AI大厂被曝盗用付费书籍训练GPT-4o！出版商老板亲自带队实锤

Meise

吃瓜群众集合！最近科技圈爆出大新闻：由奥莱利传媒CEO蒂姆·奥莱利参与成立的AI监管组织发布报告指出，OpenAI可能未经授权使用付费电子书训练其最新AI模型GPT-4o。这个发现直接冲击当前AI训练数据来源的争议焦点。

研究团队选取了34本奥莱利出版的计算机专业书籍，抽取其中13,962个付费内容段落进行测试。结果显示，作为ChatGPT默认模型的GPT-4o，对需要付费阅读的专业内容识别率比旧版GPT-3.5 Turbo提升显著。值得注意的是，这些书籍内容需要付费订阅才能获取，而OpenAI并未与奥莱利传媒达成内容授权协议。

检测使用了一种名为DE-COP的技术手段，该方法是2024年由学术界提出的版权内容检测方案。其原理是通过对比AI对人类原创文本和机器改写文本的识别能力，判断模型是否在训练过程中接触过原始素材。研究团队强调，虽然这种方法存在误差，但GPT-4o对付费内容的高识别率仍具有参考价值。

面对质疑，OpenAI目前尚未作出正式回应。值得注意的是，该研究未涉及OpenAI最新发布的GPT-4.5系列模型，包括o3-mini和o1等版本。有业内人士指出，AI公司为提升模型性能，确实存在寻求高质量训练数据的迫切需求。目前OpenAI已与多家新闻机构、社交平台达成数据合作协议，并提供版权方内容移除机制。

当前OpenAI正面临多起版权诉讼，包括作家协会和《纽约时报》等机构的集体诉讼。此次涉及专业出版机构的争议若被证实，可能引发新一轮法律纠纷。研究团队特别说明，检测结果不能排除用户主动输入付费内容的影响，但GPT-4o对专业内容的高匹配度仍值得关注。

（2025年4月2日整理自外媒报道）