《纽约时报》与《每日新闻》指控OpenAI就其搜索客户聊天记录及训练数据集中受版权保护作品的能力撒谎。这是针对该AI公司持续两年诉讼的最新升级，原告指控OpenAI在训练生成式AI模型时使用其内容并在输出中重现新闻报道，涉嫌违反版权法。
技术抗辩与取证争议
OpenAI一直辩称无法搜索自身训练语料库，声称检索或生成海量ChatGPT对话集合技术负担沉重且涉及用户隐私问题。媒体机构寻求获取相关数据，以确认受版权保护的报道是否存在于训练数据集中，以及ChatGPT使用或复制这些内容的频率。
据4月法院命令的证词显示，OpenAI数据隐私工程师Vinnie Monaco透露，公司已对训练语料库进行内部搜索和评估，以查找受版权保护的新闻作品。证词还指出，在诉讼提起前，OpenAI已积累约7800万条去标识化ChatGPT对话数据库用于侵权评估；此外，公司在“长颈鹿项目”（Project Giraffe）工具组中实施了“Bloom”过滤器，于诉讼提交后不久检测并记录了输出中的重复内容。
样本失效与违规指控
上述披露尤为关键。原告最初要求提供1.2亿条聊天记录样本，经协商缩减至2000万条。去年12月OpenAI提交的样本因包含大量删节被法院认定“无法使用”。原告还指控OpenAI在诉后违反保存令，删除了数十亿条ChatGPT输出内容，并在请求样本中替换了数百万条日志记录，致使获取信息变得不必要地困难。
原告首席律师Ian B. Crosby表示：“若OpenAI认为复制客户新闻作品公平合法，便不会隐瞒真相。”
法律诉求与对方回应
目前，《纽约时报》和《每日新闻》请求法官处罚OpenAI隐瞒证据及干扰取证的行为，具体诉求包括：
- 阻止OpenAI将不可靠的2000万条聊天日志样本作为证据；
- 认定ChatGPT日志本应显示对原告内容的重大重复和引用；
- 禁止OpenAI辩称所提供日志未展示实质性重复；
- 要求OpenAI承担追查证据产生的法律费用。
OpenAI发言人Drew Pusateri否认指控，指责《纽约时报》在案件优势减弱时试图访问私人用户对话。他表示：“随着案件削弱及部分指控被迫放弃，对方仍在努力侵犯无关人员隐私并提出虚假指控。我们将继续捍卫用户隐私权及合理使用原则。”