图书标注禁用于AI训练，华夏出版社：难维权，但要有态度
界面新闻记者 | 宋佳楠
近日有读者发现，华夏出版社推出的《新译黄庭经 阴符经》等图书版权信息页，清晰印着一行警示文字：“禁止将本书内容用于人工智能训练，违者必究”。该书由刘连朋、顾宝田注译，华夏出版社有限公司出版发行，著作财产权归属三民书局股份有限公司。
8月4日，据红星新闻报道，华夏出版社相关负责人对此表示，在引进部分外版图书时，著作权利方会在版权合同内增加条款，禁止图书文本被用于人工智能训练。“作为履约方，我们要对权利方有交代，所以会写上这句话。”
但该负责人称，如果书籍内容在未被授权的情况下用于人工智能训练，实际上很难维权，出版社标注主要是一种表态，让大家意识到图书是有版权的。
目前很多纸质书出版社暂时无法依靠技术手段自动拦截扫描录入行为。和网站可以设置爬虫协议不同，实体书籍不存在线上防护机制。对于有组织的数据采集团队而言，警示文字更接近一份“君子约定”。普通出版机构、创作者如果遭遇图书内容被擅自采集用于AI训练，可行的维权路径依然有限。
有法律人士给出建议，发现侵权线索后，首先应完整留存图书版权页、出版物样本等权属证据，一旦发现有公司批量扫描图书，可以发送书面函件要求停止采集行为。但最大的难点在于举证，普通人很难获取AI企业内部训练数据集。现阶段，行业更依赖事前约定和持续公示版权主张，以降低侵权风险。
事实上，海外出版界与AI企业的版权博弈早已上演。2024年初，人工智能初创公司Anthropic曾启动内部秘密项目，代号巴拿马计划（Project Panama），其核心目标是获取“世界上所有的书”。早期Anthropic依靠Books3、影子图书馆等盗版电子书获取训练文本，引发作家集体版权诉讼。
去年9月，Anthropic提交的法庭文件显示，该公司将支付至少15亿美元来解决上述诉讼。根据和解协议，Anthropic将向约50万部纳入和解范围的书籍的作者或出版商支付每部约3000美元的赔偿。
为规避盗版法律风险，该公司转向批量采购二手实体图书采集高质量训练语料，完成录入之后直接销毁原版书籍，约200万册纸质图书在数据采集流程中被损毁。事件曝光后，“毁书训练AI” 的争议席卷全球出版行业，大量出版社开始重新审视实体文本的数据安全问题。
相比于充斥着碎片化言论、重复信息、错误内容的互联网公开文本，正式出版的图书经过层层校对，行文连贯、逻辑完整，能够帮助大模型掌握系统性表达与长文本推理能力。大量古籍、专业著作、绝版文献没有完整电子版在网络流通，只能通过实体书籍扫描获取完整内容。多元类型的出版物，也可以丰富模型知识边界，平衡书面表达、叙事、理论解读等各类能力。
极高的训练价值，使得图书成为大模型训练不可或缺的语料来源。这也解释了为何部分AI企业不惜成本批量收集纸质书籍数字化。但随之而来的版权冲突，正在倒逼出版行业主动划定权利边界。
学术界也在行动。今年5月，旗下拥有《柳叶刀》《细胞》等刊物的头部出版集团爱思唯尔（Elsevier）与其它四家出版社联合起诉Meta，指控其未经许可获取海量受版权保护的图书、期刊内容，用于Llama系列大模型训练。
起诉书显示，为了在AI军备竞赛中抢占先机，Meta不仅使用了包含数十亿网页的网络抓取数据集，还从盗版网站上下载并传播了数百万本受版权保护的书籍和付费学术期刊文章。Meta还被指控删除了作品中的版权声明与作者信息，以掩盖数据来源。
对此，Meta方面辩称，使用版权内容训练AI属于变革性使用，可以适用美国版权法中的合理使用规则，其将积极应诉。
而在去年3月，法国主要出版商和作家协会也曾对Meta提起诉讼，指控Meta未经授权大规模使用受版权保护的内容来训练其AI模型。
时至今日，全球范围内依旧没有统一、明确的司法定论。不同地区法院针对同类案件，也出现过截然不同的判决结果。
今年3月，据21世纪经济报道，中国最高人民法院副院长陶凯元在谈及生成式人工智能给知识产权司法裁判带来的挑战时表示，法官往往难以通过对现行法律的简单“对号入座”作出裁判，但又必须回答人工智能技术迅猛发展带来的“司法之问”。
在陶凯元看来，要在人工智能产业发展和著作权人合法权益保护之间寻求平衡。据她透露，目前国家正在积极推进涉人工智能、数据产权司法政策文件的起草制定，努力为新技术的应用提供较为清晰的司法边界。