Meta被控用2396部盗版影片训练AI，天价索赔揭开行业数据黑箱 | AI资讯

type

status

date

slug

summary

惊天诉讼：Meta如何一步步踏入“数据门”？

这起案件的核心证据，源于 Meta 在另一起版权诉讼中的“自白”。此前，Meta 在应对作家集体诉讼时承认，曾利用搭建在虚拟私有云（VPC）上的服务器，通过匿名 IP 地址，从多个“影子图书馆”大规模下载盗版书籍用于训练 LLaMA。

正是这一行为，让版权追踪公司 Strike 3 顺藤摸瓜，发现了 Meta 的踪迹。他们通过详尽的技术手段，锁定了与 Meta 相关的 47 个 IP 地址，并发现：

系统性侵权：这些 IP 地址在长达数年的时间里，持续、高频地下载并“做种”（分发）其旗下的成人影片。其行为模式高度自动化，呈现出明显的“非人类”特征。

公司行为：部分侵权 IP 地址直接归属于 Meta 公司网络，确认了这不是员工的个人行为，而是公司层面的系统化操作。

行为延伸：更令人震惊的是，调查发现部分下载行为与一个绑定在 Meta 员工家中的宽带 IP 高度协同，暗示着一种“公司干不完，回家接着干”的荒诞场景。

这一系列证据链条，将 Meta 从一个单纯的数据“使用者”推向了主动、系统化、工具化侵权并分发盗版内容的“传播者”角色，这也是诉讼中最致命的一点。

为何偏偏是成人影片？AI训练的“黄金素材”

为什么 AI 模型会对成人影片“情有独钟”？原告在诉状中给出了一个技术性的解释，简单来说，这类影片对于训练生成式 AI，尤其是视频模型，是不可多得的“黄金素材”。

高质量数据：成人影片通常具备高画质、高分辨率、长镜头、连贯的动作和情节以及自然的真人表情与互动。

理想的训练场景：相比于镜头切换频繁的影视剧或内容缺乏一致性的短视频，成人影片的场景相对固定，人物互动有始有终，为 AI 理解和学习连续动作、情感表达和时空关系提供了绝佳范本。

独特的场景内容：这类影片包含了其他公开数据集中所没有的独特互动场景，极大地丰富了模型的“知识库”。

最关键的是，这些资源在 BT 网络上唾手可得。Meta 甚至利用了 BT “我为人人，人人为我”的机制，通过主动做种传播这些盗版影片，来换取更快的下载速度和更多的其他资源。这使其行为从“顺手牵羊”彻底演变成了“主动交易”。

“数据原罪”：AI巨头们不能说的秘密

Meta 的案例并非孤例，它只是冰山一角。在“没有数据就没有 AI”的铁律下，“先抓取，后和解”几乎成了行业潜规则。从 OpenAI 的 ChatGPT 到 Stability AI，再到 Google，几乎所有头部玩家都曾因训练数据来源问题而官司缠身。

训练一个顶级的大模型需要“百万小时”级别的视频数据或海量文本，如果完全依赖正版授权，成本将是天文数字。因此，游走在灰色地带，利用网络爬虫抓取一切可用的数据，进行“数据洗白”，就成了一条心照不宣的捷径。

这次，Meta 撞上的是版权诉讼领域的“硬骨头”——Strike 3。这家公司以发起版权诉讼和收取和解费为主要商业模式，拥有自研的侵权追踪系统，堪称“版权猎人”。一场“你有片我就用”的科技巨头与“你敢用我就告”的版权斗士之间的对决，就此展开。

AI的未来，建立在谁的数据之上？

我们很容易将此事当成一则“AI 看黄片”的科技笑话，但其背后揭示的，是关乎我们每个人的严肃问题：在 AI 技术狂飙突进的时代，我们的数据安全和权利边界在哪里？

今天被吞噬的是电影，明天就可能是你的个人照片、医疗记录、家庭监控录像，甚至是你的创作作品。这些数据在未经你许可的情况下，被“以研究为名”的算法在黑箱中消化，最终会变成什么，被用在何处，我们一无所知。

幸运的是，已经有公司开始行动。例如，Cloudflare 已更新政策，默认拦截所有未经许可的 AI 网络爬虫，明确表达了“要数据，先授权”的态度。

无论这场官司结果如何，它都为整个人工智能行业敲响了警钟。技术的进步不应以牺牲个人权利和践踏法律为代价。透明、合规、有道德的数据使用，才是通向可信赖 AGI 的唯一道路。

想要获取更多深度的 AI资讯 和行业前沿动态，洞察 AI变现 的机会，欢迎访问一站式 AI门户网站 AIGC.bar (https://www.aigc.bar)，在这里你可以找到关于 ChatGPT, Claude 等模型的最新消息和实用 Prompt 技巧。