Meta AI训练数据陷盗版风波，81.7TB数据来源遭曝光

据报道，原告方面提供了一份关键的电子邮件证据，揭示了meta公司不仅清楚知道使用LibGen数据库进行AI训练涉及盗版行为，而且还试图掩盖其通过种子下载方式获取大量数据的真相。据悉，meta获取的数据量高达至少81.7TB，并且在下载过程中采取了所谓的“隐身模式”，以避免被追踪到下载源。

在邮件中，meta研究员Frank Zhang透露了公司为保护隐私而采取的特殊措施。为了避免使用Facebook服务器导致下载行为被追踪，meta特意选择了其他途径进行数据集的下载，这种做法被内部称为“隐身模式”。这一细节进一步加剧了meta在法律纠纷中的被动局面。

负责项目管理的高管迈克尔・克拉克（Michael Clark）也在证词中证实了meta曾修改设置，以减少种子的传播范围。这一行为似乎是为了降低因使用盗版数据而带来的法律风险。

更为引人注目的是，未经编辑的邮件还显示，使用LibGen的决定是在此前上报给meta首席执行官马克・扎克伯格（MZ）之后做出的。这与扎克伯格此前在法庭上声称对使用LibGen不知情的说法形成了鲜明对比。这一新证据的出现，无疑让meta的处境变得更加尴尬和复杂。

面对这些新证据，Ars Technica的作者认为，meta之前的证词与新证据之间存在明显矛盾。因此，作者呼吁法庭再次传唤涉事员工作证，以进一步查清事实真相。尽管meta方面坚称使用LibGen进行AI训练属于“合理使用”范畴，但新的证据无疑给其带来了更大的法律压力。

目前，这场法律纠纷仍在持续发酵中。meta公司需要应对来自原告方面的指控和法庭的调查，同时还需要应对公众对其数据使用行为的质疑和批评。未来，meta能否成功化解这场危机，将取决于其能否提供有力的证据来证明自己的清白，并赢得法庭和公众的信任。