司法部界定AI训练为合理使用，但版权争议仍存变数

这波判定简直是给白嫖党发福利，以后喂数据直接省掉买素材的钱，毕竟美国司法部（DOJ）主张把AI模型的训练行为划入“合理使用”（Fair Use）范畴，认为模型在预训练阶段做的是参数拟合，学习的是Token之间的统计分布概率，而非简单的复制粘贴。

自媒体找图被版权方追得胆战心惊，现在看来规则终于要给创作者松绑了。在针对《纽约时报》提起的集体诉讼书面论证里，美国司法部（DOJ）给出了一个指向性极强的表态：他们主张把AI模型的训练行为划入“合理使用”（Fair Use）范畴。这一表态在内容创作者群体中引发了强烈震动，直接撞上了当前AI产业最核心的成本与法律矛盾——我们到底是在“学习”知识，还是在“盗用”资产？ 从技术逻辑层面看，司法部的这份表态本质上是对Transformer架构底层逻辑的认可。不少人都误以为大模型是个超大索引库，回答问题的时候和搜索引擎一样检索原文直接搬运。但实际上，模型在预训练阶段做的是参数拟合，学习的是Token之间的统计分布概率。你输入Prompt时，模型是在预测概率最高的下一个词，并非简单的复制粘贴。要是法律能把这种“学习统计规律”的行为定义为合理使用，AI厂商就能从沉重的版权买断压力里脱身。 不过有意思的是，这种倾向和美国版权办公室（USCO）此前的态度形成了明显反差。USCO之前发布的报告里对AI训练的合法性持非常谨慎的立场，更偏向于加强对创作者权利的保护。而紧随其后的变动是，版权办公室主任Lina Khan在报告发布没多久，就因特朗普政府的动作被解雇。时间线上的这个巧合非常值得玩味，它暗示着政策顶层可能正在进行一次强力的方向调整，试图通过人事变动对齐司法部对AI产业的友好态度，给技术爆发扫清法律障碍。 ## 记忆效应为何成为版权战的技术痛点？ 哪怕有DOJ的站台，版权战的最终结果依然遥遥无期。这里有个绕不开的技术痛点：记忆效应（Memorization）。在《纽约时报》起诉OpenAI和微软的案件里，原告方提交了大量证据，证明模型在特定指令下能够“近乎原样”输出付费文章片段。对版权方来说，这就是最致命的证据——要是模型能完全复现原件，那它就不是在学习规律，而是在做高效的非法存储。 ## 个案胜诉能否确立通用训练规则？ 回看之前的关键节点，Stability AI曾经在法庭上被裁定训练行为属于合理使用，这确实给开源社区打了一剂强心针。但这种个案的胜利并不能代表通用结论。对AI工程师来说，判断训

现在主流模型在过滤敏感数据上的做法其实已经形成了一套“灰色地带”的技术策略，核心逻辑是利用Transformer架构的参数拟合机制来规避直接复制粘贴的风险。比如，当模型在预训练阶段学习的是Token之间的统计分布概率时，它并不会直接存储原文，而是通过概率预测生成输出——这让部分厂商能够在法律模糊地带争取“合理使用”的解释空间。不过，这种策略在《纽约时报》起诉案中被原告方的“记忆效应”证据直接戳穿：当模型在特定指令下能够“近乎原样”输出付费文章片段时，就无法再掩盖其“高效非法存储”的实质。这意味着，即使司法部试图通过政策调整（比如USCO主任的人事变动）为AI产业铺路，技术层面的记忆效应仍然是版权战的最大软肋。