本案的法律攻防過(guò)程（尤其原告“廣撒網(wǎng)”式的訴訟策略）對(duì)后續(xù)類(lèi)案提供了重要啟示。本文將通過(guò)拆解原被告的訴辯和法院觀點(diǎn)，深入復(fù)盤(pán)這場(chǎng)精彩的法律交鋒。

作者 | 岳浩然 阮丹羚

以原告的訴請(qǐng)為主線，梳理了Getty v. Stability案的事實(shí)背景和爭(zhēng)議問(wèn)題。對(duì)于上述爭(zhēng)議問(wèn)題，本文以對(duì)被告抗辯和法院觀點(diǎn)的梳理為主，同時(shí)穿插了少量個(gè)人思考。

為便于非技術(shù)讀者，對(duì)于一些偏技術(shù)性的問(wèn)題，本文以比較通俗的表述進(jìn)行了梳理：比如“文生圖”的基本工作原理與被告據(jù)此提出的法律抗辯；將AI訓(xùn)練類(lèi)比人類(lèi)學(xué)習(xí)、據(jù)此主張模型權(quán)重不屬“侵權(quán)復(fù)制品”的推理鏈，以及對(duì)相反觀點(diǎn)的羅列。此外，本文也討論了一些細(xì)節(jié)問(wèn)題：比如對(duì)服務(wù)器位置界定管轄的擔(dān)憂、點(diǎn)擊同意和默認(rèn)接受等電子授權(quán)的效力、AI生成圖像中的水印是否構(gòu)成商標(biāo)性使用、開(kāi)發(fā)者免責(zé)聲明的作用、原告通過(guò)設(shè)計(jì)特定提示詞取證能否被采納等。本文的分析僅為對(duì)本類(lèi)型案件初步探討，諸多觀點(diǎn)尚不成熟，以期拋磚引玉。

1

被告抗辯與法院觀點(diǎn)分析總結(jié)表

2

屬地管轄抗辯與法院觀點(diǎn)

2.1 需遵循屬地管轄原則

正如上文所述，對(duì)于原告針對(duì)數(shù)據(jù)獲取的數(shù)據(jù)庫(kù)侵權(quán)，和訓(xùn)練階段的版權(quán)直接侵權(quán)的主張，被告以涉案AI模型訓(xùn)練中的數(shù)據(jù)獲取和訓(xùn)練行為均發(fā)生在美國(guó)的亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）云集群上，由于不在英國(guó)境內(nèi)，故本案法院對(duì)上述指控沒(méi)有管轄權(quán)為由進(jìn)行抗辯。

但法官并沒(méi)有直接采納被告的觀點(diǎn)，因?yàn)檎缭嫠�，被告的運(yùn)營(yíng)實(shí)體、開(kāi)發(fā)團(tuán)隊(duì)（包括“首席技術(shù)官”）和主要員工均在英國(guó)，且CEO曾在采訪中提到將烏克蘭開(kāi)發(fā)者帶到英國(guó)，根據(jù)這些事實(shí)，法院認(rèn)為，被告有可能在英國(guó)境內(nèi)服務(wù)器或計(jì)算機(jī)上下載和存儲(chǔ)了訓(xùn)練數(shù)據(jù)。

即使法官認(rèn)可了原告的初步推論，但原告無(wú)法對(duì)該推論進(jìn)行進(jìn)一步的舉證，最終原告不得不放棄了數(shù)據(jù)庫(kù)侵權(quán)和版權(quán)直接侵權(quán)的主張。從而這些訴請(qǐng)，只能寄希望于在美國(guó)提起的訴訟能得到支持。

2.2 屬地管轄似乎會(huì)增加原告的維權(quán)負(fù)擔(dān)

上述對(duì)屬地管轄的爭(zhēng)論，也引出了一些值得思考的問(wèn)題。

首先，類(lèi)似屬地管轄的要求并非英國(guó)版權(quán)法獨(dú)有，這種對(duì)侵權(quán)行為發(fā)生地進(jìn)行屬地管轄的要求是普遍情況（如美國(guó)Subafilms v. MGM案明確，僅在美國(guó)境內(nèi)作出授權(quán)，而所有實(shí)際侵權(quán)行為都發(fā)生在境外，不構(gòu)成美國(guó)版權(quán)法下可訴的侵權(quán)）。即使英國(guó)有援引外國(guó)版權(quán)法審理案件（Lucasfilm v Ainsworth案）來(lái)突破該屬地管轄的先例，但也屬于偶然情況。所以如果僅就數(shù)據(jù)獲取端和訓(xùn)練開(kāi)發(fā)端產(chǎn)生的復(fù)制等行為進(jìn)行維權(quán)，似乎只能?chē)?yán)格遵循屬地管轄，前往被告AI模型實(shí)際訓(xùn)練地起訴。

其次，當(dāng)前很大部分的AI模型的訓(xùn)練工作發(fā)生在云服務(wù)上，且很大一部分選擇了如亞馬遜AWS、微軟Microsoft Azure和谷歌Google Cloud的三大廠商的云服務(wù)上，而對(duì)于云服務(wù)的管轄，如果用“服務(wù)器所在地”來(lái)做判斷，似乎很大一部分都將管轄地指向了美國(guó)。本文認(rèn)為有兩個(gè)問(wèn)題值得思考：

（1）單就AI訓(xùn)練行為而言，AI模型開(kāi)發(fā)者似乎可以通過(guò)選擇云服務(wù)商來(lái)選擇管轄。

這種管轄選擇似乎會(huì)給原告帶來(lái)一些舉證和管轄問(wèn)題上的障礙，但還不夠令人擔(dān)憂。因?yàn)檫@個(gè)問(wèn)題同樣適用于其他類(lèi)型的網(wǎng)絡(luò)服務(wù)商，比如YouTube的網(wǎng)絡(luò)節(jié)點(diǎn)部署幾乎遍布全球，但它并不因?yàn)椤澳彻?jié)點(diǎn)在海外”就能躲開(kāi)版權(quán)規(guī)則的約束；且就目前來(lái)看，訓(xùn)練后的AI模型必然涉及后續(xù)的商業(yè)活動(dòng)，實(shí)際案件中還可以根據(jù)具體的損害結(jié)果來(lái)選擇管轄。

但是，依舊存在一種管轄選擇：一般認(rèn)為美國(guó)對(duì)合理使用的態(tài)度最為開(kāi)放包容，那么將AI訓(xùn)練行為的管轄固定在美國(guó)，似乎更有利于開(kāi)發(fā)者的合理使用抗辯。

（2）美國(guó)版權(quán)訴訟對(duì)版權(quán)登記的嚴(yán)要求會(huì)增加原告的維權(quán)負(fù)擔(dān)。

美國(guó)的版權(quán)訴訟通常以在美版局完成版權(quán)登記為前提，沒(méi)有登記可能會(huì)喪失某些索賠權(quán)利的資格，甚至導(dǎo)致不可起訴。這明顯超出了伯爾尼公約的規(guī)定，對(duì)原告的維權(quán)增加了負(fù)擔(dān)。

尤其在AI訓(xùn)練相關(guān)的案件中，涉案作品往往作品數(shù)量巨大，對(duì)作品逐一登記的成本與舉證負(fù)擔(dān)很高。且因?yàn)榘鏅?quán)登記的瑕疵導(dǎo)致維權(quán)受阻的案件已經(jīng)實(shí)際出現(xiàn)，如Andersen v. Stability AI中，被告就以原告部分作品未做登記為由，使法官駁回了原告中部分藝術(shù)家的維權(quán)主張。

3

輸出端內(nèi)容不構(gòu)成侵權(quán)的抗辯

對(duì)于原告認(rèn)為輸出端產(chǎn)生的圖像，包含了原告作品實(shí)質(zhì)表達(dá)部分的指控，法官在審理的過(guò)程中，根據(jù)不同輸入行為又做了區(qū)分，區(qū)分為由“文本提示”（text prompts）生成圖像功能和由“圖像提示”（image prompts）生成圖像功能。被告也針對(duì)這兩種不同功能設(shè)計(jì)了截然不同的抗辯策略。

3.1. 針對(duì)文本生成圖像功能（文生圖功能）的抗辯：

文本生成圖像功能（下稱(chēng)文生圖）具體指，用戶通過(guò)輸入提示詞或相關(guān)文字要求來(lái)生成圖像。

該功能下，被告的抗辯邏輯主要是從文生圖的技術(shù)層面解釋?zhuān)次纳鷪D的過(guò)程在法律上根本不構(gòu)成對(duì)任何版權(quán)作品的“復(fù)制”。這個(gè)過(guò)程利用了“隨機(jī)噪音圖像”（a random noise image）的去噪原理，“隨機(jī)噪音圖像”就好比一臺(tái)老式電視機(jī)在沒(méi)有信號(hào)時(shí)滿屏的“雪花點(diǎn)”，在技術(shù)上，它是一個(gè)數(shù)字畫(huà)布，其上每個(gè)像素的顏色值都是完全隨機(jī)生成的，它純粹是無(wú)序的統(tǒng)計(jì)噪音。而文生圖過(guò)程就是一個(gè)由文本提示引導(dǎo)的去噪過(guò)程。具體為：

（1）首先，在訓(xùn)練端文生圖的訓(xùn)練過(guò)程為：

（a）加噪音：在一張清晰的圖像上，故意向其中的某些像素點(diǎn)添加“噪音”（雪花點(diǎn)）；

（b）讓AI預(yù)測(cè)：向AI模型展示這張“有噪音”的圖像，并讓它預(yù)測(cè)并移除剛剛添加的噪音，移除正確便給予正向反饋；

（c）重復(fù)：訓(xùn)練會(huì)不斷重復(fù)這個(gè)過(guò)程，每次都添加更多的噪音，直到原始圖像完全變成一張“隨機(jī)噪音圖像”。經(jīng)過(guò)數(shù)十億次這樣的練習(xí)，AI模型變得極其擅長(zhǎng)一件事：看著一張充滿噪音的圖像，并預(yù)測(cè)出噪音是什么，然后將其去除，還原出清晰的圖像。

同時(shí)，對(duì)于用以訓(xùn)練的圖像而言，模型并沒(méi)有記�。╩emorised）或以其他方式復(fù)制它們，而只是通過(guò)重復(fù)的訓(xùn)練提取了圖像中抽象的風(fēng)格、概念或模式，并將其轉(zhuǎn)化成“參數(shù)值”保存在模型中。被告稱(chēng)這個(gè)過(guò)程沒(méi)有對(duì)作品的具體表達(dá)進(jìn)行復(fù)制。

（2）其次，在輸出端文生圖的過(guò)程為，當(dāng)用戶輸入了文本提示詞后：

（a）將提示詞轉(zhuǎn)為參數(shù)：模型首先使用一個(gè)叫作“文本編碼器”的組件，將用戶的提示詞，比如“吃菠蘿的小狗”，拆解為一個(gè)個(gè)具體詞匯，如“小狗”“吃”“菠蘿”，然后再分析詞匯和它們之間的關(guān)系，并將每個(gè)詞匯轉(zhuǎn)換成一個(gè)數(shù)學(xué)上的概念或方向，即參數(shù)。這個(gè)參數(shù)將作為向?qū)В瑏?lái)指引AI“創(chuàng)作”。

（b）創(chuàng)建起始畫(huà)布：模型生成一張100%噪音的“隨機(jī)噪聲圖像”作為“起始畫(huà)布”，它不包含任何照片信息，只是一個(gè)充滿噪音的隨機(jī)起點(diǎn)。

（c）迭代去噪：面對(duì)100%噪聲的起始畫(huà)布，AI模型根據(jù)文字形成的參數(shù)，預(yù)測(cè)出畫(huà)布中最不符合該參數(shù)概念的一小部分噪聲，并去除。然后循環(huán)迭代這個(gè)去噪的過(guò)程，每次都額外去除一小部分噪音，直至AI模型認(rèn)為已經(jīng)完成100%的去噪。由于每次迭代的過(guò)程都是隨機(jī)的，因此根據(jù)相同的提示詞所輸出圖像也會(huì)具有“隨機(jī)性”。

（3）最后，對(duì)于訓(xùn)練行為是如何具體指導(dǎo)輸出過(guò)程的，被告稱(chēng)其為“優(yōu)化的參數(shù)值”（optimised parameter values），這就是被告法律論證的核心：

在上述迭代去噪的過(guò)程中，AI模型是如何知道要移除哪部分噪聲才能讓圖像更符合用戶要求呢？它依賴的不是一個(gè)存儲(chǔ)著“小狗吃菠蘿”的照片數(shù)據(jù)庫(kù)。相反，它依賴的是它在訓(xùn)練階段學(xué)到的“模型權(quán)重”（model weights）或“優(yōu)化的參數(shù)值”，這些權(quán)重或參數(shù)值是數(shù)十億個(gè)微小的數(shù)字，這些數(shù)字中沒(méi)有存儲(chǔ)“圖像”，而是存儲(chǔ)“關(guān)系”和“概率”。例如，“小狗”這個(gè)概念通常與“四條腿”和“毛茸茸”的紋理相關(guān)聯(lián)、“菠蘿”通常是黃色的等等。這些信息以數(shù)字的形式存儲(chǔ)在每個(gè)詞匯的參數(shù)中。

綜上，被告通過(guò)對(duì)其AI模型文生圖的技術(shù)過(guò)程的還原，表明其論點(diǎn)：AI模型是從“隨機(jī)噪聲”開(kāi)始，利用這些學(xué)到的“權(quán)重”“參數(shù)值”，來(lái)全新地創(chuàng)作一幅圖像。其中，生成的圖像不是從訓(xùn)練數(shù)據(jù)中“復(fù)制”或“提取”出來(lái)的，而是基于模型學(xué)到的統(tǒng)計(jì)模式合成的。這一論點(diǎn)的法律意涵是，模型從訓(xùn)練數(shù)據(jù)中提取的是抽象的風(fēng)格、概念或模式，而非受版權(quán)保護(hù)的具體“表達(dá)”，因此不構(gòu)成版權(quán)法意義下的“復(fù)制”。即使生成了和原告某些作品類(lèi)似的圖像，也只是風(fēng)格或概念上（即思想部分）的相似。輸出圖像具有“隨機(jī)性”的特點(diǎn)也印證了這一觀點(diǎn)。

3.2 針對(duì)圖像生成圖像功能（圖生圖）的抗辯：

圖像生成圖像功能（下稱(chēng)圖生圖）具體指，用戶可以輸入一張圖像（例如一張Getty的受版權(quán)保護(hù)的照片），并使用一個(gè)“滑動(dòng)標(biāo)尺”（sliding scale basis）來(lái)控制模型對(duì)該輸入圖像的“轉(zhuǎn)換”程度。如果用戶將轉(zhuǎn)換率設(shè)置得很低（即被告所稱(chēng)的“受到用戶的高度約束”），輸出結(jié)果“在實(shí)質(zhì)上和效果上是對(duì)用戶提供的輸入圖像的部分復(fù)制”。

在這種情況下，被告無(wú)法從技術(shù)上否認(rèn)“復(fù)制”行為的發(fā)生，因?yàn)檩斎牒洼敵鲋g存在明確且可控的因果關(guān)系。因此，被告的策略是將法律責(zé)任轉(zhuǎn)移給用戶，即雖然發(fā)生了復(fù)制，但這是用戶作出的行為，且被告沒(méi)有能力也不應(yīng)控制用戶的使用，因此被告不應(yīng)承擔(dān)責(zé)任。

具體而言，被告將自己定位為中立的工具提供者，不論是用戶自己下載了Stable Diffusion模型后自行運(yùn)行，還是在DreamStudio平臺(tái)上操作，被告更多提供的是一種托管服務(wù)，對(duì)用戶的上傳和本地復(fù)制行為，沒(méi)有實(shí)際的控制權(quán)，更沒(méi)有權(quán)利和能力來(lái)驗(yàn)證用戶對(duì)其上傳的圖像是否享有版權(quán)或獲得了授權(quán)。因此，被告不構(gòu)成對(duì)用戶復(fù)制侵權(quán)的授權(quán)。

3.3 備選抗辯：合理使用例——戲仿：

此外，被告明確表示，如果其上述主要抗辯（無(wú)論是文生圖的技術(shù)抗辯還是圖生圖的責(zé)任轉(zhuǎn)移抗辯）失敗，它將轉(zhuǎn)而尋求CDPA第30A條規(guī)定的“戲仿”（pastiche） 例外作為備選抗辯。

CDPA第30A條規(guī)定，為“戲仿、模仿或諷刺”之目的而進(jìn)行的合理使用不構(gòu)成侵權(quán)。被告首先需要論證其輸出的內(nèi)容符合“戲仿”的定義。

被告的主張是，其AI模型的輸出圖像是一種藝術(shù)作品，其特征符合“戲仿”的廣義定義。被告將其定義為：“其風(fēng)格可能模仿另一作品、藝術(shù)家或時(shí)期，或由模仿大量不同來(lái)源訓(xùn)練材料的元素的混合物組成”，這符合戲仿的目的。

但僅僅在使用意圖上被認(rèn)定為“戲仿”是不夠的，被告還必須證明該使用構(gòu)成了“合理使用”。在這一環(huán)節(jié)，被告提出了一系列創(chuàng)新性論點(diǎn)：

（1）“隨機(jī)過(guò)程”表明沒(méi)有復(fù)制的主觀意圖：在英國(guó)版權(quán)法下，要認(rèn)定一項(xiàng)使用構(gòu)成合理使用，法院必須評(píng)估多個(gè)因素，“使用的性質(zhì)”（Nature of the dealing）是其中之一，一般認(rèn)為，這指的是對(duì)版權(quán)作品使用的意圖和方式（例如，是用于批評(píng)、研究，還是商業(yè)競(jìng)爭(zhēng)）。被告聲稱(chēng)AI模型利用的“隨機(jī)過(guò)程”，并不是從數(shù)據(jù)庫(kù)中“提取”或“復(fù)制粘貼”圖像，而是從“隨機(jī)噪聲”開(kāi)始，利用其學(xué)到的數(shù)學(xué)參數(shù)（模型權(quán)重）逐步“去噪”，最終“生成”一幅新圖像。這個(gè)過(guò)程是概率性的，因此，模型并沒(méi)有復(fù)制任何特定的版權(quán)作品的“意圖”。如果輸出的圖像中確實(shí)出現(xiàn)了對(duì)原告作品（或其水�。┑摹皬�(fù)制”，這并非故意或系統(tǒng)的復(fù)制行為，而是一個(gè)統(tǒng)計(jì)上的“偶然”和“不可預(yù)測(cè)的”結(jié)果。

（2）生成的圖像也滿足“合理使用”的其他要素：

使用程度（Extent of taking）：對(duì)版權(quán)作品的使用往往遠(yuǎn)小于整個(gè)作品，且即使模型輸出了受版權(quán)保護(hù)的元素，圖像也構(gòu)成“戲仿”（即“模仿多種元素的混合物” ）所必需的最少部分，而不是對(duì)整個(gè)作品的完整復(fù)制。

市場(chǎng)替代性（Substitute for the original）：被告主張，戲仿圖像不是原始版權(quán)作品的替代品。用戶使用Stable Diffusion生成一張受特定風(fēng)格啟發(fā)的新圖像，與去Getty Images網(wǎng)站購(gòu)買(mǎi)或許可一張?zhí)囟ǖ�、現(xiàn)有的、高分辨率的原始照片的目的是完全不同的。

市場(chǎng)干擾（Interfere in the market）：被告進(jìn)一步主張，戲仿圖像也不會(huì)干擾原始版權(quán)作品的市場(chǎng)。被告在此利用了原告的主張，由于AI生成的圖像往往是扭曲、有瑕疵的，那也正說(shuō)明了它們不會(huì)是原始版權(quán)作品的替代品，因此它不會(huì)在經(jīng)濟(jì)上損害或干擾Getty Images對(duì)其高質(zhì)量圖像的核心許可市場(chǎng)。

被告的上述抗辯思路非常清晰，但最終，被告依然選擇通過(guò)技術(shù)手段（屏蔽相關(guān)提示詞和相關(guān)功能等）來(lái)解決原告的侵權(quán)主張。應(yīng)該是被告想盡可能防止法官對(duì)其核心抗辯作出不利裁決，被告寧愿犧牲部分功能，也不愿讓法院認(rèn)定圖像輸出尤其是文生圖的過(guò)程，構(gòu)成版權(quán)法下的復(fù)制。這表明被告可能對(duì)其技術(shù)抗辯仍缺乏足夠的信心，同時(shí)也使得這些關(guān)于AI訓(xùn)練和輸出是否構(gòu)成直接侵權(quán)的關(guān)鍵法律問(wèn)題，在英國(guó)法域下仍然懸而未決。

4

對(duì)代表性訴訟的駁回申請(qǐng)與法院觀點(diǎn)

對(duì)于原告的該項(xiàng)程序性訴請(qǐng)，上文論述的比較詳細(xì)，法院支持了被告的抗辯，即原告無(wú)法明確代表的成員具體都有誰(shuí)，因?yàn)樵鎸?duì)成員類(lèi)別的定義，將成員的版權(quán)已被侵權(quán)作為資格前提，構(gòu)成循環(huán)論證；且50,000多名創(chuàng)作者并不具有“相同利益”（same interest）。法院需要對(duì)每一份許可協(xié)議和每一次侵權(quán)行為進(jìn)行個(gè)案評(píng)估。

此外，網(wǎng)絡(luò)平臺(tái)經(jīng)常通過(guò)“彈窗勾選同意”等形式讓用戶簽署獨(dú)占許可合同，這種形式是否會(huì)影響合同的效力，本案也給出了一些回應(yīng)。

對(duì)于原告主張其享有50,000多名創(chuàng)作者的獨(dú)占許可授權(quán)的事實(shí)，被告提出了反駁：英國(guó)CDPA s.92(1)要求獨(dú)占許可必須是“書(shū)面的”并“由版權(quán)所有人簽署”。

被告質(zhì)疑原告的某些協(xié)議，如原告通過(guò)：

“點(diǎn)擊同意”，即登錄、上傳或系統(tǒng)更新時(shí)的彈窗等，讓創(chuàng)作者通過(guò)勾選“同意/接受”的勾選框，以此視為簽署了獨(dú)占許可；

“默認(rèn)接受”，如果創(chuàng)作忽視或跳過(guò)了上述該彈窗，在一定時(shí)期后原告系統(tǒng)會(huì)將這些尚未點(diǎn)擊同意的創(chuàng)作者視為接受，并能繼續(xù)上傳內(nèi)容。

被告主張這種創(chuàng)作者通過(guò)“點(diǎn)擊同意”和“默認(rèn)接受”方式授予原告的獨(dú)占許可，達(dá)成不符合“簽署”的積極行為要求，因此該獨(dú)占許可是存在瑕疵或無(wú)效的。

法院認(rèn)為，“點(diǎn)擊同意”可以構(gòu)成簽署行為，法院引用了Bassano v Toft等先例，確認(rèn)在網(wǎng)站上點(diǎn)擊“我接受”等的復(fù)選框，這一積極行為足以構(gòu)成CDPA s.92(1) 意義上的有效“簽署”。但“默認(rèn)接受”情況下的獨(dú)占許可則不滿足簽署的要件。

據(jù)此，原告所主張的50,000多份獨(dú)占許可中有一定數(shù)量的效力被否認(rèn)，不僅影響了原告對(duì)代表性訴訟的主張，還使原告對(duì)這些作品的其他訴訟請(qǐng)求也無(wú)法得到支持。

5

對(duì)版權(quán)間接侵權(quán)的抗辯與法院觀點(diǎn)

5.1 AI模型不構(gòu)成侵權(quán)復(fù)制品

如上文所述，原告主張Stable Diffusion模型權(quán)重是CDPA下的“物品”（article），且該物品屬于“侵權(quán)復(fù)制品”。

法官在“物品”是否必須有形的問(wèn)題上支持了原告觀點(diǎn)，采納了“法律與時(shí)俱進(jìn)”原則，認(rèn)為如果將“物品”限制為有形物體，將“剝奪作者對(duì)電子復(fù)制品的保護(hù)”。

盡管原告爭(zhēng)取到了AI模型權(quán)重構(gòu)成“物品”，但卻未能說(shuō)服法官其進(jìn)一步構(gòu)成“侵權(quán)復(fù)制品”。因?yàn)楸桓鎸?duì)此做了非常充分的抗辯：

首先，需要區(qū)分AI的“訓(xùn)練過(guò)程”和最終的“產(chǎn)品”（即模型權(quán)重），訓(xùn)練過(guò)程確實(shí)涉及復(fù)制，但Stable Diffusion模型權(quán)重不涉及復(fù)制，其工作原理不是存儲(chǔ)或“壓縮”訓(xùn)練圖像，而是有數(shù)十億的參數(shù)或“統(tǒng)計(jì)表示”（statistical representations）構(gòu)成，它們反映了從訓(xùn)練數(shù)據(jù)中學(xué)到的模式、紋理和關(guān)系，但并不“包含、存儲(chǔ)或再現(xiàn)任何版權(quán)作品”。

其次，被告通過(guò)聘請(qǐng)專(zhuān)家（Thomas Brox教授）的證詞，將AI模型訓(xùn)練和學(xué)習(xí)的過(guò)程，類(lèi)比為與人類(lèi)學(xué)習(xí)的過(guò)程：深度學(xué)習(xí)的AI模型使用的“人工神經(jīng)網(wǎng)絡(luò)”架構(gòu)，旨在模擬大腦中的突觸連接結(jié)構(gòu)，模型權(quán)重是“知識(shí)”的集合，而不是“存儲(chǔ)”。用于訓(xùn)練的數(shù)據(jù)集大小約為220TB，而最終的Stable Diffusion模型權(quán)重文件大小僅為3.44GB。這就像人閱讀了成萬(wàn)本書(shū)，但并沒(méi)有在大腦中形成一個(gè)圖書(shū)館。

最后，被告和專(zhuān)家還利用該類(lèi)比，對(duì)生成的商標(biāo)水印的問(wèn)題做了回應(yīng)，即這種現(xiàn)象是“記憶”的“過(guò)擬合”（overfitting），其主要原因是訓(xùn)練數(shù)據(jù)中存在大量重復(fù)（duplication）。例如，當(dāng)帶有同樣水印的圖片在數(shù)據(jù)集中出現(xiàn)了數(shù)百甚至數(shù)千次，模型就會(huì)“背住”它，Stability的專(zhuān)家將“過(guò)擬合”定義為一種“不希望的特性”或技術(shù)“缺陷”。這就像一個(gè)學(xué)生（AI模型）為了應(yīng)付考試（用戶提示），死記硬背了課本（訓(xùn)練數(shù)據(jù)）中的某幾個(gè)特定段落。這種“死記硬背”是他“學(xué)習(xí)”過(guò)程中的一種“失敗”（即“過(guò)擬合”），但這并不能證明這個(gè)學(xué)生的大腦（模型權(quán)重）本身就是課本的“復(fù)制品”。

法院認(rèn)可了被告將AI訓(xùn)練類(lèi)比為人類(lèi)學(xué)習(xí)的抗辯觀點(diǎn)，認(rèn)為沒(méi)有存儲(chǔ)或再現(xiàn)任何版權(quán)作品的AI權(quán)重模型，不構(gòu)成一個(gè)侵權(quán)復(fù)制品。這一裁決對(duì)AI行業(yè)具有重大意義。它至少在英國(guó)法律明確，對(duì)AI模型的分發(fā)和進(jìn)口不會(huì)構(gòu)成版權(quán)的間接侵權(quán)。

5.2 AI訓(xùn)練是否能等同于人類(lèi)學(xué)習(xí)過(guò)程？

對(duì)于本案將AI訓(xùn)練類(lèi)比為人類(lèi)學(xué)習(xí)的思路，雖然在本案被法官所接受，但也有非常多的觀點(diǎn)對(duì)這種類(lèi)比表示質(zhì)疑。典型的比如美國(guó)版權(quán)局在《版權(quán)與人工智能——第三部分：生成式人工智能訓(xùn)練》報(bào)告中明確表示：

人工智能訓(xùn)練與人類(lèi)學(xué)習(xí)（尤其在版權(quán)視角下）存在差異。人類(lèi)對(duì)自己經(jīng)歷過(guò)的作品只保留不完美的印象，這些印象經(jīng)過(guò)了他們獨(dú)特的個(gè)性、歷史、記憶和世界觀的過(guò)濾。而生成式人工智能訓(xùn)練則涉及創(chuàng)建完美的副本，并能幾乎瞬間分析作品。其結(jié)果是一個(gè)能夠以超人的速度和規(guī)模進(jìn)行創(chuàng)作的模型。用羅伯特·布勞內(nèi)斯教授的話說(shuō)，“生成式模型訓(xùn)練超越了構(gòu)成專(zhuān)有權(quán)結(jié)構(gòu)基礎(chǔ)的人類(lèi)局限性�！�

我們（美國(guó)版權(quán)局）也不同意AI訓(xùn)練因其類(lèi)似人類(lèi)學(xué)習(xí)，而本質(zhì)上（在合理使用方面）具有轉(zhuǎn)換性的觀點(diǎn)。首先，這個(gè)類(lèi)比建立在一個(gè)錯(cuò)誤的前提上，因?yàn)楹侠硎褂貌⒉荒転樗幸詫W(xué)習(xí)為目的的人類(lèi)行為開(kāi)脫。一個(gè)學(xué)生不能以促進(jìn)個(gè)人教育為由，依賴合理使用來(lái)復(fù)印圖書(shū)館里的所有書(shū)籍；相反，他們必須購(gòu)買(mǎi)或借閱一份合法獲得的副本，通常是通過(guò)銷(xiāo)售或許可。版權(quán)法不應(yīng)僅僅因?yàn)閺?fù)制行為是由計(jì)算機(jī)完成的，就給予更大的寬容度。

對(duì)于否定AI訓(xùn)練等同于人類(lèi)學(xué)習(xí)過(guò)程的專(zhuān)業(yè)性論文非常多，尤為出名的是Apple ML Research發(fā)布的研究《The Illusion of Thinking》，本文作者也傾向于否定將AI訓(xùn)練與人類(lèi)的學(xué)習(xí)過(guò)程等同（尤其在版權(quán)視角下），各種否定觀點(diǎn)可大致總結(jié)如下表：

6

對(duì)商標(biāo)侵權(quán)與仿冒的抗辯與法院觀點(diǎn)

6.1 原告刻意設(shè)計(jì)的提示詞取證能否作為證據(jù)？

對(duì)于商標(biāo)侵權(quán)和仿冒的分析，法院首先需要明確，用戶在使用被告AI模型具體哪些版本時(shí)產(chǎn)生了水印的問(wèn)題。通過(guò)原被告的相關(guān)舉證，最后把商標(biāo)侵權(quán)和仿冒的判斷聚焦在被告AI舊模型v1.x 和v2.x版本上，因?yàn)樵嫖茨茏C明使用新模型（SD XL 和 v1.6）會(huì)產(chǎn)生水印。

這其中涉及到原告取證策略的問(wèn)題，即原告在取證時(shí)，故意使用了他們認(rèn)為會(huì)觸發(fā)模型記憶的提示詞，比如通過(guò)從Getty網(wǎng)站逐字復(fù)制的長(zhǎng)篇詳細(xì)描述作為提示詞（逐字提示），或?qū)⑸鲜鲩L(zhǎng)篇文字放入chatgpt讓其生成多個(gè)提示詞（改寫(xiě)提示），或使用“news photo”（新聞?wù)掌┗颉?strong>vector art”（矢量藝術(shù)）作為提示詞等，在原告律師使用這些提示詞并加以引導(dǎo)的操作下，v1.2, 1.3, 1.4, 2.0和2.1版本生成了大量帶有扭曲水印的圖像。

被告抗辯認(rèn)為這樣的取證過(guò)程是“精心設(shè)計(jì)的”，因?yàn)槠胀ㄓ脩舨粫?huì)像原告律師這樣刻意使用這種奇怪的、逐字復(fù)制的長(zhǎng)提示詞來(lái)“攻擊”模型。

法院對(duì)此的態(tài)度是：

否認(rèn)了原告利用那些“奇怪”的提示詞取證的證據(jù)——尤其是“逐字提示”和“改寫(xiě)提示”，這確實(shí)是精心設(shè)計(jì)且刻意的，不符合用戶的真實(shí)適用提示詞的情況。

認(rèn)可了原告部分“精心設(shè)計(jì)的”提示詞有效，比如利用“news photo”（新聞?wù)掌┖汀皏ector art”（矢量藝術(shù)）作為提示詞的取證證據(jù)。因?yàn)榉ü侔l(fā)現(xiàn)現(xiàn)實(shí)中真實(shí)用戶有用這些詞匯作為提示詞的可能性。

法官對(duì)證據(jù)的嚴(yán)格審查是值得稱(chēng)贊的，并明確表達(dá)了態(tài)度，即原告可以設(shè)計(jì)提示詞和取證過(guò)程，但這些提示詞和取證過(guò)程要最低限度地符合真實(shí)用戶的使用行為，過(guò)于脫離現(xiàn)實(shí)的提示詞和取證過(guò)程所產(chǎn)生的證據(jù)是不能被接受的。這種態(tài)度也能為后續(xù)類(lèi)案原告的取證提供思路和指引。

6.2 AI模型生成的水印是否構(gòu)成被告對(duì)商標(biāo)的使用？

對(duì)于原告認(rèn)為被告在“商業(yè)過(guò)程”中“使用”了原告標(biāo)志的指控。

被告抗辯，這是用戶的行為，而非AI模型的“使用”。且用戶會(huì)理解這些扭曲的水印不是來(lái)源標(biāo)識(shí)，而僅僅是AI學(xué)習(xí)過(guò)程中產(chǎn)生的隨機(jī)產(chǎn)物，因此也不會(huì)產(chǎn)生混淆。且被告還拿出了其產(chǎn)品服務(wù)的用戶協(xié)議和免責(zé)聲明等，其中都包含“用戶自行對(duì)生成的結(jié)果及后續(xù)使用負(fù)責(zé)”“該模型僅供研究目的使用”“非商用”“禁止用戶做侵權(quán)行為”等聲明。

但法院駁回了被告的抗辯，裁定被告對(duì)產(chǎn)生的水印構(gòu)成對(duì)原告商標(biāo)的使用，需要承擔(dān)法律責(zé)任。法院的論證邏輯是：

（1）控制的歸屬：關(guān)鍵問(wèn)題是誰(shuí)控制了導(dǎo)致侵權(quán)發(fā)生的過(guò)程。法院認(rèn)為，雖然用戶輸入了提示詞，但被告對(duì)用于訓(xùn)練模型的數(shù)據(jù)擁有控制權(quán)。對(duì)于被告就其用戶協(xié)議和免責(zé)聲明等的抗辯 ，法院認(rèn)定大部分用戶不會(huì)閱讀隱藏在超鏈接后的繁雜條款，本質(zhì)還是要看被告對(duì)用戶行為的控制能力。

（2）可預(yù)見(jiàn)的后果：水印的出現(xiàn)是被告主動(dòng)選擇使用包含清晰水印的數(shù)百萬(wàn)張Getty圖像進(jìn)行訓(xùn)練的“可預(yù)見(jiàn)后果”。因此，被告具有“直接或間接的控制權(quán)”。

（3）商業(yè)傳播：被告“非商用”的聲明形同虛設(shè)，用戶的使用本身就是被告“自身商業(yè)傳播”的一部分，構(gòu)成了《1994年商標(biāo)法》（TMA）意義下的“在商業(yè)過(guò)程中使用” 。

因此，在相同服務(wù)（圖片、數(shù)字生成等商標(biāo)類(lèi)別）上生成（使用）了與原告ISTOCK商標(biāo)相同的水印，無(wú)需判斷是否實(shí)際構(gòu)成了混淆，即可認(rèn)定被告構(gòu)成商標(biāo)侵權(quán)。但對(duì)于GETTY IMAGES商標(biāo)，由于被告生成的水印是扭曲的，法院認(rèn)為該水印僅構(gòu)成相似標(biāo)識(shí)，需進(jìn)一步對(duì)混淆與否進(jìn)行判斷。

最終，法院認(rèn)定存在兩種“混淆可能性”，一種是“商業(yè)合作的混淆”，即用戶極有可能認(rèn)為該AI工具得到了Getty的許可，或者該工具是Stability和Getty合作的產(chǎn)物，甚至還可能認(rèn)為這就是Getty自己的AI工具。另一種是“售后混淆”，即使用戶在訪問(wèn)被告服務(wù)時(shí)（售前）沒(méi)有混淆，但在看到帶有水印的輸出結(jié)果（售后）時(shí)，也會(huì)產(chǎn)生關(guān)于來(lái)源的混淆。因此，被告舊模型生成帶有原告水印的行為，均構(gòu)成對(duì)原告商標(biāo)的侵權(quán)。

6.3 對(duì)淡化等和仿冒的否定

對(duì)于原告關(guān)于商標(biāo)淡化、聲譽(yù)受損和仿冒訴訟請(qǐng)求，被告認(rèn)為，原告的上述主張只基于其“純粹的假設(shè)”，沒(méi)有對(duì)實(shí)際遭受的損害進(jìn)行舉證。被告引用了歐洲法院對(duì)Intel Corp v CPM案的判決來(lái)著重強(qiáng)調(diào)：對(duì)于馳名商標(biāo)的商標(biāo)淡化、聲譽(yù)受損、搭便車(chē)的訴求，原告不能僅做 “推定會(huì)產(chǎn)生損害”的舉證，而是必須舉證對(duì)消費(fèi)者的經(jīng)濟(jì)行為（如購(gòu)買(mǎi)習(xí)慣、搜索模式或市場(chǎng)決策等）發(fā)生了實(shí)際且可衡量的變化。

英國(guó)《1994年商標(biāo)法》第10（3）條（TMA s. 10(3)）為馳名商標(biāo)提供了一種更強(qiáng)大的、特殊的保護(hù)，對(duì)于三種特定類(lèi)型損害的保護(hù)：搭便車(chē)、商標(biāo)淡化（對(duì)顯著性的損害）、聲譽(yù)損害，不要求證明存在消費(fèi)者“混淆”。

但歐洲法院（ECJ，當(dāng)時(shí)是歐盟最高法院）在Intel Corp v CPM案中，對(duì)馳名商標(biāo)的保護(hù)又明確了一個(gè)新的法律標(biāo)準(zhǔn)，即原告不能僅僅因?yàn)椤?strong>推斷或假設(shè)”其商標(biāo)顯著性被削弱就獲得勝訴，他們必須提供具體且真實(shí)的證據(jù)，證明市場(chǎng)上真實(shí)的“普通消費(fèi)者”的經(jīng)濟(jì)行為（例如購(gòu)買(mǎi)決策、搜索習(xí)慣）因此發(fā)生了改變，或存在發(fā)生這種改變的“嚴(yán)重可能性”。

具體到本案，法官采納了Intel Corp v CPM案中“普通消費(fèi)者經(jīng)濟(jì)行為實(shí)際改變”的判斷標(biāo)準(zhǔn)，指出原告的舉證僅有“規(guī)避許可費(fèi)的假說(shuō)”（推斷消費(fèi)者會(huì)通過(guò)AI模型生成一張“相同或相似”的圖像，進(jìn)而規(guī)避向原告付費(fèi)使用）和“可能會(huì)生成色情圖像的假設(shè)”，但這些“假設(shè)或推斷”缺乏在實(shí)際發(fā)生了損害的證據(jù)。從而否定了原告關(guān)于商標(biāo)淡化和聲譽(yù)受損的主張。

對(duì)于仿冒的主張，被告利用了法官在前對(duì)“售后混淆”的論述，并轉(zhuǎn)化為自己的抗辯。既然法院認(rèn)為發(fā)生了“售后混淆”，但就目前關(guān)于仿冒侵權(quán)的先例來(lái)看，其僅規(guī)避售前混淆，即消費(fèi)者因?yàn)樘摷訇愂鰧?dǎo)致了錯(cuò)誤的購(gòu)買(mǎi)決定。而本案的消費(fèi)者是先做出了“購(gòu)買(mǎi)”被告的決定（即決定使用Stable Diffusion）。他們是在使用服務(wù)之后才看到帶水印的圖像，這種售后混淆不構(gòu)成仿冒。

售后的混淆是否能構(gòu)成仿冒確為有爭(zhēng)議的問(wèn)題，但法官?zèng)]有對(duì)此做出回應(yīng)，而是再次強(qiáng)調(diào)原告無(wú)法就實(shí)際損失進(jìn)行舉證，且對(duì)原告主張的商標(biāo)侵權(quán)的部分支持，已經(jīng)為原告提供了足夠的救濟(jì)，因此駁回了原告的仿冒，也并未就售后混淆是否構(gòu)成仿冒進(jìn)行進(jìn)一步的評(píng)述。

7

總結(jié)

本案作為少數(shù)已作出判決的AI訓(xùn)練案件，對(duì)后續(xù)類(lèi)案有較強(qiáng)的參考價(jià)值。本案對(duì)一些爭(zhēng)議的已決裁定，比如法院對(duì)被告生成水印構(gòu)成商標(biāo)侵權(quán)的裁定、對(duì)AI開(kāi)發(fā)者的免責(zé)條款的否定等，也對(duì)AI行業(yè)本身起到了矯正和警示的作用。同時(shí)，諸如對(duì)屬地管轄原則的秉持、對(duì)代表性訴訟的程序要求、對(duì)原告設(shè)計(jì)提示詞的取證要求、對(duì)默認(rèn)電子方式簽訂版權(quán)許可的否定等，也為類(lèi)案原告的維權(quán)提供了指引。

但本案也有很多不盡人意的地方，比如因原告放棄相關(guān)訴求，使本案最為核心問(wèn)題——針對(duì)AI訓(xùn)練與輸出的版權(quán)問(wèn)題（尤其是否構(gòu)成合理使用的問(wèn)題），沒(méi)有得到法院充分的討論。本案也有一些值得繼續(xù)討論的問(wèn)題，比如AI模型是否構(gòu)成侵權(quán)復(fù)制品、AI訓(xùn)練過(guò)程是否等同于人類(lèi)學(xué)習(xí)過(guò)程，與法院裁定相左的觀點(diǎn)日漸增多，當(dāng)前的定論似乎也在遭受挑戰(zhàn)。因此，雖然判決后原被告雙方都“聲稱(chēng)自己取得了勝利”，但或許事實(shí)上卻是，雙方都還未取得真正的勝利。

（本文僅代表作者觀點(diǎn)，不代表知產(chǎn)力立場(chǎng)）

封面來(lái)源 | Pixabay 編輯 | 布魯斯 有得