根据扩大的集体诉讼，NVIDIA 高管授权使用 Anna's Archive 中的数百万本盗版书籍进行 AI 培训。该诉讼援引 NVIDIA 内部文件，称该公司联系了 Anna's Archive 以高速访问其数据。英伟达受益于人工智能热潮，由于对其人工智能学习芯片和数据中心服务的高需求，收入大幅增长。 NVIDIA 开发了自己的 AI 模型，包括 NeMo、Retro-48B、InstructRetro 和 Megatron。这些模型使用 NVIDIA 硬件和大型文本库进行训练，类似于其他科技公司的做法。该公司在其培训方法方面面临版权所有者的法律挑战。作者于 2024 年初首次起诉 NVIDIA 侵犯版权，声称该公司的 AI 模型是在 Books3 数据集上进行训练的，其中包括未经许可的 Bibliotik 的受版权保护的作品。 NVIDIA 为其行为辩护称其为合理使用，并表示书籍与其 AI 模型具有统计相关性。然而，在发现过程中出现了新的证据。原告上周五提交了一份修改后的起诉书，通过添加更多书籍、作者和人工智能模型来扩大诉讼范围。修改后的投诉包括更广泛的“影子图书馆”主张。包括 Abdi Nazemian 在内的作者现在引用了 NVIDIA 内部电子邮件和文件，声称该公司自愿下载了数百万本受版权保护的书籍。投诉称“竞争压力促使 NVIDIA 进行盗版”，其中涉及与 Anna's Archive 的合作。根据修改后的投诉，NVIDIA 数据策略团队的一名成员联系了 Anna's Archive，询问是否获取其用于预训练大型语言模型的盗版材料，其中包括 Anna's Archive。诉状称，Anna's Archive 为其馆藏“高速访问”收取了数万美元的费用，NVIDIA 正在寻求有关此访问的详细信息。投诉称 Anna's Archive 警告 NVIDIA 其库内容被非法获取和维护。据报道，Anna's Archive 向 NVIDIA 高管请求内部许可才能继续进行，并在一周内获得了批准。在获得 NVIDIA 管理层的许可后，Anna's Archive 提供了对其盗版图书的访问权限。 Anna's Archive 使 NVIDIA 能够访问大约 500 TB 的数据，其中包括通常通过 Internet Archive 的数字借阅系统提供的数百万本书。投诉没有具体说明 NVIDIA 是否向 Anna's Archive 支付费用。除了 Books3 数据库之外，NVIDIA 还面临使用其他盗版资源的指控，包括 LibGen、Sci-Hub 和 Z-Library。作者指控 NVIDIA 不仅下载并使用盗版书籍进行 AI 培训，还分发脚本和工具，使企业客户能够下载“The Pile”，其中包含 Books3 盗版数据集。这些指控引入了新的替代侵权和共同侵权指控，声称 NVIDIA 通过促进对这些盗版数据集的访问从客户那里获得收入。作者为指定作者以及可能参与集体诉讼的数百名其他作者寻求损害赔偿。这一披露标志着美国大型科技公司与安娜档案馆之间的通信首次公开披露。第一份合并和修订的投诉， 提交 美国加利福尼亚州北区地方法院任命了作者 Abdi Nazemian、Brian Keene、Stewart O'Nan、Andre Dubus III 和 Susan Orlean。
