微软称其聊天机器人极少逐字复述新闻文章内容

核心事实

微软在应对《纽约时报》及图书作者版权诉讼的新法律文件中表示，其 Copilot 聊天机器人极少逐字复述新闻文章或书籍内容。作为诉讼证据开示的一部分，微软向新闻出版商聘请的专家提供了 820 万份 Copilot 聊天记录。微软称，这些记录是特意挑选的，因为它们涉及使用新闻网站的关键词，是最可能包含原告作品的内容。分析显示，其中 59,545 份包含至少 16 个与用于训练 AI 模型的新闻内容相同的词。

背景与影响

微软指出，调查报道中心（CIR）的专家在该数据集中发现了 51 处与 CIR 作品的“实质性重叠”，而作者诉讼中的专家发现，820 万次对话中仅有 24 条回复包含至少 30 个匹配词，212 本被评估的书籍中只有 10 本出现任何匹配。微软认为这些数据支持其立场，即使用受版权保护的内容训练 AI 应被视为合理使用，并称系统偶尔复现文本片段“很难削弱 LLM 训练的变革性目的”。《纽约时报》首席律师伊恩·克罗斯比则发表声明反驳，称证据表明微软和 OpenAI“窃取”了该报内容以制造替代其新闻业的商业产品。相关诉讼已合并至一名法官审理，微软于上周五提交文件，请求法官作出即决判决以尽早结束案件。

限制与来源

上述数据和分析均来自微软在诉讼中的单方面陈述，尚未经法院最终认定，CIR 和作者协会未立即回应置评请求。案件后续进展及最终裁决结果尚不确定。信息来源：The Verge（www.theverge.com），标题“Microsoft says virtually nobody was grabbing NYT articles through its chatbot”。