近日，科技巨头 Adobe 遭遇了一场突如其来的集体诉讼，其核心指控直指其人工智能模型训练所用的数据来源——涉嫌非法使用了大量受版权保护的盗版书籍。俄勒冈州作家伊丽莎白·里昂（Elizabeth Lyon）作为原告代表，将 Adobe 推上了法律的审判台。诉讼内容直指 Adobe 在开发其轻量级语言模型 SlimLM 时，未经授权地利用了一个包含盗版书籍的数据集，其中赫然包含了里昂本人的作品。
这场风波的焦点，指向了 SlimLM 模型所依赖的开源数据集 SlimPajama-627B。根据诉讼披露，该数据集被指控内嵌了臭名昭著的 Books3 子集，这个子集据称汇集了约 19.1 万本未经授权的电子书。这无疑为 AI 模型训练的“数据合规性”问题投下了一枚重磅炸弹。SlimLM 模型本身，据称主要用于优化移动设备上的文档辅助任务，例如文本摘要、信息提取等，但其训练过程的合法性，此刻正受到严峻拷问。
值得注意的是，Adobe 并非孤例。在此之前，包括苹果（Apple）、Salesforce 以及 AI 新锐 Anthropic 在内的多家科技公司，也因使用了包含 Books3 内容的 RedPajama 或类似数据集，而卷入了类似的法律纠纷。这表明，AI 模型训练数据的版权问题，已经不再是个别公司的“小麻烦”，而是整个行业普遍面临的严峻挑战。
目前，Adobe 尚未对此诉讼公开回应。然而，这场诉讼的意义远不止于一起法律案件。随着人工智能技术的飞速发展和应用的日益广泛，训练数据的来源、版权以及合规性问题，正逐渐成为制约行业健康发展的关键瓶颈。此次 Adobe 被诉，无疑为整个 AI 行业敲响了警钟，预示着在技术狂飙突进的同时，法律与道德的边界也需要被重新审视和界定。未来的 AI 发展，将不再仅仅是技术的较量，更是数据合规与伦理规范的博弈。