原告方律师在一项针对Meta的版权诉讼中指出，Meta CEO马克·扎克伯格批准了公司Llama AI模型团队使用盗版电子书和文章的数据集进行训练。
本案名为Kadrey v. Meta，是许多针对开发AI的科技巨头提起的诉讼之一，这些诉讼都指控公司未经授权使用了受版权保护的作品进行训练。大多数被告，如Meta，声称他们受到了“合理使用”原则的保护，该原则允许在创作新作品时使用受版权保护的作品，只要这种使用具有足够的创造性转化。许多创作者对此持不同意见。
最近解密的文件显示，在美国加利福尼亚北区联邦法院周三晚些时候提交的文件中，包括畅销书作家莎拉·赛尔弗曼和塔-内希西·科特斯在内的原告方描述了去年末Meta公司AI高管团队的证词。证词中提到扎克伯格批准了使用名为LibGen的数据集来训练Llama相关模型。
LibGen自称是一个“链接聚合器”，提供了包括Cengage Learning、Macmillan Learning、McGraw Hill和Pearson Education等出版商的作品访问权限。LibGen多次被起诉，并被要求关闭业务，还因版权侵权被罚款数千万美元。
根据原告方律师转述的Meta公司的证词，尽管Meta内部AI高管团队和其他员工对使用LibGen数据集存在担忧，但扎克伯格还是批准了这一决定。文件中引用了Meta员工称LibGen数据集为“我们知道是盗版的数据集”，并指出其使用可能会削弱Meta与监管机构谈判的地位。
文件还引用了一份写给Meta AI决策者的备忘录，其中提到“升级到MZ后”，Meta的AI团队获得了使用LibGen的权利。（这里MZ显然是指“马克·扎克伯格”）
这些细节似乎与《纽约时报》去年四月的报道相吻合，报道指出Meta为了收集数据以训练其AI系统而采取了一些捷径。当时，《纽约时报》报道说，Meta曾考虑雇佣非洲合同工汇总书籍摘要，并考虑收购Simon & Schuster出版社。但公司的高管们认为谈判许可需要太长时间，并认为合理使用是一项坚实的辩护理由。
周三提交的新文件中提出了新的指控，比如Meta可能试图通过删除LibGen数据中的归属信息来掩盖其侵权行为。
根据原告方律师的说法，负责Llama研究团队的Meta工程师尼古拉·巴什列科夫编写了一个脚本，从LibGen中的电子书中删除版权信息以及“致谢”部分。此外，据称Meta还从用于Llama训练的数据中删除了科学期刊文章和“源元数据”的版权标记。
文件指出：“这一发现表明，除了用于训练目的外，Meta还通过删除版权信息来掩盖其侵权行为……因为删除受版权保护的作品会阻止Llama输出可能提醒用户和公众注意Meta侵权的信息。”
根据最新提交的文件显示，在证词中透露出的信息表明，为了获取LibGen内容而进行点对点（P2P）下载的做法让一些Meta的研究工程师感到不安。点对点下载是一种通过互联网分发文件的方式，在这种过程中下载者需要同时上传他们想要获取的文件。
原告方律师声称通过P2P下载LibGen的行为使Meta实际上又犯了一种形式的版权侵权，并且帮助传播了这些内容。此外，据称为了掩盖其活动行为，Meta还减少了上传文件的数量。
根据提交的文件显示，生成式AI负责人阿德姆·阿尔达勒批准了下载LibGen的行为——他无视巴什列科夫关于这样做可能不合法的观点。
“如果META在书店购买或从图书馆借阅原告的作品并在没有许可证的情况下训练其Llama模型，则会构成版权侵权。”原告方律师在提交的文件中写道，“META选择绕过合法获取书籍的方法并成为非法点对点网络的一部分……这证明了版权侵权行为的存在。”
目前针对META的案件尚未决定。目前仅涉及META最早期的一些Llama模型，并不包括最近发布的版本。如果法院被说服接受META关于合理使用的论点，则可能会支持META的观点。（2023年时法院驳回了几起针对META的相关版权诉讼案件，并认定原告未能证明存在侵权行为）
然而这些指控并不利于META的形象。审理此案的一名法官文斯·查布里亚在驳回META请求大量解密文件时拒绝部分解密申请时指出：“显然META密封请求并不是为了防止竞争对手获得敏感商业信息并从中受益。”相反，“这是为了避免负面宣传。”
总结：本文主要讲述了针对科技巨头META的一项版权诉讼案的具体情况。案件涉及META利用盗版电子书和文章的数据集训练其AI模型的行为，并揭示了一些关于如何处理这些数据以掩盖潜在侵权行为的做法。此外还提到了法官对此事的看法以及案件未来的走向。
