求法庭直接认定以下事实：ChatGPT日志本应显示出大量再生现象，以及模型对新闻内容的依赖程度。这场诉讼的走向可能对整个AI行业产生深远影响，因为它将界定AI公司在使用公开数据训练模型时，对版权持有者应承担何种责任。

从技术角度看，此案揭示了AI公司在数据管理和透明度方面面临的挑战。OpenAI声称无法搜索训练数据，但内部工程师的证词表明，公司实际上具备这种能力。这种矛盾不仅影响法律判决，也可能动摇开发者社区对AI公司技术声明的信任。未来，AI公司可能需要建立更透明的数据溯源机制，以应对日益严格的法律审查。