AI訓(xùn)練版權(quán)重大判決：合法掃描可接受，盜版下載仍侵權(quán)

通用人工智能的訓(xùn)練素材是不是需要取得版權(quán)許可的問題一直是版權(quán)人和人工智能公司博弈的焦點(diǎn)，近日美國加州北區(qū)法院連出兩個(gè)簡(jiǎn)易判決，對(duì)通用人工智能訓(xùn)練做出認(rèn)定，構(gòu)成合理使用。雖然兩案都是個(gè)案，但這是中美兩個(gè)人工智能科技領(lǐng)先的國家的法院第一次對(duì)此問題給出了答案，今天筆者就和大家聊聊這兩個(gè)案子涉及的法律問題。

一、案情簡(jiǎn)介

1、作家訴Anthropic案。三位作家起訴Anthropic公司，指控其使用盜版材料訓(xùn)練其 Claude模型系列。原告指稱Anthropic從盜版網(wǎng)站免費(fèi)下載了數(shù)百萬本受版權(quán)保護(hù)的書籍，并將其數(shù)字化以構(gòu)建一個(gè)中央圖書館，然后使用這些書籍訓(xùn)練其大語言模型，特別是Claude。Anthropic后來購買了原告的書籍紙質(zhì)書籍，然后撕掉裝訂、剪裁頁面，然后將其掃描保存至中央電子圖書館，但仍然保留了從盜版網(wǎng)站獲取的書籍副本。

法院經(jīng)審理后認(rèn)定：將合法購買的紙質(zhì)書籍?dāng)?shù)字化屬于合理使用，并且使用這些數(shù)字副本來訓(xùn)練大語言模型也具有足夠的變革性，因此也屬于合理使用。但非法下載的圖書副本的使用未被認(rèn)定為合理使用。后續(xù)法院將對(duì)Anthropic公司非法下載的盜版內(nèi)容及其造成的損害進(jìn)行審判。

2、作家訴Meta案。原告是13位作家，發(fā)現(xiàn)他們的作品被Facebook和Instagram的母公司Meta用于訓(xùn)練人工智能，遂起訴。審理查明，Meta需要圖書訓(xùn)練人工智能，曾先和出版社協(xié)商，發(fā)現(xiàn)除了要支付上億美元授權(quán)費(fèi)用，談判也會(huì)很復(fù)雜，因?yàn)閳D書版權(quán)多數(shù)在作者手里，遂轉(zhuǎn)向盜版獲取，其利用bt種子下載了大量盜版圖書，而bt是P2P技術(shù)，在下載的同時(shí)也會(huì)上傳盜版文件。

法院判決Meta的行為構(gòu)成合理使用，駁回了原告的版權(quán)侵權(quán)指控。判決認(rèn)定，Meta的使用具有高度的轉(zhuǎn)換性，因?yàn)槠淠康氖情_發(fā)能夠生成多樣化文本的工具，而不是簡(jiǎn)單地復(fù)制或替代原告的書籍。雖然原告的書籍是高度表達(dá)性的作品，受到較強(qiáng)的版權(quán)保護(hù)，且Meta復(fù)制了原告的書籍的全部?jī)?nèi)容，但由于Meta的Llama模型不會(huì)輸出任何有意義的部分原告的書籍內(nèi)容，這種使用是合理的。同時(shí)，盡管原告的書籍市場(chǎng)可能受到間接競(jìng)爭(zhēng)的影響，但原告未能提供足夠的證據(jù)證明這種影響，因此Meta的行為不構(gòu)成市場(chǎng)替代。

二、判決的意義

目前的人工智能訓(xùn)練，有兩大博弈，一個(gè)是版權(quán)人和人工智能公司的博弈。另一個(gè)是重點(diǎn)發(fā)展人工智能產(chǎn)業(yè)的國家，如中國和美國，和加強(qiáng)合規(guī)監(jiān)管的國家，如歐盟間的博弈。

1、版權(quán)人和人工智能公司的分歧

如果訓(xùn)練素材需要授權(quán)，那人工智能公司如果獲取授權(quán)需要和每個(gè)版權(quán)人單獨(dú)談，會(huì)耗費(fèi)很高的時(shí)間成本和金錢成本，發(fā)展就會(huì)慢非常多，同時(shí)，在關(guān)鍵的高質(zhì)量?jī)?nèi)容上，還會(huì)受制于傳統(tǒng)的版權(quán)人，比如紐約時(shí)報(bào)這樣的大型出版集團(tuán)。此時(shí)，人工智能公司就只能使用超過版權(quán)保護(hù)期的內(nèi)容進(jìn)行訓(xùn)練了，目前的版權(quán)保護(hù)期，中國是至少50年，美國是95年。

OpenAi公司曾在給英國上議院的一封回函中提到：由于當(dāng)今的版權(quán)幾乎涵蓋了所有類型的人類表達(dá)，包括博客文章、照片、論壇帖子、軟件代碼片段和政府文件，因此如果不用受版權(quán)保護(hù)的材料，就不可能訓(xùn)練出當(dāng)今領(lǐng)先的人工智能模型。將訓(xùn)練數(shù)據(jù)限制在一個(gè)多世紀(jì)前創(chuàng)建的公共領(lǐng)域書籍和繪圖可能會(huì)產(chǎn)生一個(gè)有趣的實(shí)驗(yàn)，但不會(huì)提供滿足當(dāng)今公民需求的人工智能系統(tǒng)。

雖然Meta案中法院認(rèn)為：這項(xiàng)判決并不代表Meta使用受版權(quán)保護(hù)的材料來訓(xùn)練其語言模型是合法的。它僅僅代表這些原告提出了錯(cuò)誤的論點(diǎn)，并且未能提供支持其正確論點(diǎn)的證據(jù)。但加州北區(qū)法院的兩位法官確實(shí)在不同的案件中選擇支持了人工智能公司的觀點(diǎn)，判決如果生效，會(huì)讓訓(xùn)練行為脫離了版權(quán)權(quán)利人的控制，是人工智能產(chǎn)業(yè)的一大產(chǎn)業(yè)博弈勝利。

2、國際監(jiān)管分歧

使用版權(quán)內(nèi)容訓(xùn)練是不是構(gòu)成合理使用，還涉及國與國之間的博弈，中美兩國人工智能產(chǎn)業(yè)起步較早，政策上對(duì)人工智能訓(xùn)練的版權(quán)問題比較寬松，美國法院到現(xiàn)在才出了第一個(gè)通用人工智能涉及訓(xùn)練的判決，我國更是如此，實(shí)際法院目前擱置審理，推遲為此類案件定性，給產(chǎn)業(yè)發(fā)展以時(shí)間。

而歐盟的合規(guī)則較嚴(yán)格，其現(xiàn)有法規(guī)就要求人工智能服務(wù)者為版權(quán)人提供退出選項(xiàng)，英國也在立法考慮此選項(xiàng)。如果這個(gè)法規(guī)被嚴(yán)格執(zhí)行，可以想見所有的大型版權(quán)機(jī)構(gòu)，唱片公司聯(lián)盟、電影公司聯(lián)盟、出版社聯(lián)盟、圖片公司聯(lián)盟，都會(huì)毫不猶豫的向人工智能公司發(fā)出通知，要求不得將其作品作為訓(xùn)練素材，除非人工智能公司支付版稅，這實(shí)際上會(huì)使人工智能公司被迫刪除多數(shù)訓(xùn)練素材。

三、判決解決了哪些問題？

目前，人工智能訓(xùn)練涉及的版權(quán)問題主要有三方面，數(shù)據(jù)的取得，數(shù)據(jù)的訓(xùn)練和數(shù)據(jù)的輸出，下面逐一介紹。

美國的版權(quán)法律對(duì)合理使用的認(rèn)定有四要素：使用的目的和性質(zhì)，包括此類使用是否屬于商業(yè)性質(zhì)或用于非營利性教育目的；受版權(quán)保護(hù)作品的特性；所使用部分相對(duì)于整個(gè)版權(quán)作品的數(shù)量和實(shí)質(zhì)性；以及使用對(duì)版權(quán)作品的潛在市場(chǎng)或價(jià)值的影響。人工智能涉及的合理使用問題需要套用這四要素進(jìn)行比對(duì)。

1、數(shù)據(jù)的取得：下載盜版素材用于訓(xùn)練不算合理使用

如果訓(xùn)練素材是盜版，意味著人工智能服務(wù)有使用未經(jīng)授權(quán)的素材進(jìn)行訓(xùn)練的版權(quán)原罪。對(duì)這個(gè)問題，Anthropic案的判決做了很好的回應(yīng)。法院認(rèn)為盜版獲取無合理理由，從盜版來源復(fù)制的中心圖書館副本不能適用合理使用，而且，通過后來購買同一作品的副本，無法撤銷因盜版副本造成的損害。所以即使訓(xùn)練用途合理，但初始復(fù)制行為（盜版下載）本身侵權(quán)，無法通過后續(xù)合理使用抗辯。同時(shí)，法院認(rèn)定，若書籍未被用于訓(xùn)練且長(zhǎng)期保留，構(gòu)成“永久性通用圖書館”，超出合理使用范圍。而Meta案并沒有做這方面的分析，主要原因是Anthropic公司被訴后做了訓(xùn)練素材正版化的努力，而Meta沒有，所以法院就沒有分析此問題。

筆者認(rèn)為，如果我國法院如果審理此類案件，除非版權(quán)人能證明人工智能公司使用了盜版內(nèi)容進(jìn)行訓(xùn)練，否則，法院可能不會(huì)就人工智能公司素材來源做正版和盜版的區(qū)分，而會(huì)將案件審判聚焦于訓(xùn)練行為是否構(gòu)成合理使用。

2、數(shù)據(jù)的取得：在線取得的數(shù)據(jù)有爭(zhēng)議

寫到這里，筆者想到幾個(gè)問題：如果OpenAi購買到創(chuàng)刊以來所有的《紐約時(shí)報(bào)》，然后和Anthropic公司一樣，把報(bào)紙掃描做出電子圖書館，并銷毀報(bào)紙?jiān)?，這樣他們用紐約時(shí)報(bào)內(nèi)容做訓(xùn)練不也合法了。再進(jìn)一步，如果他們購買了紐約時(shí)報(bào)的會(huì)員，利用會(huì)員身份下載所有原版文章，然后進(jìn)行訓(xùn)練，是不是也是合法的？

根據(jù)Anthropic案的判決，買報(bào)紙掃描電子版訓(xùn)練肯定是合法的，買會(huì)員下載電子版如果是系統(tǒng)許可的應(yīng)該也是合法的，但如果系統(tǒng)對(duì)于會(huì)員訪問文章的數(shù)量有限制的，則下載行為不一定合法。同時(shí)，如果網(wǎng)站有付費(fèi)墻的技術(shù)保護(hù)措施，但被人工智能公司破解了，這種情況下獲得的內(nèi)容是不是侵權(quán)的？根據(jù)我國《著作權(quán)法》，破解技術(shù)保護(hù)措施獲取內(nèi)容的行為構(gòu)成版權(quán)侵權(quán)，性質(zhì)和本案中的下載盜版文件相同，所以以破解技術(shù)保護(hù)措施下載的付費(fèi)內(nèi)容進(jìn)行訓(xùn)練的，不構(gòu)成合理使用。

還有一個(gè)問題，人工智能公司大規(guī)模抓取在線內(nèi)容，多數(shù)情況下甚至漠視了網(wǎng)站的robots文件，這種情況下獲得的內(nèi)容是不是侵權(quán)的？ 這里我們基于我國法律討論，我國是以《反不正當(dāng)競(jìng)爭(zhēng)法》規(guī)制此類行為的，繞過robots文件爬取內(nèi)容并不侵犯版權(quán)，但涉嫌不正當(dāng)競(jìng)爭(zhēng)。所以，繞過robots文件抓取的內(nèi)容進(jìn)行訓(xùn)練，并不算以侵犯版權(quán)的內(nèi)容進(jìn)行訓(xùn)練。但這部分訓(xùn)練素材的取得是不是合規(guī)，可能還要看法院的認(rèn)定。

3、數(shù)據(jù)的取得：將正版圖書轉(zhuǎn)化為電子版構(gòu)成合理使用

Anthropic公司在美國的訴訟中，購買到了涉案的三位原告的正版圖書作品，根據(jù)判決書，Anthropic公司聘請(qǐng)了谷歌圖書館項(xiàng)目的負(fù)責(zé)人作為他們的掃描負(fù)責(zé)人，他們購買了數(shù)以百萬計(jì)的圖書，將其拆開掃描成電子版，然后保存了掃描的電子版并銷毀了紙質(zhì)版圖書。

該行為被法院認(rèn)定構(gòu)成合理使用，理由是：將合法購買的實(shí)體書掃描為數(shù)字格式，這種轉(zhuǎn)換僅為方便存儲(chǔ)和檢索，未新增復(fù)制或分發(fā)；且掃描行為是為了建立公司內(nèi)部研究圖書館，而非直接用于商業(yè)化或替代原作品市場(chǎng)；合法購買的書籍轉(zhuǎn)換為數(shù)字格式后，未新增復(fù)制或分發(fā)，未對(duì)原作品的銷售市場(chǎng)造成負(fù)面影響；同時(shí)，美國法院在類似案例（如谷歌圖書案）中認(rèn)定，將實(shí)體書掃描為數(shù)字格式以提供搜索功能屬于合理使用。

筆者認(rèn)為，這里法院體現(xiàn)出了對(duì)人工智能產(chǎn)業(yè)有利的導(dǎo)向性。人工智能公司購買書籍作為訓(xùn)練素材，一方面訓(xùn)練時(shí)書籍會(huì)被人工智能記憶下來，另一方面一本書的電子版可以用來訓(xùn)練無數(shù)次，這個(gè)和個(gè)人買一本書讀一下，使用方式可謂天差地別。但法院在本案中認(rèn)定了，只要人工智能公司訓(xùn)練用的書籍是正版就行，而且可以把書轉(zhuǎn)化成電子版，以后反復(fù)使用。

4、數(shù)據(jù)的訓(xùn)練：訓(xùn)練行為本身構(gòu)成合理使用

在訓(xùn)練行為本身構(gòu)成合理使用問題上，加州北區(qū)法院的兩個(gè)判決雖然做出了相似的認(rèn)定，但邏輯還是有不同的：

Anthropic案中，訓(xùn)練人工智能的行為被認(rèn)為是高度變革性的，類似于人類學(xué)習(xí)和創(chuàng)作的過程，因此偏向合理使用。法院認(rèn)為，當(dāng)用戶用文本提示Claude時(shí)，Claude迅速以模仿人類閱讀和寫作的方式回應(yīng)文本。Claude之所以能夠這樣做，是因?yàn)槿宋闹髁x訓(xùn)練了Claude，或者更準(zhǔn)確地說，訓(xùn)練了支撐各種Claude版本的大型語言模型，使用的是從人文主義匯編的中心圖書館中挑選的書籍和其他文本。

Meta案判決的邏輯則是原告舉證不力，法院認(rèn)為Meta的使用具有高度的轉(zhuǎn)換性，因?yàn)槠淠康氖情_發(fā)能夠生成多樣化文本的工具，而不是簡(jiǎn)單地復(fù)制或替代原告的書籍。但重點(diǎn)是，盡管原告的書籍市場(chǎng)可能受到間接競(jìng)爭(zhēng)的影響，但原告未能提供足夠的證據(jù)證明這種影響，因此Meta的行為不構(gòu)成市場(chǎng)替代。

同時(shí)，判決還認(rèn)為人工智能訓(xùn)練可能通過市場(chǎng)稀釋間接損害原作品市場(chǎng)。例如，Ai生成大量同類作品（如浪漫小說、新聞文章）可能擠占人類作者的市場(chǎng)份額，削弱創(chuàng)作激勵(lì)。即使人工智能未直接復(fù)制原作品，但其生成的競(jìng)爭(zhēng)內(nèi)容若泛濫成災(zāi)，仍可能構(gòu)成市場(chǎng)損害。

5、數(shù)據(jù)的輸出：向用戶輸出訓(xùn)練數(shù)據(jù)涉嫌侵權(quán)

對(duì)于人工智能公司要不要就輸出內(nèi)容進(jìn)行限制，避免輸出和訓(xùn)練素材一致的內(nèi)容的問題上，其實(shí)根據(jù)目前所有國家著作權(quán)法的規(guī)定都是明確的，輸出的內(nèi)容不能侵犯他人版權(quán)，也就是說，如果人工智能輸出了和訓(xùn)練素材相同或者近似的內(nèi)容，則涉嫌侵權(quán)。這在本文討論的兩個(gè)案例里，人工智能公司都做了預(yù)防。

Anthropic案中，判決書查明，原告沒有主張任何大語言模型提供給用戶的輸出內(nèi)容侵犯了他們的作品。因?yàn)镃laude設(shè)置了技術(shù)圍欄，以確保沒有任何侵權(quán)輸出傳達(dá)給用戶。Meta案中，判決書查明，在利用下載文件訓(xùn)練人工智能時(shí)，Meta做了預(yù)訓(xùn)練，以防止它們“記憶”并輸出訓(xùn)練數(shù)據(jù)中的某些文本，包括受版權(quán)保護(hù)的材料，經(jīng)測(cè)試。專家也無法讓任何模型生成超過50個(gè)單詞和標(biāo)點(diǎn)符號(hào)的原告書籍內(nèi)容。

我國也有兩個(gè)案例，廣州互聯(lián)網(wǎng)法院和杭州互聯(lián)網(wǎng)法院先后對(duì)兩起奧特曼版權(quán)人起訴人工智能公司的案件進(jìn)行了判決，也都認(rèn)定人工智能公司根據(jù)用戶要求輸出帶奧特曼特征的美術(shù)作品構(gòu)成侵權(quán)。

6、數(shù)據(jù)的輸出：繞開技術(shù)措施誘導(dǎo)人工智能輸出訓(xùn)練數(shù)據(jù)的爭(zhēng)議

目前業(yè)界審理的很多案件中，有一個(gè)問題比較有爭(zhēng)議，就是如果用提示詞多次調(diào)校人工智能，誘導(dǎo)其輸出和訓(xùn)練素材相同相似的作品，是不是也涉嫌侵權(quán)。比如紐約時(shí)報(bào)訴OpenAi的案件中，OpenAi就認(rèn)為紐約時(shí)報(bào)故意操縱模型進(jìn)行反流（反流，英文為Regurgitation，醫(yī)學(xué)名詞，也稱“反芻”，指經(jīng)過咀嚼的食物從胃返回到嘴里，筆者注），因?yàn)槠洳扇×艘恍┐胧﹣硐拗茻o意中的記憶，防止在模型輸出中出現(xiàn)重復(fù)內(nèi)容。所以，這種操縱行為不是對(duì)OpenAi技術(shù)的適當(dāng)使用，也違反了其使用條款。

這里筆者認(rèn)同OpenAi的觀點(diǎn)，因?yàn)槿斯ぶ悄芄疽呀?jīng)采取了技術(shù)措施防止復(fù)現(xiàn)訓(xùn)練素材內(nèi)容，此時(shí)通過提示詞多次調(diào)校讓人工智能回復(fù)出訓(xùn)練素材內(nèi)容，就不是一個(gè)普通用戶能實(shí)現(xiàn)的方法，法院審理時(shí)也可能會(huì)將其認(rèn)定為破壞技術(shù)保護(hù)措施的行為，所以應(yīng)該不會(huì)就此追究人工智能公司的侵權(quán)責(zé)任。

最后，隨著美國兩個(gè)人工智能訓(xùn)練涉及版權(quán)問題判決的做出，筆者預(yù)計(jì)我國近期應(yīng)該也會(huì)有進(jìn)展，目前業(yè)界比較關(guān)注的幾個(gè)涉及人工智能訓(xùn)練合理使用的案件，近期說不定會(huì)出一審判決。

本文作者：游云庭，上海大邦律師事務(wù)所高級(jí)合伙人，知識(shí)產(chǎn)權(quán)律師。本文僅代表作者觀點(diǎn)。