摘要
一句话总结 微软因一篇鼓励开发者使用被错误标记为公有领域的盗版《哈利·波特》数据集训练AI的博客文章引发社区强烈抗议，目前已将该文章删除。
关键点
- 涉事博客： 2024年11月，微软高级产品经理发表博客，演示如何利用Azure SQL DB、LangChain和LLM为应用添加生成式AI功能。
- 数据集来源： 博客链接了一个Kaggle数据集（包含全部七本《哈利·波特》txt文件），该数据集被上传者错误标记为“公有领域”。
- 数据影响： 在媒体介入且上传者澄清失误并删除数据前，该数据集下载量已超过1万次。
- 官方演示场景： 博客鼓励用户使用该数据构建问答系统，或生成AI同人小说（例如让哈利·波特在故事中推销微软的“原生向量支持”功能），并配有带微软Logo的AI生成图片。
- 社区反应： Hacker News论坛对此展开猛烈抨击，指出热门IP未进入公有领域属于常识。
- 其他案例曝光： 社区讨论指出，微软的另一个Azure示例中使用了同样受版权保护的艾萨克·阿西莫夫《基地》系列。
- 官方回应： 微软和Kaggle均未对媒体置评请求作出回应，但微软已将涉事博客归档下架。
风险/漏洞
- 直接侵权风险： AI生成的同人小说或问答若复制了受版权保护的表达元素、著名角色或故事情节，其输出结果可能构成侵权。
- 次要帮助侵权责任： 法律专家指出，微软鼓励客户下载侵权材料并在其系统中使用，可能使其面临次要的帮助侵权责任（Secondary contributory infringement liability）。
- 法律辩护困难： 在面临是否故意使用盗版书籍训练模型的质疑时，“教育目的”的“合理使用”将是很难成立的辩护理由。
- 内部审核漏洞： 据前员工透露，微软允许员工在未经审批或编辑流程的情况下直接发表博客，暴露出内部内容审核机制的缺失。
正文
在Hacker News论坛引发强烈抗议后，微软删除了一篇备受争议的博客文章。批评者指出，该文章鼓励开发者使用盗版的《哈利·波特》书籍来训练人工智能模型，进而生成AI内容。
涉事博客与“公有领域”乌龙
这篇现已归档的博客发表于2024年11月，作者是微软高级产品经理Pooja Kamath。文章旨在推广一项新功能，称只需几行代码，开发者就能利用Azure SQL DB、LangChain和LLM（大语言模型）为自己的应用添加生成式AI功能。
为了展示“引人入胜且贴近生活”的示例，博客链接到了Kaggle上的一个包含全部七本《哈利·波特》的数据集。然而，该数据集被错误地标记为“公有领域”。在媒体联系了上传者——印度数据科学家Shubham Maindola后，该数据集被迅速删除。Maindola澄清称，数据集被标记为公有领域纯属失误，他无意歪曲这些作品的授权状态。此前，他曾解释这些数据是通过下载电子书并转换为txt文件获取的。
在被删除前，该数据集的下载量已超过1万次。微软和Kaggle均未对媒体的置评请求作出回应。
微软推荐的AI应用场景
博客指出，《哈利·波特》是文学史上最著名、最受喜爱的系列之一。粉丝们可以通过下载该数据集并将其上传至Azure Blob存储来训练自己的AI模型，实现两种有趣的玩法：
- 构建问答系统： 提供“背景丰富的答案”。例如，查询“魔法世界的零食”时，系统会提取书中哈利对比比多味豆和巧克力蛙感到惊叹的片段。
- 生成AI驱动的同人小说： 探索新的冒险甚至创造替代结局。作为演示，Kamath训练了一个模型来撰写同人小说，以此营销微软的新功能。在生成的故事中，哈利在霍格沃茨特快列车上结识了一位新朋友，这位朋友向他推销微软在SQL中的“原生向量支持（Native Vector Support）”功能，称其就像一个能瞬间在成千上万个选项中找到所需之物的咒语，非常适合机器学习和AI推荐系统。
为了进一步模糊微软与《哈利·波特》品牌之间的界限，Kamath还生成了一张带有微软Logo的哈利与新朋友的合影。
潜在的版权侵权风险
芝加哥肯特法学院知识产权法项目联合主任、法学教授Cathay Y. N. Smith表示，Kamath可能没有意识到这些书的年代太近，尚未进入公有领域。Smith指出，博客中提到的应用场景可能会引发严重的版权问题：
- 内容复述与同人创作： 同人小说通常需要借鉴受版权保护的表达元素、著名角色或故事情节。如果这些内容被复制和重现，其输出结果就可能构成侵权。
- 次要帮助侵权责任： 微软不仅鼓励客户下载侵权材料，还亲自使用这些书籍创建示例模型。Smith认为，微软通过说“去获取那些侵权材料并在我们的系统中使用”，可能会让他们面临某种次要的帮助侵权责任。
尽管有观点认为这属于“教育目的”的合理使用，但Smith强调，如果微软面临是否故意使用盗版书籍训练模型的质疑，“合理使用”将是一个很难成立的辩护理由。因此，微软撤下这篇博客“可能是明智之举”。
社区争议与内部审核漏洞
在Hacker News上，网友们对这篇博客进行了猛烈抨击。
- 审核机制受质疑： 一位自称前微软员工的网友表示，微软允许员工“在未经审批或编辑流程的情况下发表博客”。他认为这是一次糟糕的判断，并在被人发现后才紧急下架。
- 常识性错误： 许多人认为，任何熟悉该热门IP的人都不太可能相信《哈利·波特》已经进入公有领域。一位评论者指出，员工应该清楚这些资产属于大型公司，不能随意取用。
- 并非孤例： 讨论帖还指出，微软的另一个Azure示例中使用了艾萨克·阿西莫夫的《基地》系列，而该作品同样不在公有领域之列。
尽管有部分网友为Kamath辩护，认为非营利组织和教育机构在教学中也会做类似的事情，但正如Smith教授所总结的那样：“如果一家公司厌恶风险，这种行为通常会被标记警告。但同时我也完全理解这位员工的做法——毕竟，没有人愿意为那些已经进入公有领域的（被遗忘的）书籍写同人小说。”