版权与训练数据（copyright and training data）
/ KOP-ee-ryt and TRAY-ning DAY-tuh /
现代AI模型，靠吞下海量的文本、图像、代码与音乐来学习——其中大量是从开放互联网上抓取的，而这其中又有大量受「版权」保护，即创作者对其作品的复制行为加以控制的法定权利。「版权与训练数据」，就是由此引出的一团缠结的问题：未经询问，就把十亿张受版权保护的图像喂进一个模型，合法吗？由此得到的模型、或它的输出，构成侵权吗？又是谁——如果有人的话——欠了原创者什么？
这场争议里，藏着几个各不相同的法律问题，它们的答案也不一样。（1）「输入」之问：为训练模型而复制这些作品，本身算侵权，还是作为「合理使用」／「文本与数据挖掘」而被允许？（2）「记忆」之问：模型是否有时会吐出某些特定作品近乎一字不差的副本（它有时确实会），——这是个更清楚的问题。（3）「输出」之问：模型生成之物归谁所有？一张高度模仿在世艺术家风格的生成图像，会构成侵权吗？（4）「作者身份」之问：纯由AI做出的作品，究竟能不能享有版权？不同国家正给出不同的答案，而许多案子仍在诉讼之中。
它为何重要：这些答案将塑造「谁从AI获利」，以及人类创作者究竟是能拿到报酬、还是被挤出局。截至2020年代中期，诚实的现状是：悬而未决——没有全球共识，法院刚刚发出最初几份裁决，而通情达理的人们意见相左。当心任何一个方向上的笃定断言（「这显然是盗窃」／「这显然是合理使用」）；法律是真的还没下定论，而「模型像人一样从中学习」只是一个修辞性的类比，并非一条已确立的法律原则。
一位小说家发现，她的书曾是某个用于训练聊天机器人的数据集的一部分，而那个机器人能详细地概述她的情节。她提起了诉讼。这桩案子逼着法院去裁定：为训练模型而复制她的书，是侵权，还是具有「转化性」的合理使用？截至2020年代中期，世界各地的法院正发出最初的、且往往彼此矛盾的答案。
同样的事实，在不同法域里被作出了不同的判断——这部法律仍在书写之中。
有两件事常被混为一谈：「用受版权保护的数据训练」，与「模型把它复制出来」。前者在法律上模糊不清、争议激烈；后者——模型吐出某个特定受保护作品近乎完全的副本——则是清楚得多的侵权风险。把二者搅在一起，会把一场「区分很要紧」的辩论搅浑。