《紐約時報》控告OpenAI和微軟侵犯著作權一案，9月17日多了一份解密文件。這是時報一方提交的法律簡報，先前只以刪節版留存在案，這次公開的未刪節版本，引用了微軟一名主管在2024年1月內部簡報中的原話。
說這話的人是微軟應用科學總監布倫特．赫克特（Brent Hecht）。根據簡報的引述，他把用新聞內容訓練大型語言模型形容為：
「an astonishing theft of unprecedented proportions」（一場規模空前、令人震驚的竊取）……「the largest theft of labor in human history」（可能是人類歷史上最大的勞動竊取）
簡報還提到，赫克特曾提醒OpenAI，在系統中排查哪些內容來自時報等原告時，可能構成一次「無意間的掩蓋」（accidental cover up）。
簡報列出的幾組數字
時報一方在簡報裡整理出幾份資料集的組成，都是從案件證據揭示程序中取得的資料：
- OpenAI的一個中期訓練資料集裡，有超過91,692份來自《紐約時報》、《每日新聞》和調查報導中心的作品副本；
- 一份由Common Crawl衍生的資料集，含有超過200萬份來自nytimes.com的檔案；
- 一個代號Project Mango的資料集，至少包含160,903份來自新聞出版機構的獨立作品。
法新社的報導另外給出一個總量口徑：OpenAI蒐集了超過1000萬篇文章，其中將近三分之一來自《紐約時報》。這個數字和上面幾組的統計方式不同，以簡報原文為準。
指控裡的手法分成三類：繞過付費牆蒐集內容、透過Bing索引進行大規模爬取、在內容進入訓練資料集之前刪除版權管理資訊。最後一項在美國著作權法裡對應的是獨立條款，一旦成立，賠償計算方式和單純的重製侵權不同。
兩家公司的回應
微軟發言人向法新社表示，赫克特的說法是「一名員工的個人看法」，不代表公司立場。TechCrunch在報導裡寫明，OpenAI和微軟都沒有回覆置評請求。截至發稿，兩家公司都沒有針對資料集規模、付費牆與版權資訊刪除這幾項具體指控公開表態，赫克特本人也沒有發聲。
三年官司走到哪一步
這起案子是時報在2023年12月提起的，地點在紐約南區聯邦地方法院，後來《每日新聞》和調查報導中心的訴訟併了進來。本站6月曾報導時報發行人蘇茲柏格公開指責AI公司「明目張膽偷內容」，那還是報社一方的表態；這次的分量在於，指控的措辭出自被告一方員工的內部資料。
放到同類官司裡看，走得最遠的一起是作家集體訴訟Anthropic案。那起案子裡法官把「用合法購得的書訓練」和「從盜版庫下載書」分開處理，後者直接進入賠償階段，最終以約15億美元的和解收場。時報案的指控重心落在蒐集付費內容和刪除版權資訊上，比單純的「訓練算不算合理使用」更接近那起案子裡被判不利的部分。
至於法官會給這份簡報多大權重，簡報本身回答不了。它證明的是微軟內部有人這麼看，能不能證明兩家公司明知故犯，要看後續證據揭示程序和開庭審理。案件目前沒有公布審理日期。
參考來源：TechCrunch、華盛頓郵報、CocoLoop、法新社、Futurism；《紐約時報》未刪節法律簡報核對了赫克特的引述與三組資料集數字，微軟的回應以法新社報導為準。