一起针对Meta提起的版权诉讼原告方律师指控，Meta首席执行官马克·扎克伯格批准了该公司Llama AI模型使用盗版电子书和文章数据集进行训练。
Kadrey诉Meta案是众多针对开发AI科技巨头诉讼之一，这些诉讼指控相关公司在未经许可情况下利用受版权保护作品训练模型。在大多数情况下，像Meta这样被告主张他们受到“合理使用”原则保护，这是美国一项法律原则，允许在作品具有足够转化性前提下使用受版权保护内容来创作新作品。但许多创作者拒绝接受这一论点。
在最新解除删节处理文件提交于加利福尼亚北区美国联邦地区法院周三晚间。Kadrey诉Meta案原告包括畅销书作家莎拉·西尔弗曼（Sarah Silverman）和塔-内西·科茨（Ta-Nehisi Coats），他们在文件中回顾了Meta去年晚些时候证词，当时披露扎克伯格批准Meta使用名为LibGen数据集用于与Llama相关训练。
LibGen自称是一个“链接聚合器”，提供访问来自Cengage Learning、Macmillan Learning、McGraw Hill和Pearson Education等出版商受版权保护作品。LibGen曾多次被起诉，被命令关闭，并因侵犯版权而被处以数千万美元罚款。
根据原告方律师转述Meta证词，尽管Meta AI高管团队及公司内部其他人员存在担忧，扎克伯格仍批准使用LibGen来训练Meta至少一个Llama模型。该文件引用Meta员工说法，称LibGen为“我们已知是盗版数据集”，并指出其使用“可能会损害[Meta]与监管机构谈判地位”。
该文件还引用了一份致Meta AI决策者备忘录，其中提到在“升级至MZ后”，Meta AI团队“获准使用LibGen”。（此处，MZ显然是“Mark Zuckerberg”简写。）
这些细节似乎与《纽约时报》去年四月报道相符，该报道称Meta在收集AI数据时采取了捷径。据《纽约时报》报道，Meta曾一度在非洲雇佣承包商来汇总书籍摘要，并考虑收购出版商西蒙与舒斯特（Simon & Schuster）。但公司高管认为协商许可协议耗时过长，并认为合理使用是一个有力辩护理由。
周三提交文件包含新指控，例如Meta可能试图通过去除LibGen数据归属信息来掩盖其涉嫌侵权行为。
根据原告方律师说法，负责Llama研究团队Meta工程师Nikolay Bashlykov编写了一个脚本，用于移除LibGen中电子书版权信息，包括“copyright”（版权）和“acknowledgments”（致谢）字样。此外，Meta据称还从其用于Llama训练数据中移除了科学期刊文章版权标记和“源元数据”。
“这一发现表明，Meta不仅为了训练目的而剥离[版权信息]，”文件写道，“还为了掩盖其侵犯版权行为，因为剥离受版权保护作品……可以防止Llama输出可能提醒Llama用户和公众注意Meta侵权行为版权信息。”
根据最新提交文件，Meta在证词中还透露，它曾通过BitTorrent下载LibGen，这一举动让一些Meta研究工程师感到担忧。Torrenting是一种在互联网上分发文件方式，要求参与者同时“播种”，即上传他们试图获取文件。
原告律师指控Meta通过torrenting LibGen并因此帮助传播其内容，实质上构成了另一种形式版权侵权。原告律师还指控，Meta试图通过最小化其上传文件数量来掩盖其行为。
根据文件，Meta生成式AI负责人Ahmad Al-Dahle为torrenting LibGen“铺平了道路”，无视了Bashlykov关于此举“可能在法律上不可行”保留意见。
原告律师在文件中写道：“如果Meta在书店购买原告著作或从图书馆借阅，并在未获许可情况下在其Llama模型上进行训练，它将构成版权侵权。”“Meta决定绕过合法获取书籍途径，并成为非法torrenting网络知情参与者……这证明了版权侵权。”
针对Meta案件远未定论。截至目前，该案件仅涉及Meta最早Llama模型——而非其近期发布产品。如果法院被公司合理使用论点说服，很可能会判决Meta胜诉。（2023年，一家法院）驳回多项与人工智能相关版权索赔，认定原告未能证明侵权行为发生。）
但正如主持该案法官Vince Chhabria在周三拒绝Meta删除文件大部分内容请求时指出那样，这些指控对Meta形象并不利。
Chhabria写道：“很明显，Meta密封请求并非旨在保护免受竞争对手可利用敏感商业信息披露，而是旨在避免负面宣传。”