從最近的洗稿爭議，想到大模型訓練的素材許可

最近，又因為洗稿的事吵起來了。

不表態(tài)，也沒有明確的態(tài)度，就說說看法。我記得多年前一位作家，撰文說自己夢中偶得一佳句“江湖夜雨十年燈”，結果不想是黃庭堅的詩句，被人笑話了一陣。

洗稿，是處于“人人都知道，但卻難以下定論”的一種狀態(tài)。

這其實很正常，很合理。

因為，著作權法保護的是思想的表達而非思想本身。思想一般指概念、術語、原則、客觀事實、創(chuàng)意、發(fā)現(xiàn)等等。表達則一般指是指對于思想觀念的各種形式或方式的表述，如文字的、音符的、數字的、線條的、色彩的、造型的、形體動作的表述或傳達等。顯然，洗稿就是從表達上改變，從而避開著作權法。嚴格地說，通過“洗稿”方式，篡改刪減，是可以不構成侵權抄襲剽竊原創(chuàng)作品的。

知識產權的保護，本來就存在一定的模糊性。中國知識產權法學界的泰斗鄭成思曾說：“知識產權是一門詭辯的學科。

其實，要講獨創(chuàng)思路、觀點的話，這么多年，我就太多了，我文章的特點就是有觀點。都要追究，哪里追究得完。當然，我并不覺得該追究。別說所謂觀點，各類期刊直接把文章拿去發(fā)，cnki一查。都很多。這個其實可以追究，但也麻煩。

比如，“智力的回歸”這個概念，我最初發(fā)在騰訊大家上的，把身高回歸的規(guī)律用在了智力上。我在網上搜索過，在我之前，沒人這么說過。如今，十多年過去，已經成為常識了。那么，這是觀點的傳播還是洗稿？我能要求人人提到“智力回歸”都提到我的名字嗎？顯然，文章不是論文，沒辦法這樣要求。那么，不洗稿，觀點能傳播嗎？

其實，騰訊的洗稿評議機制，也在我公開發(fā)表的文章之后。當時是六神磊磊指控另一個大號周沖洗稿，引發(fā)業(yè)內熱議。我當時提出，洗稿不違法，所以只能用行業(yè)評議解決。我是這么寫的：

洗稿乃至抄襲，大致上確定只需要兩個初中生，5分鐘，20塊錢。但法律上確定，需要請兩個博士后，5個月，200萬。如果洗稿的維權成本從后者變?yōu)榍罢?，維權就會變得簡單。所以，只有通過貝葉斯后驗的理念來進行判斷，即通過觀察到的信號來判斷發(fā)出信號的本質。簡單地說就是，如果一只鳥多次看起來像鴨子，多次聽起來像鴨子，那么，它就是鴨子。

后來騰訊就有了洗稿評審，現(xiàn)在，我也不時能收到評議需求。不過，我當時提出的是對公號原創(chuàng)程度的標識，騰訊現(xiàn)在應該是直接刪除。我提標注，是因為洗稿并不侵權，刪除有法律風險。不過，騰訊可以基于用戶協(xié)議刪除。

這類例子，很多我也想不起了。

比如，最近想寫一篇文章，核心觀點就幾個字“優(yōu)質教育資源，是不可能增加的，因為拼教育資源是為了競爭，而不是多學知識。人們要的是排序，而不是絕對值。”這個觀點，隨著國家抹平內卷的效率，過個十來年也許也會成為常識。

但法律并不能，也不該保護“觀點是我的”。因為傳播必然伴隨啟發(fā)，傳播和啟發(fā)是同時發(fā)生的，而且，啟發(fā)應該再次被傳播。而且，這個過程，正是法律想要保護的。某種程度上，它也是作者本身想達到的目的。

我們追求的正是這種外部性。

天下文章一大抄，這話說的是一個一直存在的現(xiàn)象。這其實很難免。

太陽之下無新事，常識需要不斷說，被別人重復，被自己重復。當然，我用自己之前的說理，我肯定會改改，不能完全一樣，或者引入當時的具體事件。再比如某個2萬字的報告，有人總結了，我拿過來，改一下就用。或者某個新聞，有人總結了，我改一下用。一般來說，我接到洗稿評議，文章只是洗一兩段，不是核心部分，我不會給出洗稿的判斷。

對于洗稿質疑，當然還沒人質疑過我哈，我覺得是不需要回應的。因為我就是觀點產出型的，洗稿的指控對我不會有多大傷害。這同樣是基于貝葉斯后驗的，要多次看起來像洗稿，才能構成對能力的質疑。

寫這篇文章的時候，從洗稿想到AI訓練的版權問題。這也是最近知識產權領域的爭論點。現(xiàn)在有很多觀點了，我補充一個更底層的。（寫完了才發(fā)現(xiàn)，這本身就是一個關于觀點傳播和洗稿的辨析例子）

第一個問題，訓練是不是對素材的商業(yè)性應用？

如果一個人看了一部電影，比如阿凡達，從中受到啟發(fā)，創(chuàng)造了另一種外星人的形象。這個形象不侵權，完全不一樣。那么，可以說他對阿凡達進行了商業(yè)性應用嗎？

一本書，讓一個人讀了，這個人學到一個道理，一個句式，產生了一幅圖像，得到一個靈感，應用到了另一個地方。

這就是所謂的“啟發(fā)”。顯然，這不構成對這本書、這部電影的商業(yè)應用。正如我前面所說，法律不可能限制“啟發(fā)”——這正是知識產權保護想要達到的目標。

那么，就進到第二個問題：啟發(fā)這個詞，形容的是一種觸類旁通的關系，是發(fā)散的、具有不確定性的智能上的因果關系。只有人才具有智能，所以，只有人才能受到啟發(fā)。那么，機器，從訓練到生成文本或圖片，還是“啟發(fā)”嗎？

如果不是，反過來，則構成對素材的商業(yè)應用。某種程度上，就是另一種形式的洗稿。

那么，AI訓練，從訓練到生成新文本，是一種洗稿還是啟發(fā)？

如果計算機具有智慧的某種特征，那么，就可以視為啟發(fā)。現(xiàn)在說大模型已經有了涌現(xiàn)現(xiàn)象，應該視為一個智能體。我覺得更關鍵的是，涌現(xiàn)具有發(fā)散性、不確定性的特征。

大模型中有很多隨機性。比如，temperature參數會直接改變輸出token的概率，這個參數甚至可以從外部環(huán)境調用，以獲得隨機性。

openai的api中也用seed這個參數來改變生成策略的隨機種子。

不同型號的GPU 之間的浮點數計算可能會略有差異，不能保證bit級別的一致性。這些差異，在巨大的參數累積下，剛開始生成的token是一樣的，但是從某個 token 開始，后續(xù)的生成結果就不一樣了。從這個角度，涌現(xiàn)，也有發(fā)散、不確定性的特征。

這些隨機性，很多已經是不可還原的了。這種不可還原的發(fā)散和不確定性，可以認定類似人類智慧，所以，訓練是被啟發(fā)，而不是洗稿，那么，就不構成商業(yè)應用，就無需許可。

單純從數量上說，資料浩如煙海，參數多數繁星，很難認定“素材——產出”的因果關系。而沒有這種因果關系，當然不構成商業(yè)應用，所以，自然不需要特殊的許可。凡是公開的，都可以被合法地用來訓練。

或者說，只要被人看到是合法的，無需許可，那么，被用來訓練，就無需許可。

需要注意的是，有這樣一種論證方式：人作為智能體，是有民事權利的。這是“啟發(fā)”的法律前提。但顯然，大模型沒有這個資格，所以，它不能被“啟發(fā)”。但是，這種論證只是循環(huán)論證。

這一段中，一些技術細節(jié)，是我查閱的，然后拿來用了，另一些技術細節(jié)我本來就知道（當然，也是從其他地方看到），但這都并不影響我這段論述的原創(chuàng)性。

這一段論述，遇到相關話題，我肯定是要用的，不然挺可惜的。如果有人洗稿了，我也會不高興，但時間足夠長，我也就無所謂了。總之，要求高沒錯，辯解也沒錯，都不必太在意。

劉 遠 舉

央視網、第一財經、光明日報、騰訊大家、南方周末、新京報、南方都市報、FT中文網、澎湃等特約作家，多家智庫研究員。

關注時政、財經、科技話題，以深度、專業(yè)、理性的態(tài)度，去掘現(xiàn)象背后的事實。

中國科技自媒體50人

第35屆中國新聞獎評論三等獎

第34屆中國經濟新聞獎評論二等獎

第28屆北京新聞獎一等獎

2024年湖南新聞獎一等獎

騰訊大家年度作家獎

新浪最有價值專欄作家獎

紅辣椒評論年度佳作獎

已開快捷轉載，歡迎轉載

已開過白名單的公眾號，轉載請遵循轉載規(guī)則

您的關注是最好的支持！