纽约时报和《每日新闻》声称，OpenAI在其能力范围内搜索客户聊天记录数据和训练数据集中的版权作品方面存在虚假陈述。这是针对这家人工智能公司的两年诉讼的最新升级，诉讼指控OpenAI通过使用纽约时报的内容训练其生成式AI模型，涉嫌侵犯版权，并在用户输出中复制了这些新闻内容。

在整个案件过程中，OpenAI一直辩称其无法搜索自己的训练语料库。它还表示，搜索或生成庞大的ChatGPT对话记录在技术上负担过重，并且会引发用户隐私问题，因为这些日志需要被检索、处理和去标识化。原告方希望获得这些数据，以确定其版权新闻内容是否存在于OpenAI的训练数据集中，以及ChatGPT生成的回答是否使用或复制了这些内容。

在今年四月的法庭证词中，OpenAI的数据隐私工程师Vinnie Monaco据称透露，OpenAI实际上已经对其训练语料库进行了内部搜索和评估，以查找版权新闻作品。

Monaco的证词还显示，在纽约时报提起诉讼之前，OpenAI已经积累了约7800万条去标识化的ChatGPT对话数据库，用于内部评估其对他人作品的侵权程度。此外，OpenAI还据称在诉讼提起后不久，实施了名为“Bloom”过滤器的工具，作为“Project Giraffe”工具集的一部分，用于检测和记录输出中的内容重复。

这两个发现尤为重要。原告最初要求OpenAI提供1.2亿条聊天记录样本，但OpenAI协商后将样本数量降至2000万条。OpenAI最终于去年12月向法院提交了该样本，但据称样本中大量内容被涂黑，导致法院认为样本“无法使用”。原告还指控OpenAI在诉讼后删除了数十亿条ChatGPT输出，违反了法院的证据保全令，并且在所请求的样本中替换了数百万条日志。

换句话说，原告方认为OpenAI故意设置障碍，阻碍获取其已经掌握的信息。

原告首席律师Ian B. Crosby表示：“如果OpenAI真心认为复制我们客户的新闻内容是公平且合法的，它就不会隐瞒已经做过的事实。”

目前，纽约时报和《每日新闻》请求法官对OpenAI进行处罚，指控其隐瞒证据并干扰证据披露程序。他们要求法院禁止OpenAI将这2000万条聊天记录样本作为证据，认定ChatGPT日志显示了大量内容重复和对原告内容的依赖，禁止OpenAI辩称其提供的聊天记录未显示实质性重复，并要求OpenAI承担追查证据的法律费用。

对此，OpenAI发言人Drew Pusateri否认了这些指控，称纽约时报在案件变弱时试图获取用户私人对话。

Pusateri表示：“随着纽约时报案件的弱化，他们被迫放弃对我们的部分指控，但仍持续试图侵犯与此案无关的用户隐私，包括提出这些明显虚假的指控。我们将继续捍卫用户隐私和长期确立的合理使用原则。”