從最近的洗稿爭(zhēng)議，想到大模型訓(xùn)練的素材許可

最近，又因?yàn)橄锤宓氖鲁称饋?lái)了。

不表態(tài)，也沒(méi)有明確的態(tài)度，就說(shuō)說(shuō)看法。我記得多年前一位作家，撰文說(shuō)自己夢(mèng)中偶得一佳句“江湖夜雨十年燈”，結(jié)果不想是黃庭堅(jiān)的詩(shī)句，被人笑話了一陣。

洗稿，是處于“人人都知道，但卻難以下定論”的一種狀態(tài)。

這其實(shí)很正常，很合理。

因?yàn)椋鳈?quán)法保護(hù)的是思想的表達(dá)而非思想本身。思想一般指概念、術(shù)語(yǔ)、原則、客觀事實(shí)、創(chuàng)意、發(fā)現(xiàn)等等。表達(dá)則一般指是指對(duì)于思想觀念的各種形式或方式的表述，如文字的、音符的、數(shù)字的、線條的、色彩的、造型的、形體動(dòng)作的表述或傳達(dá)等。顯然，洗稿就是從表達(dá)上改變，從而避開(kāi)著作權(quán)法。嚴(yán)格地說(shuō)，通過(guò)“洗稿”方式，篡改刪減，是可以不構(gòu)成侵權(quán)抄襲剽竊原創(chuàng)作品的。

知識(shí)產(chǎn)權(quán)的保護(hù)，本來(lái)就存在一定的模糊性。中國(guó)知識(shí)產(chǎn)權(quán)法學(xué)界的泰斗鄭成思曾說(shuō)：“知識(shí)產(chǎn)權(quán)是一門詭辯的學(xué)科。

其實(shí)，要講獨(dú)創(chuàng)思路、觀點(diǎn)的話，這么多年，我就太多了，我文章的特點(diǎn)就是有觀點(diǎn)。都要追究，哪里追究得完。當(dāng)然，我并不覺(jué)得該追究。別說(shuō)所謂觀點(diǎn)，各類期刊直接把文章拿去發(fā)，cnki一查。都很多。這個(gè)其實(shí)可以追究，但也麻煩。

比如，“智力的回歸”這個(gè)概念，我最初發(fā)在騰訊大家上的，把身高回歸的規(guī)律用在了智力上。我在網(wǎng)上搜索過(guò)，在我之前，沒(méi)人這么說(shuō)過(guò)。如今，十多年過(guò)去，已經(jīng)成為常識(shí)了。那么，這是觀點(diǎn)的傳播還是洗稿？我能要求人人提到“智力回歸”都提到我的名字嗎？顯然，文章不是論文，沒(méi)辦法這樣要求。那么，不洗稿，觀點(diǎn)能傳播嗎？

其實(shí)，騰訊的洗稿評(píng)議機(jī)制，也在我公開(kāi)發(fā)表的文章之后。當(dāng)時(shí)是六神磊磊指控另一個(gè)大號(hào)周沖洗稿，引發(fā)業(yè)內(nèi)熱議。我當(dāng)時(shí)提出，洗稿不違法，所以只能用行業(yè)評(píng)議解決。我是這么寫的：

洗稿乃至抄襲，大致上確定只需要兩個(gè)初中生，5分鐘，20塊錢。但法律上確定，需要請(qǐng)兩個(gè)博士后，5個(gè)月，200萬(wàn)。如果洗稿的維權(quán)成本從后者變?yōu)榍罢撸S權(quán)就會(huì)變得簡(jiǎn)單。所以，只有通過(guò)貝葉斯后驗(yàn)的理念來(lái)進(jìn)行判斷，即通過(guò)觀察到的信號(hào)來(lái)判斷發(fā)出信號(hào)的本質(zhì)。簡(jiǎn)單地說(shuō)就是，如果一只鳥(niǎo)多次看起來(lái)像鴨子，多次聽(tīng)起來(lái)像鴨子，那么，它就是鴨子。

后來(lái)騰訊就有了洗稿評(píng)審，現(xiàn)在，我也不時(shí)能收到評(píng)議需求。不過(guò)，我當(dāng)時(shí)提出的是對(duì)公號(hào)原創(chuàng)程度的標(biāo)識(shí)，騰訊現(xiàn)在應(yīng)該是直接刪除。我提標(biāo)注，是因?yàn)橄锤宀⒉磺謾?quán)，刪除有法律風(fēng)險(xiǎn)。不過(guò)，騰訊可以基于用戶協(xié)議刪除。

這類例子，很多我也想不起了。

比如，最近想寫一篇文章，核心觀點(diǎn)就幾個(gè)字“優(yōu)質(zhì)教育資源，是不可能增加的，因?yàn)槠唇逃Y源是為了競(jìng)爭(zhēng)，而不是多學(xué)知識(shí)。人們要的是排序，而不是絕對(duì)值。”這個(gè)觀點(diǎn)，隨著國(guó)家抹平內(nèi)卷的效率，過(guò)個(gè)十來(lái)年也許也會(huì)成為常識(shí)。

但法律并不能，也不該保護(hù)“觀點(diǎn)是我的”。因?yàn)閭鞑ケ厝话殡S啟發(fā)，傳播和啟發(fā)是同時(shí)發(fā)生的，而且，啟發(fā)應(yīng)該再次被傳播。而且，這個(gè)過(guò)程，正是法律想要保護(hù)的。某種程度上，它也是作者本身想達(dá)到的目的。

我們追求的正是這種外部性。

天下文章一大抄，這話說(shuō)的是一個(gè)一直存在的現(xiàn)象。這其實(shí)很難免。

太陽(yáng)之下無(wú)新事，常識(shí)需要不斷說(shuō)，被別人重復(fù)，被自己重復(fù)。當(dāng)然，我用自己之前的說(shuō)理，我肯定會(huì)改改，不能完全一樣，或者引入當(dāng)時(shí)的具體事件。再比如某個(gè)2萬(wàn)字的報(bào)告，有人總結(jié)了，我拿過(guò)來(lái)，改一下就用。或者某個(gè)新聞，有人總結(jié)了，我改一下用。一般來(lái)說(shuō)，我接到洗稿評(píng)議，文章只是洗一兩段，不是核心部分，我不會(huì)給出洗稿的判斷。

對(duì)于洗稿質(zhì)疑，當(dāng)然還沒(méi)人質(zhì)疑過(guò)我哈，我覺(jué)得是不需要回應(yīng)的。因?yàn)槲揖褪怯^點(diǎn)產(chǎn)出型的，洗稿的指控對(duì)我不會(huì)有多大傷害。這同樣是基于貝葉斯后驗(yàn)的，要多次看起來(lái)像洗稿，才能構(gòu)成對(duì)能力的質(zhì)疑。

寫這篇文章的時(shí)候，從洗稿想到AI訓(xùn)練的版權(quán)問(wèn)題。這也是最近知識(shí)產(chǎn)權(quán)領(lǐng)域的爭(zhēng)論點(diǎn)。現(xiàn)在有很多觀點(diǎn)了，我補(bǔ)充一個(gè)更底層的。（寫完了才發(fā)現(xiàn)，這本身就是一個(gè)關(guān)于觀點(diǎn)傳播和洗稿的辨析例子）

第一個(gè)問(wèn)題，訓(xùn)練是不是對(duì)素材的商業(yè)性應(yīng)用？

如果一個(gè)人看了一部電影，比如阿凡達(dá)，從中受到啟發(fā)，創(chuàng)造了另一種外星人的形象。這個(gè)形象不侵權(quán)，完全不一樣。那么，可以說(shuō)他對(duì)阿凡達(dá)進(jìn)行了商業(yè)性應(yīng)用嗎？

一本書，讓一個(gè)人讀了，這個(gè)人學(xué)到一個(gè)道理，一個(gè)句式，產(chǎn)生了一幅圖像，得到一個(gè)靈感，應(yīng)用到了另一個(gè)地方。

這就是所謂的“啟發(fā)”。顯然，這不構(gòu)成對(duì)這本書、這部電影的商業(yè)應(yīng)用。正如我前面所說(shuō)，法律不可能限制“啟發(fā)”——這正是知識(shí)產(chǎn)權(quán)保護(hù)想要達(dá)到的目標(biāo)。

那么，就進(jìn)到第二個(gè)問(wèn)題：?jiǎn)l(fā)這個(gè)詞，形容的是一種觸類旁通的關(guān)系，是發(fā)散的、具有不確定性的智能上的因果關(guān)系。只有人才具有智能，所以，只有人才能受到啟發(fā)。那么，機(jī)器，從訓(xùn)練到生成文本或圖片，還是“啟發(fā)”嗎？

如果不是，反過(guò)來(lái)，則構(gòu)成對(duì)素材的商業(yè)應(yīng)用。某種程度上，就是另一種形式的洗稿。

那么，AI訓(xùn)練，從訓(xùn)練到生成新文本，是一種洗稿還是啟發(fā)？

如果計(jì)算機(jī)具有智慧的某種特征，那么，就可以視為啟發(fā)。現(xiàn)在說(shuō)大模型已經(jīng)有了涌現(xiàn)現(xiàn)象，應(yīng)該視為一個(gè)智能體。我覺(jué)得更關(guān)鍵的是，涌現(xiàn)具有發(fā)散性、不確定性的特征。

大模型中有很多隨機(jī)性。比如，temperature參數(shù)會(huì)直接改變輸出token的概率，這個(gè)參數(shù)甚至可以從外部環(huán)境調(diào)用，以獲得隨機(jī)性。

openai的api中也用seed這個(gè)參數(shù)來(lái)改變生成策略的隨機(jī)種子。

不同型號(hào)的GPU 之間的浮點(diǎn)數(shù)計(jì)算可能會(huì)略有差異，不能保證bit級(jí)別的一致性。這些差異，在巨大的參數(shù)累積下，剛開(kāi)始生成的token是一樣的，但是從某個(gè) token 開(kāi)始，后續(xù)的生成結(jié)果就不一樣了。從這個(gè)角度，涌現(xiàn)，也有發(fā)散、不確定性的特征。

這些隨機(jī)性，很多已經(jīng)是不可還原的了。這種不可還原的發(fā)散和不確定性，可以認(rèn)定類似人類智慧，所以，訓(xùn)練是被啟發(fā)，而不是洗稿，那么，就不構(gòu)成商業(yè)應(yīng)用，就無(wú)需許可。

單純從數(shù)量上說(shuō)，資料浩如煙海，參數(shù)多數(shù)繁星，很難認(rèn)定“素材——產(chǎn)出”的因果關(guān)系。而沒(méi)有這種因果關(guān)系，當(dāng)然不構(gòu)成商業(yè)應(yīng)用，所以，自然不需要特殊的許可。凡是公開(kāi)的，都可以被合法地用來(lái)訓(xùn)練。

或者說(shuō)，只要被人看到是合法的，無(wú)需許可，那么，被用來(lái)訓(xùn)練，就無(wú)需許可。

需要注意的是，有這樣一種論證方式：人作為智能體，是有民事權(quán)利的。這是“啟發(fā)”的法律前提。但顯然，大模型沒(méi)有這個(gè)資格，所以，它不能被“啟發(fā)”。但是，這種論證只是循環(huán)論證。

這一段中，一些技術(shù)細(xì)節(jié)，是我查閱的，然后拿來(lái)用了，另一些技術(shù)細(xì)節(jié)我本來(lái)就知道（當(dāng)然，也是從其他地方看到），但這都并不影響我這段論述的原創(chuàng)性。

這一段論述，遇到相關(guān)話題，我肯定是要用的，不然挺可惜的。如果有人洗稿了，我也會(huì)不高興，但時(shí)間足夠長(zhǎng)，我也就無(wú)所謂了。總之，要求高沒(méi)錯(cuò)，辯解也沒(méi)錯(cuò)，都不必太在意。

劉 遠(yuǎn) 舉

央視網(wǎng)、第一財(cái)經(jīng)、光明日?qǐng)?bào)、騰訊大家、南方周末、新京報(bào)、南方都市報(bào)、FT中文網(wǎng)、澎湃等特約作家，多家智庫(kù)研究員。

關(guān)注時(shí)政、財(cái)經(jīng)、科技話題，以深度、專業(yè)、理性的態(tài)度，去掘現(xiàn)象背后的事實(shí)。

中國(guó)科技自媒體50人

第35屆中國(guó)新聞獎(jiǎng)評(píng)論三等獎(jiǎng)

第34屆中國(guó)經(jīng)濟(jì)新聞獎(jiǎng)評(píng)論二等獎(jiǎng)

第28屆北京新聞獎(jiǎng)一等獎(jiǎng)

2024年湖南新聞獎(jiǎng)一等獎(jiǎng)

騰訊大家年度作家獎(jiǎng)

新浪最有價(jià)值專欄作家獎(jiǎng)

紅辣椒評(píng)論年度佳作獎(jiǎng)

已開(kāi)快捷轉(zhuǎn)載，歡迎轉(zhuǎn)載

已開(kāi)過(guò)白名單的公眾號(hào)，轉(zhuǎn)載請(qǐng)遵循轉(zhuǎn)載規(guī)則

您的關(guān)注是最好的支持！