事件
2026 年 7 月、紐約時報在與 OpenAI 的著作權訴訟中提交新動議、指控 OpenAI 刻意隱瞞了內部工具與數據集。這些證據理論上可以用來識別 ChatGPT 輸出中是否包含受版權保護的新聞內容、但 OpenAI 沒有主動披露。
為什麼這是舉證責任的倒轉
這個案件反映了一個深層的法律與經濟現象：資訊不對稱時、掌握黑箱的一方會被迫承擔更重的舉證責任。
### 傳統邏輯 vs. 現實翻轉
傳統邏輯：指控者（紐約時報）應該自己證明「OpenAI 抄襲了我們的文章」。這在體力對等的時代是公平的——雙方都可以互相調查。
黑箱現實：但 ChatGPT 的訓練數據、過濾機制、輸出過濾都在 OpenAI 的私有系統裡。紐約時報無法直接檢查「ChatGPT 是否讀過我的新聞、是否在某個輸出中複製了我的措辭」。唯一能取得這些證據的方式就是法律強制 OpenAI 交出內部工具。
### 法律實踐：舉證責任倒轉的三個層次
層次 1：「掌握數據 = 責任更重」
美國民事訴訟規則（Federal Rules of Civil Procedure）Rule 26 規定、被告必須披露「有利於對方的證據」。如果被告知道某項證據存在但藏匿、法院可以推定該證據對對方有利（adverse inference）。
OpenAI 掌握「版權識別工具」這個事實、就自動承擔了「為什麼沒用這個工具來檢驗自己沒抄襲」的解釋責任。
層次 2：「不合理的隱瞞 = 裁定傾斜」
若法院認定 OpenAI 的隱瞞是「故意銷毀證據」或「隱瞞對自己不利的工具」、裁定會直接傾向於紐約時報、甚至不等 OpenAI 完整作答。這稱為 sanctions（懲罰性制裁）——法律對舉證責任的強制倒轉。
層次 3：「黑箱的存在 = 社會責任
這不只是法律問題、更反映了經濟哲學：當一個組織的決策對他人造成傷害、但被傷害者無法觀察時、經濟學家會認為應該由掌權組織承擔舉證責任——而不是讓無權者無限期地尋求證據。
George Akerlof 在 1970 年的「檸檬市場」論文中指出：資訊不對稱會導致信任坍塌。法律系統的應對就是強制掌權者透露資訊、或者直接推定對方有理。
為什麼 OpenAI 無法躲過這道邏輯
### 理由 1：開源對手的威脅
DeepSeek、Llama 等開源大語言模型的出現、讓人們開始問：「OpenAI 為什麼不能透明地展示自己沒有抄襲？」當競爭對手可以接受檢驗、而妳選擇隱瞞、就自動被打上「有鬼」的標籤。
### 理由 2：法律先例的堆積
每次科技公司在訴訟中隱瞞數據、法院都會進一步降低舉證門檻。Microsoft 當年在反壟斷案中被強制公開源代碼、Google 在隱私案中被逼開放數據、Facebook 在廣告案中被迫透露演算法邏輯——先例已經定型。
### 理由 3：市場信號的成本
藏匿「版權識別工具」不只是法律問題、它向市場發信號：「我們有能力檢查自己、但選擇不檢查」。相比之下、直接公開「我們用工具檢驗過、沒有發現抄襲」反而更省成本——至少贏得可信度。
歷史對比：資訊不對稱何時被正視
- **醫療領域（1970s）**：病人無法判斷醫生是否草率、法律逐漸轉向「醫生必須證明自己盡責」而非「病人證明醫生失職」。
- **汽車安全（1980s）**：消費者無法檢查汽車內部系統、法律要求製造商主動披露缺陷。
- **金融衍生品（2008）**：投資者無法理解複雜產品、法律從「買方自理」轉向「賣方必須披露風險」。
- **AI 黑箱（2020s）**：用戶無法審計 AI 決策、訴訟開始強制企業透露訓練數據與過濾機制。