当AI开始学会创作音乐，背后那些被用来训练它的歌曲，却可能处于一个灰色的地带。近日，《大西洋月刊》记者Alex Reisner曝光了四个用于训练AI模型的音乐数据库，其中两个规模惊人，分别包含1200万和900万首歌曲，另外两个也各自拥有超过10万首曲目。这些数据集的下载次数已达数千次，谷歌和Stability AI均已承认在研究中使用过它们。

训练数据从哪来？

这些数据集并非直接打包好的音频文件，而是指向YouTube或Spotify的链接列表。AI开发者会利用自动化工具批量下载实际音频，这些工具可以绕过登录、广告以及可能为创作者带来收入或订阅的机制——显然，这违反了平台的服务条款。比如，Free Music Archive数据集虽然允许个人免费流媒体播放，但商业应用需要授权，而AI训练是否属于商业用途，目前法律界定模糊。

哪些音乐人在列？

搜索数据库可以发现，流行巨星Lady Gaga、Fred Again..，摇滚传奇Radiohead、Bruce Springsteen，电子音乐人Aphex Twin、Wu-Tang Clan，以及实验作曲家Hainbach等均在其中。这不禁让人想起去年艺术家们对Stability AI、Midjourney等公司提起的集体诉讼，指控其未经授权使用作品训练AI。如今音乐领域也面临同样的问题：AI的“学习”是否构成侵权？

技术背后的法律博弈

从技术角度看，AI训练需要海量数据，而公开数据集往往是唯一可行的来源。但版权方认为，这无异于大规模盗版。有趣的是，Reisner创建的搜索网站“AI Watchdog”允许公众自行查询哪些歌曲、书籍等被用于训练，这既是一种透明度尝试，也暗示着未来可能的维权行动。

目前，美国版权局正在就AI训练中的合理使用问题征求意见，欧盟的《人工智能法案》也要求训练数据必须注明来源。可以预见，音乐AI领域的版权纠纷才刚刚开始。对于普通用户而言，我们或许很快就能在AI生成的音乐中听到熟悉的旋律片段——这究竟是致敬还是剽窃，法律将给出答案。