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，近日美國加州北區(qū)法院連出兩個簡易判決，對通用人工智能訓(xùn)練做出認(rèn)定，構(gòu)成合理使用。雖然兩案都是個案，但這是中美兩個人工智能科技領(lǐng)先的國家的法院第一次對此問題給出了答案，今天筆者就和大家聊聊這兩個案子涉及的法律問題。

一、案情簡介

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)費用，談判也會很復(fù)雜，因為圖書版權(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)，在下載的同時也會上傳盜版文件。

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，因為其目的是開發(fā)能夠生成多樣化文本的工具，而不是簡單地復(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內(nèi)容，但由于Meta的Llama模型不會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，盡管原告的書籍市場可能受到間接競爭的影響，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，一個是版權(quán)人和人工智能公司的博弈。另一個是重點發(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)需要和每個版權(quán)人單獨談，會耗費很高的時間成本和金錢成本，發(fā)展就會慢非常多，同時，在關(guān)鍵的高質(zhì)量內(nèi)容上，還會受制于傳統(tǒng)的版權(quán)人，比如紐約時報這樣的大型出版集團(tuán)。此時，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)限制在一個多世紀(jì)前創(chuàng)建的公共領(lǐng)域書籍和繪圖可能會產(chǎn)生一個有趣的實驗，但不會提供滿足當(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誤的論點，并且未能提供支持其正確論點的證據(jù)。但加州北區(qū)法院的兩位法官確實在不同的案件中選擇支持了人工智能公司的觀點，判決如果生效，會讓訓(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)在才出了第一個通用人工智能涉及訓(xùn)練的判決，我國更是如此，實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，英國也在立法考慮此選項。如果這個法規(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，這實際上會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；所使用部分相對于整個版權(quán)作品的數(shù)量和實質(zhì)性；以及使用對版權(quán)作品的潛在市場或價值的影響。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。

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。對這個問題，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，法院認(rèn)定，若書籍未被用于訓(xùn)練且長期保留，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，法院可能不會就人工智能公司素材來源做正版和盜版的區(qū)分，而會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)有爭議

寫到這里，筆者想到幾個問題：如果OpenAi購買到創(chuàng)刊以來所有的《紐約時報》，然后和Anthropic公司一樣，把報紙掃描做出電子圖書館，并銷毀報紙原件，這樣他們用紐約時報內(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報的會員，利用會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，買報紙掃描電子版訓(xùn)練肯定是合法的，買會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)對于會員訪問文章的數(shù)量有限制的，則下載行為不一定合法。同時，如果網(wǎng)站有付費墻的技術(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)措施下載的付費內(nèi)容進(jìn)行訓(xùn)練的，不構(gòu)成合理使用。

還有一個問題，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)競爭法》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)競爭。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公司聘請了谷歌圖書館項目的負(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：將合法購買的實體書掃描為數(shù)字格式，這種轉(zhuǎn)換僅為方便存儲和檢索，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；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)，未對原作品的銷售市場造成負(fù)面影響；同時，美國法院在類似案例（如谷歌圖書案）中認(rèn)定，將實體書掃描為數(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)練時書籍會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，這個和個人買一本書讀一下，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，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，是因為人文主義訓(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，因為其目的是開發(fā)能夠生成多樣化文本的工具，而不是簡單地復(fù)制或替代原告的書籍。但重點是，盡管原告的書籍市場可能受到間接競爭的影響，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)成市場替代。

同時，判決還認(rèn)為人工智能訓(xùn)練可能通過市場稀釋間接損害原作品市場。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份額，削弱創(chuàng)作激勵。即使人工智能未直接復(fù)制原作品，但其生成的競爭內(nèi)容若泛濫成災(zāi)，仍可能構(gòu)成市場損害。

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。因為Claude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，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)測試。專家也無法讓任何模型生成超過50個單詞和標(biāo)點符號的原告書籍內(nèi)容。

我國也有兩個案例，廣州互聯(lián)網(wǎng)法院和杭州互聯(lián)網(wǎng)法院先后對兩起奧特曼版權(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)的爭議

目前業(yè)界審理的很多案件中，有一個問題比較有爭議，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)。比如紐約時報訴OpenAi的案件中，OpenAi就認(rèn)為紐約時報故意操縱模型進(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），因為其采取了一些措施來限制無意中的記憶，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，因為人工智能公司已經(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，就不是一個普通用戶能實現(xiàn)的方法，法院審理時也可能會將其認(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，隨著美國兩個人工智能訓(xùn)練涉及版權(quán)問題判決的做出，筆者預(yù)計我國近期應(yīng)該也會有進(jìn)展，目前業(yè)界比較關(guān)注的幾個涉及人工智能訓(xùn)練合理使用的案件，近期說不定會出一審判決。

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