點擊率下降 83% 到 93%:這則 OpenAI 訴訟新聞,和你問 AI 健康問題有關
從《紐約時報》控告 OpenAI 侵權的訴訟文件出發,用點擊率下降 83% 到 93% 的數字,看懂 AI 健康答案缺少來源、日期與在地脈絡的風險,整理查證習慣與該求助的時機。
9 月 18 日,《紐約時報》向法院提交新的訴訟文件,指控 OpenAI 在明知對出版商構成生存威脅的情況下,仍複製數百萬篇受版權保護的文章來打造 AI 技術,並與微軟一同被求償數十億美元。OpenAI 主張用公開內容訓練模型屬於合理使用,雙方說法都還有待法院檢驗。這起案件也是版權持有人對 AI 公司提起的數十起訴訟中,最受關注的一件。
聽起來是科技巨頭與媒體集團之間的法律戰,距離日常生活很遠。但文件裡有一組數字,值得每一個曾經把健康問題丟給 AI 的人看一眼。
事件裡的三組數字
第一組是「數百萬篇」。原告律師主張,被告未經授權,重複且完整複製了數百萬篇受版權保護的文章,用於開發具替代性的商業 AI 產品。文件還披露,OpenAI 曾以越界且具欺騙性的手段取得付費牆後的內容,當有員工告訴共同創辦人布羅克曼「有辦法繞過《紐約時報》付費牆」時,他的回覆是「啊,不錯」。
第二組是一段內部訊息。文件引述,OpenAI 的 ChatGPT 負責人曾寫下,這些 AI 產品對出版商構成生存威脅,而且隨著產品進步,替代性會越來越強。微軟應用科學總監赫克特也被告方引述,稱用受版權保護的內容訓練大型語言模型是一場規模空前的盜竊。微軟對外回應,這些屬於員工個人觀點,並非法律分析;執行長納德拉則在證詞中說,若當時得知付費牆內容被用於訓練,會依雙方協議要求重新訓練模型。
第三組數字來自微軟內部的研究發現。和傳統搜尋引擎相比,使用微軟 AI 回答工具的用戶,點擊原始內容的比例低了 83% 到 93%。原告拿它證明替代性,換個角度看,它也在描述一種新的閱讀習慣:答案直接被端到眼前,多數人不再往下點,也就看不到答案從哪裡來。
點擊少了八成,健康答案少了什麼
查餐廳、找旅遊攻略,少點幾個連結影響不大。健康資訊不一樣。你點開一篇原始文章時,通常看得到作者是誰、什麼時候寫的、寫給誰看、引用了哪些資料。AI 的回答把這些濃縮成一段流暢文字,可核對的線索也跟著變淡。
日期與出處通常最先被喫掉。疫苗時程、篩檢年齡、飲食與用藥指引都會更新,幾年前正確的說法今天未必適用,而 AI 的回答多半不會主動標出資料年份。同樣一句建議,背後可能是醫學文獻,也可能是行銷文案,少了來源,你也少了一個判斷的依據。
在地脈絡是另一個落差。AI 的訓練資料以國外內容居多,臺灣的公費疫苗項目、癌症篩檢補助、藥品分級與指示用藥規定,都和國外做法不同。這也是我們先前在把健康問題交給 AI 之前的三個檢查裡提過的原則:AI 可以當起點,核對的動作要自己來。看診時你會問醫師「這個建議是根據什麼」,同樣的問題,放在網路答案上也適用。
把來源找回來,今天就能做的幾件事
問 AI 時多打一句「請附上資料來源與更新日期」。拿到之後挑一兩個真的點開,確認引述是否存在、內容有沒有被斷章取義。AI 有時會列出對不上或查不到的來源,點開看一眼才分辨得出來。
查臺灣在地的資訊,以衛生福利部、國民健康署、食品藥物管理署的網站為準。長輩羣組裡的偏方與保健食品傳聞,也回到這些管道核對,順手把查到的連結傳回去,比直接否定更容易被聽進去。
涉及用藥、停藥、保健食品怎麼搭,把問題寫下來,回診時問醫師,或拿藥袋去問藥師。這類答案牽涉你的病史、年齡與正在使用的藥物,通用文字給不了個人化的判斷。馬斯克先前主張讓 AI 公司互相挑錯,我們在AI 給你的健康答案該由誰把關的討論裡也提過,交叉查證這個動作,目前多半還是落在使用者自己身上。
陪長輩立一條家規:AI 給的答案可以抄下來,但別照著做,回診時拿出來一起問。比起搶手機、刪 App,這種約定通常走得比較久。
個人化考量,還有該求助的時機
有慢性病、懷孕中、同時使用多種藥物的人,通用答案的風險比一般人高。這類情況下,AI 比較適合幫你整理要問醫師的問題,取代不了醫師的回答。家中長輩習慣把 AI 當萬事通,也適用同一條原則。
幾個訊號出現時,先別再反覆問 AI,直接求助專業。症狀持續好幾天或明顯加重,例如胸悶、呼吸困難、突然劇烈的頭痛、意識改變,請盡快就醫。網路或 AI 的說法建議你停藥、換藥、購買特定產品時,先回診或諮詢藥師再決定。如果你發現自己反覆查健康資訊停不下來,查到影響睡眠,或越查越焦慮,這本身也是值得跟醫師或心理專業談的訊號。
這場訴訟還要打很久,判決也不會改變明天的使用習慣。但那組 83% 到 93% 的數字,已經把現況說得很清楚:答案越來越方便,來源越來越少人看。把點開原文的習慣留下來,是你在方便與正確之間,替自己留的一個選項。
這篇文章對你有幫助嗎?
照顧身心是一段持續的旅程。想閱讀更多溫柔實用的健康內容,歡迎回到 所有文章。