与几乎所有其他科技公司一样，Adobe在过去几年里大力投入人工智能技术。自2023年以来，这家软件公司推出了多种不同的AI服务，包括其由AI驱动的内容生成套件Firefly。然而，该公司对这项技术的全面拥抱可能带来了麻烦，因为一起新的诉讼声称它使用盗版书籍来训练其中一款AI模型。
一起代表俄勒冈州作家伊丽莎白·里昂提起的拟议集体诉讼声称，Adobe使用了大量书籍的盗版版本——包括她自己的作品——来训练公司的SlimLM程序。
Adobe将SlimLM描述为一种小型语言模型系列，可以“针对移动设备上的文档辅助任务进行优化”。该公司表示，SlimLM是在SlimPajama-627B上预训练的，这是一个“去重、多语料库、开源的数据集”由Cerebras于2023年6月发布。里昂撰写了许多非虚构写作指南，她表示自己的一些作品被包含在Adobe用于预训练的数据集中。
里昂的诉讼称，她的作品被包含在一个经过处理的、作为Adobe程序基础的操纵数据集的子集中。诉讼指出：“SlimPajama数据集是通过复制和操纵RedPajama数据集（包括复制Books3）创建的。”因此，“由于它是RedPajama数据集的衍生副本，SlimPajama包含了Books3数据集，其中包括原告和集体成员受版权保护的作品。”
“Books3”——一个包含191,000本书籍的大型合集，已被用于训练GenAI系统——一直是科技界法律纠纷的持续来源。RedPajama也在多起诉讼案件中被提及。今年9月，一起针对苹果公司的诉讼指控该公司使用受版权保护的材料来训练其Apple Intelligence模型。该诉讼提到了该数据集，并指责这家科技公司“未经同意且未给予署名或补偿地复制了受保护的作品”。10月，一起针对Salesforce的类似诉讼也声称该公司使用RedPajama进行训练目的。
不幸的是，对于科技行业而言，此类诉讼如今已变得相当普遍。AI算法是在海量数据集上进行训练的，而在某些情况下，这些据称包含了盗版材料。今年9月，Anthropic同意向多名作者支付15亿美元，这些作者曾起诉Anthropic，指控其使用他们作品的盗版版本来训练聊天机器人Claude。此案被视为关于AI训练数据中版权材料的ongoing法律斗争中的一个潜在转折点，而这类斗争有很多。