苹果公司正遭到作者起诉，指控其使用他们的作品来训练用于Apple Intelligence的大型语言模型。这起诉讼与Anthropic此前面临的高价法律纠纷如出一辙。
苹果一直致力于以合乎道德的方式训练人工智能模型，这些模型用于Apple Intelligence及其操作系统中的其他功能。尽管竭力以正确方式行事，它仍成为了版权诉讼的目标。
据路透社报道，作者格雷迪·亨德里克斯和詹妮弗·罗伯逊提起的拟议集体诉讼指控苹果使用其受版权保护的作品训练AI系统。该诉讼于周五在美国加州北区地方法院提交，称苹果正在积极使用一个基于盗版作品的数据集。
诉讼的关键在于苹果是否使用了名为“Books3”的数据集。诉讼称，Books3基于一个名为Bibliotik的“影子图书馆”网站的内容，该网站据称托管了数千本书的内容。
该数据集曾在HuggingFace上提供，直至2023年10月被移除，它也曾是RedPajama数据集的一部分。RedPajama被用作OpenELM开源模型的一部分，苹果于2024年发布了这些模型。
由于苹果在OpenELM中使用了与盗版书籍有关联的数据集，诉讼认为苹果很可能使用相同技术来训练其基础语言模型。
诉讼还坚称，苹果未曾尝试为书籍内容向作者支付费用。
诉讼要求陪审团审判，并请求判令苹果支付法定赔偿金和补偿性损害赔偿金、进行 restitution（返还）、销毁使用了这些训练集的Apple Intelligence及其他LLM模型，并支付律师费。
审慎的训练之路
这起诉讼与另一起涉及AI训练和盗版的案件有许多相似之处。去年9月，Anthropic同意向作者支付1.5亿美元以和解有关盗版的指控，其中包括扫描书籍内容来训练其模型。
这起新诉讼并非指控苹果直接盗取内容，而是指控其使用了一个据称来源可疑的数据集。
苹果一直公开表示，其力求在模型训练和为训练获取数据源方面尽可能合乎道德。
此前，苹果曾向出版商提供数百万美元以获取出版物用于训练数据。2024年，它还与Shutterstock达成协议，授权使用数百万张图像，同样用于训练目的。
7月，苹果进一步强调了其道德主张，包括对可从互联网获取内容的处理。在一篇研究论文中，它解释说，如果出版商不同意将其数据抓取用于训练，它就不会抓取该内容。
这包括遵守robots.txt中概述的限制，而并非所有公司都遵守这一点。
