继Anthropic公司达成历史性版权和解后，人工智能行业再次面临法律挑战——多家权威词典出版商近日联合对新兴AI公司Perplexity提起诉讼，指控其大规模盗用词典内容训练AI模型而未支付版权费用。这起在纽约南区联邦法院立案的案件，可能成为决定生成式AI能否继续自由使用受版权保护内容的关键判例。
原告方包括牛津大学出版社、韦氏词典母公司Merriam-Webster等六家顶级词典出版商。诉状指出，Perplexity的问答系统直接复制了超过87万条精确定义的词典内容，包括单词释义、词源考据和用法示例。这些内容被用于训练其核心语言模型”Perplexity-7B”，而该公司从未获得内容授权。更令出版商愤怒的是，当用户查询单词定义时，AI会生成与版权词典几乎相同的表述，却不标注内容来源。法庭文件显示，仅”quintessential”这个词的AI输出与《牛津英语词典》的相似度就达到93%。
此案的特殊性在于举证方式。出版商采用了一种创新的”数字水印”技术，在电子版词典中嵌入了不可见的识别标记。通过比对AI输出中这些标记的出现频率，他们成功追踪到模型训练数据的来源。这种取证方法为未来类似案件提供了技术范本。Perplexity则辩称其使用行为属于”合理使用”范畴，并强调AI生成内容均为原创，但尚未对水印证据作出实质性回应。
法律专家分析，本案将围绕三个核心争议展开：词典定义是否具有足够的独创性而受版权保护；AI训练过程中的临时数据复制是否构成侵权；以及AI输出的近义词替换是否足以规避版权责任。这些问题的判定结果可能重塑整个AI行业的数据采集规则。值得注意的是，与Anthropic案主要涉及文学内容不同，词典案件牵涉的是事实性数据的版权边界，这对维基百科等公共知识平台也将产生连锁反应。
行业影响已开始显现。在诉讼消息公布后，多家AI公司紧急审查了自己的训练数据源。斯坦福大学最新研究显示，主流语言模型中约15%的基础知识直接源自版权词典，这些内容在专业术语解释方面具有不可替代性。如果法院最终支持出版商立场，AI企业可能面临两种选择：支付巨额内容授权费，或者承受模型准确度的显著下降。市场预估词典内容的年度授权市场规模可能因此突破20亿美元。
从技术发展角度看，这场诉讼暴露出AI行业对结构化知识的严重依赖。词典作为人类语言知识的系统化结晶，其精确性和权威性目前仍无法通过纯数据训练完全复现。Perplexity在技术博客中承认，当禁用所有词典数据后，其模型在法律和医学术语上的准确率下降达34%。这种依赖性使得AI公司陷入两难——要么承担法律风险，要么牺牲产品性能。
案件也引发了关于知识垄断的伦理讨论。部分学者担忧，如果词典出版商全面获胜，可能导致语言定义权被少数机构控制。开源社区已启动”自由词典计划”，试图构建不受版权限制的替代资源。但这类项目面临严峻的质量挑战，目前其词条数量仅为商业词典的12%，且缺乏专业语言学家的持续维护。
经济层面的影响同样深远。词典出版业近年来受免费在线资源冲击严重，此次诉讼被视为传统知识出版商对AI时代的绝地反击。牛津大学出版社CEO在采访中直言：”如果连最基础的语言知识都可以被随意掠夺，人类知识体系的可持续发展将无从谈起。”而AI阵营则反驳称，过度保护将阻碍知识传播的创新，最终损害公众利益。
本案预计将持续18-24个月，期间法官可能颁布临时禁令限制争议数据的使用。无论最终判决如何，它都将成为数字时代知识产权保护的里程碑事件。对于普通用户而言，这场法律战最直接的影响可能是——未来向AI询问单词定义时，得到的回答将不再像过去那样权威和精确。在技术与法律的碰撞中，人类获取知识的方式正在被重新定义。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ci-dian-chu-ban-shang-ji-ti-qi-su-perplexity-ai-ren-gong
