AI訓練引發新一輪法律戰：由Google Search到Gemini，科技巨頭與出版業嘅版權角力

Google面臨大型出版商集體訴訟：Gemini AI訓練牽涉版權爭議

最近，人工智能（AI）領域再次爆發嚴重嘅版權爭議。多間國際知名出版商及作家正式向科技巨頭Google提出集體訴訟，指控Google喺未經授權之下，擅自使用大量受版權保護嘅作品嚟訓練旗下嘅人工智能平台Gemini。

今次原告陣容相當龐大，包括Hachette、Cengage、Elsevier等國際出版界巨頭，以及知名作家Scott Turow與S.C.R.I.B.E.組織。呢單案件不但反映出科技公司喺獲取AI訓練數據（即語料庫）時面臨嘅嚴峻法律挑戰，亦再次引起全球大眾及媒體對創作者知識產權保障嘅廣泛關注。

訴訟細節與指控核心

擅用有限授權資料作AI訓練

根據呈交予紐約南區聯邦地區法院嘅訴訟文件，出版商同Google之間其實一直存在住一段長時間嘅合作關係。多年以嚟，出版商授權Google將大量實體書籍數碼化，並整合入Google Books系統入面。不過，呢種授權係帶有極度明確而且範圍狹窄嘅特定目的——就係僅限於容許使用者透過搜尋引擎尋找書籍資訊。

喺Google Books嘅機制之下，讀者嘅搜尋結果並唔會顯示整本著作嘅完整內容。相反，系統只會提供書本入面嘅簡短片段（Snippets），以及相關嘅書目同作者基本資料。除咗Google Books之外，原告亦都有提供部分書籍畀Google，目的純粹係為咗喺Google Play商店上面發售。

原告方喺法庭文件中嚴厲指控，Google跨越咗雙方原有嘅合作協議框架。訴狀明確指出，儘管Google從未獲得任何相關嘅許可，但依然非法複製咗呢啲來自有限授權計劃嘅作品，並將其轉化為訓練Gemini語言模型嘅龐大數據庫。訴狀寫道：「Google喺明知缺乏相關授權嘅情況下，依然非法複製所有來自範圍受限計劃嘅作品作AI訓練之用。」

涉嫌掩飾侵權行為及內部文件流出

令原告方更為不滿嘅係，訴狀中提到Google涉嫌採取不當手段去隱瞞版權來源。原告指控Google故意移除或者更改相關著作上面嘅版權資訊，目的就係為咗「掩飾其Gemini模型係依靠盜取而嚟嘅材料進行訓練」。如果指控屬實，呢種行為將會進一步違反相關嘅數碼版權法例。

此外，原告方更加喺法庭文件中拋出震撼彈，引用咗一份據稱係Google內部流出嘅評估文件。該內部文件顯示，Google管理層其實早已意識到相關風險。文件提到，利用受版權保護嘅書籍作為AI訓練數據，對Google嚟講將會係一項「極大問題」（Highly problematic）嘅舉動，甚至評估過有關行為可能會引致「高達一百億至一千億美元嘅潛在罰款」。

面對如此嚴厲嘅指控以及內部文件嘅曝光，Google方面暫時未有即時對傳媒嘅查詢作出官方回應。

AI與版權爭議嘅背景及行業影響

「合理使用」原則嘅法律爭議

今次針對Google嘅集體訴訟，其實只係近年針對各大AI公司（包括Meta、OpenAI、Anthropic等）連串版權申訴案嘅其中一環。喺美國嘅司法環境下，不少AI開發商面對版權訴訟時，都會以版權法中嘅「合理使用」（Fair Use）原則作為主要抗辯理由。佢哋主張，將版權內容轉化為演算法嘅訓練數據，本質上具備「轉化性」（Transformative），屬於促進科技創新同公眾利益嘅正當行為，而唔係單純嘅抄襲。

喺較早前加州嘅兩宗初步法院裁決入面，法官嘅判向確實有利於AI公司。法官當時認為，喺互聯網普及之前已經制定、而且多年未經大幅度現代化更新嘅美國版權法之下，AI訓練屬於「合理使用」嘅範疇。

不過，加州法官嘅決定並不代表其他法院一定會採納相同嘅觀點。科技界人士分析指出，呢場衝突涉及太多複雜嘅細節，單憑初期嘅裁決難以建立不可推翻嘅法律先例。今次針對Google嘅案件特意選擇喺紐約南區聯邦地區法院提出，意味住將會有另一位法官審理案件，為判決結果帶嚟新嘅變數。加上出版商與Google之間存在長期合約關係呢個獨特背景，令案件比一般單純嘅「網絡抓取」（Web Scraping）爭議更加複雜。

Anthropic 15億美元天價賠償案嘅啟示

要理解出版界點解今次態度如此強硬，必須回顧近期另一宗震撼科技界與出版界嘅指標性案件。早前，另一間知名AI企業Anthropic因為盜用受版權保護嘅材料進行模型訓練，被裁定面臨高達15億美元嘅巨額罰款，創下美國版權法歷史上最高額嘅賠償紀錄。

喺該案嘅結算方案中，大約有五十萬名作家符合資格，每人可以獲得至少3,000美元嘅賠償金。不過，值得留意嘅係，好多作家最終選擇退出該次和解方案。佢哋放棄即時嘅金錢賠償，目的就係為咗保留日後就AI訓練議題採取進一步法律行動嘅權利。呢個現象充分反映出，廣大嘅創作者對於自身心血被無償挪用於發展商業AI模型感到極度不滿，並準備透過法律途徑作長期抗爭。

業界應對策略比較：控告侵權 vs 尋求合作

面對AI浪潮對傳統版權嘅衝擊，目前全球媒體及出版業主要分為兩大陣營，採取截然不同嘅應對策略：

1. 訴諸法律保護資產：正如本案嘅多家出版巨頭，以及早前入稟控告OpenAI與微軟嘅《紐約時報》（The New York Times）。呢類機構認為AI公司嘅行為嚴重侵犯知識產權，並構成不公平競爭，因為AI生成嘅答案可能會令讀者減少點擊原創文章嘅連結，直接損害出版商嘅廣告與訂閱收入。佢哋希望透過法庭判決，確立未經授權使用數據屬違法嘅清晰界線。
2. 尋求付費授權協議：另一派機構則選擇將AI視為新嘅收入來源，與科技巨頭達成商業授權協議。例如新聞集團（News Corp）、知名討論區Reddit，甚至部分大型圖庫網站，都選擇以數以千萬計美元嘅合約，授權AI公司合法使用佢哋嘅內容庫作訓練用途。呢種做法確保咗機構能夠喺AI發展熱潮中分一杯羹。

對華文地區（中、港、台、星）出版業嘅潛在影響

今次Google面臨嘅訴訟雖然喺美國法庭上演，但對於全球，特別係香港、中國內地、台灣及新加坡等華人地區嘅出版業同內容創作者，都有極為重要嘅參考價值。

繁簡體中文語料庫嘅價值與潛在風險

隨著AI語言模型（如Gemini、ChatGPT、Claude）對多語言處理能力嘅需求不斷增加，高質量嘅繁體及簡體中文數據變得越來越矜貴。華人地區嘅出版商、新聞機構、甚至獨立網誌作者，同樣面臨作品被海外或本地AI網絡爬蟲隨意抓取嘅風險。

如果美國法院最終裁定Google等科技公司喺未經明確授權下使用特定數據訓練AI構成侵權，將會為亞洲地區嘅版權持有人提供一個強而有力嘅法律與商業談判參考。呢種發展將會鼓勵香港及台灣嘅華文出版商，更積極地審視旗下數碼資產嘅保安設定，以及更新網站嘅使用條款（Terms of Service），明確禁止未經授權嘅AI數據採集行為。

香港及鄰近地區對AI版權嘅應對步伐

喺香港，特區政府早前亦已經開始就版權條例如何涵蓋人工智能生成內容，以及相關嘅侵權問題進行初步探討同諮詢。傳統媒體及創作人逐漸意識到，必須建立一套清晰嘅機制，去釐清「學習」同「抄襲」之間嘅界線。

未來，我哋好大機會會見到華人地區嘅出版業界組成聯盟，集中力量與各大小AI開發商商討合理嘅數據使用費。從長遠商業發展角度睇，建立一個透明、可追溯，而且需要付費嘅「授權訓練新模式」，似乎係傳統出版業喺AI時代保障自身權益嘅唯一出路。

附加實用資訊整理：AI 生成內容與版權保護知識懶人包

為咗令讀者更清晰掌握呢類新聞入面嘅專業概念，以下整理咗AI版權爭議中經常出現嘅幾個關鍵法律與科技名詞：

• AI 訓練數據 (Training Data)：所有大型語言模型（LLM）都需要閱讀海量嘅文本以學習語言邏輯、知識框架同語氣。呢啲文本數據庫通常包含公開網頁文章、論壇對話、維基百科、以及未經授權取得嘅受版權保護書籍同新聞報道。
• 合理使用 (Fair Use)：源於美國版權法嘅一項重要原則，容許大眾喺特定條件下（例如學術研究、評論、新聞報道），無需事先獲得版權擁有人許可，即可使用受保護嘅作品。AI公司經常以此作為未經授權抓取版權數據嘅法律擋箭牌。
• 網絡爬蟲 (Web Crawlers / Spiders)：科技公司用嚟自動瀏覽互聯網並下載網站內容嘅自動化程式。出版商現時可以透過修改網站根目錄嘅 robots.txt 檔案，嚟嘗試阻擋部分已知嘅AI爬蟲獲取網站文章。
• 版權資訊移除 (Metadata Removal)：數碼檔案通常附有隱藏嘅元數據（Metadata），標明作者名稱、出版年份及版權持有人。如果有人故意利用程式抹除呢啲資訊以隱瞞數據嘅真實來源，將會違反各國嘅數碼版權法規。

總結

Google與多家大型出版商之間嘅這場新一輪法律戰，深刻地反映出人工智能技術嘅跳躍式發展，與現有傳統知識產權保護機制之間存在住嚴重嘅法規脫節。出版界曾經基於商業信任與特定用途，向科技巨頭提供受版權保護嘅作品，但時至今日卻發現呢啲資料被轉化為可能威脅其行業生存嘅AI訓練養分。

無論最終紐約聯邦地區法院嘅裁決結果傾向邊一方，呢宗案件都必定會對全球版權法規嘅未來修訂方向、科技公司獲取訓練數據嘅合法途徑，以及廣大內容創作者嘅根本權益保障，產生無可估量嘅長遠影響。對於香港及其他華人地區嘅出版業界而言，現時正係重新審視自身數碼版權策略，積極研究防範措施，並密切留意國際司法判例發展嘅關鍵時刻。