出版社指 Google 擅用書籍訓練 Gemini，Google Books 舊勝仗今次未必夠用
訴狀拆開資料來源、訓練複製同輸出替代，法院要逐項審理 fair use
Google Books 舊帳，去到 Gemini 變咗新官司
Google 喺紐約多咗一宗 AI 版權官司。Hachette、Cengage、Elsevier 同作家 Scott Turow 喺 7 月 10 日向紐約南區聯邦法院入稟，申請代表一批作者同出版社追討。原告喺訴狀指 Google 未經許可複製數以百萬計書籍同學術文章，訓練 Gemini 系列模型，仲移除或改動版權資料。官司啱啱開波，呢啲全部係原告指控，法院未判；TechCrunch 出稿時 Google 亦未有回應。
圖片：Google
爭議由 Google 已經有嘅書庫開始
訴狀話 Google Books 原本用嚟建立可搜尋索引同顯示短摘錄，Google Play Books 收書檔就為咗賣電子書；原告指兩邊都冇批准 AI 訓練。另一批指控落喺 C4、Common Crawl 等網上資料集，入面據稱混有盜版網站同付費牆後面嘅內容。原告仲引用所謂 Google 內部文件，話團隊曾估計用 Play Books 作品可能帶來數百億至千億美元罰款風險；呢個數字係訴狀引述，唔係索償額，亦唔係法院估值。
三條戰線要拆開睇
第一層係使用作品訓練。 美國國會研究處整理顯示，兩名加州法官喺 Anthropic 同 Meta 案件，都曾按各自證據判模型訓練屬 fair use；Meta 嗰案尤其受制於原告冇交出足夠市場損害證據。呢啲判決證明訓練可以過關，未有替所有模型、資料來源同輸出一次過開綠燈。
第二層係副本點得返嚟。 Anthropic 案法官分開處理訓練同建立盜版「中央書庫」：前者獲判 fair use，後者下載同保存盜版書就過唔到。新訴狀就指 Google 擅自改用限定用途嘅 Books、Play 檔案訓練，又由涉盜版來源擷取內容。原告仍然要證明 Google 真係用過指定作品同副本，單靠資料集含有某個網站或者版權符號唔夠。
第三層係輸出會唔會頂替原作。 原告提交嘅測試話 Gemini 近乎逐字重現經濟學教科書章節，又按「等我唔使買書」呢類 prompt 寫出 Scott Turow 小說嘅長篇摘要。呢啲係單方面證據，仲要核對模型版本、prompt、重現率同原作對照。不過幾類證據嘅說服力有分別：逐段近乎照抄，證據明顯直接得多；至於長篇摘要、模仿風格同 AI 書造成嘅市場稀釋，法院點計仍有爭議。
Google Books 舊勝仗保護到幾遠
Google 2015 年喺 Authors Guild 官司贏過，第二巡迴上訴法院認為整本掃描、建立搜尋索引同顯示有限 snippets 屬 fair use，重點係短摘錄唔足以取代買書。嗰份判決冇處理生成式 AI 訓練，更冇批准 Google 日後任意改用同一批檔案。美國版權局報告亦提醒，同一次複製換咗用途就要重新分析。當年獲法院認可嘅 Google Books 書庫，今次反而令用途隔離變成案中關鍵。
授權成本唔只係畀錢買書
如果原告證明 Google 真係拎限定用途檔案去訓練，AI 公司往後簽內容合作時，條款會寫得仔細好多：邊個模型可用、可否傳去下一代、幾時刪除，同輸出要守咩限制。工程上亦要替每批語料保留來源、授權範圍同處理紀錄。AI 公司亦可能要將 data lineage 同用途隔離納入模型基建，相關審核成本隨時拍得住授權費。 大公司較捱得起買內容同做審計，細公司同開放模型團隊就可能較難攞到同級高質資料。
而家未有判令，Gemini 暫時照常
原告要求法院頒禁制令、命 Google 公開訓練資料來源同銷毀涉案副本，但案件紀錄顯示官司先啱啱入稟，暫時冇任何裁決。就算出版社最後贏，較可能見到收緊逐字輸出、補授權同追蹤語料來源，未必等於 Gemini 突然少識一大截。下一步先睇 Google 點回應 Books 同 Play 檔案有冇用作訓練，再睇原告嘅輸出測試經唔經得起取證；成套爭論按美國 fair use 處理，唔可以當成其他司法區嘅通用答案。
參考來源
- TechCrunch — Google faces another AI training lawsuit from major publishers — original report
- 出版社及作者訴 Google 訴狀 — 核對原告、侵權指控、Gemini 輸出例子同原告要求。
- Hachette Book Group v. Google 案件紀錄 — 核對案號、入稟日期、法院同案件階段。
- Authors Guild v. Google 上訴庭判詞 — 核對 Google Books 掃描、搜尋索引同短摘錄獲判 fair use 嘅理由。
- 美國國會研究處：Generative Artificial Intelligence and Copyright Law — 比較 Anthropic 同 Meta 案件點處理模型訓練、盜版副本同市場損害。
- 美國版權局：Copyright and Artificial Intelligence, Part 3 — 解釋 fair use 要按具體用途、資料來源、輸出影響同授權市場逐項分析。
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
