摘要：今年 1 月，一项诉讼指控 Meta 在盗版电子书和文章数据集上训练其人工智能模型。 在图书作者提起的版权诉讼案中，这些未公开的电子邮件提供了不利于 Meta 的新证据。 这些作者指控 Meta 在盗版书籍上非法训练其人工智能模型，现在泄露的通信进一步证实了这

今年 1 月，一项诉讼指控 Meta 在盗版电子书和文章数据集上训练其人工智能模型。 在图书作者提起的版权诉讼案中，这些未公开的电子邮件提供了不利于 Meta 的新证据。 这些作者指控 Meta 在盗版书籍上非法训练其人工智能模型，现在泄露的通信进一步证实了这一指控。

邮件显示，Meta 公司承认下载了一个有争议的大型数据集 LibGen，其中包括数千万本盗版书籍。 根据作者提交的法庭文件，Meta 通过 Anna's Archive 网站从多个影子图书馆下载了至少 81.7 TB 的数据，其中包括来自 Z-Library 和 LibGen 的至少 35.7 TB 的数据。 此外，该公司此前还从 LibGen 下载了 80.6 TB 的数据。

作者形容 Meta 公司的非法转录计划规模惊人，并指出"规模较小的数据盗版行为--仅为 Meta 盗版版权作品数量的 0.008%--都导致法官将该行为移交美国检察官办公室进行刑事调查"。

邮件显示，Meta 公司员工也意识到其行为的法律风险。 2023 年 4 月，Meta 公司的研究工程师尼古拉-巴什利科夫写道："用公司的笔记本电脑下BT感觉不妥。"

到 2023 年 9 月，巴什科夫加大了抗议力度，并咨询了法律团队。 他写道："使用 Torrents 意味着对文件进行'播种'，即对外共享内容。 这在法律上是不允许的，"他写道。

尽管有这些警告，但作者认为，Meta 公司决定隐藏其播种活动，编辑设置以便尽可能减少播种。 据称，该公司还试图通过将数据集下载到非 Meta 服务器来避免任何人能够从 Meta 服务器"追溯播种者/下载者"的风险。

来源：cnBeta