孔祥俊魏一英|从产业和公共利益角度研究生成人工智能版权问题。

在生成型人工智能背景下，人类创造力较少，生成产品的版权问题必须基于产业利益和公共利益来考虑。从生成者的角度来看，生成的东西必然会成为财产。版权问题并不纯粹是理论上的。应以公共利益为基础和体现，以实际需要作为最终选择标准。从各种赋权方案来看，投资原则的运用应该回归到激励创作的版权目标，而创作原则的问题可以通过产业激励来解决。在投入方面，人工智能训练机器构成了主要由产业利益驱动的合理使用，但仍有足够的正外部性公共利益税。随着科技的发展，产业利益和公共利益重新更加一致。公共利益的实现有赖于尖端技术的进步，并通过产业发展间接实现。从源头来看，高质量的数据是模型训练的核心，但这也包含了产业利润的竞争，这是竞争法下的数据权问题。有必要建立版权与数据权相衔接的权利体系。总的来说，我们应该清楚版权的特点和局限性，而不是依靠单一的版权框架来解决所有问题。生成人工智能的版权问题涉及三方利益：大型模型开发公司、版权所有者和公众（潜在用户），各自代表不同的行业和公共利益。当前学术理论主要从法律角度讨论人工智能产品的版权保护和训练数据的合理使用。阿尔理论。但实际上，利益权衡才是法律理念和规则背后的深层动因。理论为实践提供系统的解释和优化解决方案，但不应成为实践的障碍。本文从产业和公共利益、生成、输入和来源三个角度审视版权法在生成人工智能问题中的作用和地位，旨在为生成人工智能中的版权问题的讨论提供概述和解决方案。 1.生成方面：赋权逻辑背后的利益分析（1）营利性版权方面的动态和理论框架生成人工智能近年来发展迅速。从文森特的文字到文森特的照片再到文森特的视频，人工智能正在快速发展。人工智能代表着无限的技术可能性，但其产业化n 才刚刚开始。人工智能正在影响知识产权，生成式人工智能生成的产品的版权保护是热点话题之一。在我国学术界，关于人工智能产品的版权问题一直存在着激烈的争论。关于艺术智能官方能否享有主体地位、成为作者、人工智能产品的版权等问题，形成了各种不同的意见。形成了多种意见，包括积极的、消极的和妥协的意见。大多关注人工智能产品是否符合原创性要求，以及人类中心主义的伦理反思。然而，理论束缚从来都不是法律发展的障碍。其背后的原因是利率之间权衡的结果。比如新的制度设计，比如改革开放后的安全港规则、红旗标准等。互联网时代的法律和法律显然不是源自现有的法律理论，也不是法律理论的产物，而是利益相关者之间利益和承诺的博弈。法律规则只是利润游戏结果的法律语言的技术表述。人工智能终端产品版权保护的利益分析延续了“专有权—社会福利”的二分结构，产业利益与公共利益并非完全对立，而是相互交织。 1. 利用生产物品的价值的趋势引发了关于是否应该赋予物品权力的争论。这并不是因为人工智能生成的物体本身与当前的版权框架完全兼容，而是因为它们总是由于需要盈利而成为财产。 “当技术变革增加资源价值时，产权就会产生。”但在一个理性、文明的社会中，赋权需要合法性是的，而不是相反，引发了关于人工智能产品是否满足赋权条件的争论。根据洛克的劳动价值论，个人在为自己的利益付出努力和劳动后，对原有的公共土地享有财产权。随着财产的原始分配的形成，人类的总体福祉增加了。不同的产权需要劳动，但区别在于获得产权所需劳动的类型和程度。尽管表达原创性是获得著作权所必需的劳动属性，但这一标准的解释并非纯粹的法律理论问题，而是出于营利目的。从各国实践的巨大差异就可以看出这一点，并且没有压倒性的令人信服的标准。目前，美国版权局的决定主要认为人类必须对产品拥有“实质性控制”才能确定知识产权。凑争论的焦点是，原创性是对人类贡献的绝对判断，没有必要衡量人类和机器贡献的比例来要求人类对结果的控制。日本也持谨慎态度，认为只有使用人工智能作为工具创作的作品才受到版权保护。这是基于两个因素：“创意意图”和“创意贡献”，这与美国的主流观点类似。但我们的司法相对开放，认为只要有“一定的智力投入”，就体现了人类创造的遗迹，是可以得到保护的。英国采取了更积极主动的方法来保护人工智能产生的产品。英国知识产权局将从 2022 年起公布有关人工智能和知识产权的调查结果。大多数意见认为，没有人类作者的计算机生成作品（CGW）可以通过当前副本得到保护正确的框架，但没有证据表明这种保护会有害。欧盟此前曾提出为人工智能产品制定单独的原创性标准的想法，以满足保护需求。但随后他的态度发生了巨大的变化。基于知识产权框架仍可适用的前提，它采取了与美国、日本相同的“人工智能工具论”路径。一般来说，传统大陆法系将版权视为作者人格的延伸，而普通法系则被认为更关注作品的专有性质。但在涉及产品的版权问题时，各国法律体系的巨大差异和变幻莫测，足以说明解释的空间很大，结论取决于各国国情，而不是概念分析。理论视角F从这个角度来看，上述现实问题源于原创理论和“思想与表达二分法”。该原则中包含的“人类中心主义”概念与人工智能产品的本质不相容。然而，理论争议并没有阻止产品挪用的趋势。尽管有否认版权的先例，但对产品版权验证的要求层出不穷，用户试图通过产品货币化。这与现代知识产权饮食社会化的趋势密切相关。行使版权所有权的方式有多种，例如许可和转让，其好处是巨大的。有人认为，由于人工智能创作物与其“作者”之间不存在天然牢不可破的精神纽带，著作权法对人工智能创作物的制度安排无异于纯粹的经济利益分配。因此，人工智能的所有权为基础的趋势- 生成的产品可能是不可避免的（虽然不是版权，但它们也可能生成其他权利）。你需要准备的不是能否获得权力，而是为什么以及如何获得权力。 2、基于公共利益功能性解释的反思 需要冷静思考人工智能产品财产化的趋势，并从公共利益的角度进行反​​思。从版权的诞生到其范围、保护方式和时限的不断扩大，产业利益始终是塑造版权制度的核心力量。尽管产业利益往往由科技巨头主导，但版权法的最终目标是服务于刺激创新和技术发展的公共利益，而不是服务于利益集团的私人利益。划定权利边界最终还是回归到著作权法的目的，满足产业利益的需要才是根本。是实现社会效益最大化的途径。出于公共利益的考虑，对于生成产品的版权问题有两种观点：优点和缺点。不信任赋权生成的主要原因是避免以工业创新的名义侵蚀公共领域、超越创造力极限的精神财富过度私有化以及社会福祉的侵蚀。具体包括三个角度：第一，由于生成式人工智能降低了创作成本，创作的泛滥会导致公共空间的大幅减少。其次，人工智能可能威胁其人类创造者的生存。 3其次，除非技术发展到足以消除基于不同关键词生成相似内容的可能性，否则所生成产品的版权有效性受到质疑。这种情况抑制了创新。然而，同样的理由刺激创新也可能得出相反的结论。有人指出，承认AI产品的版权，消除了用户创造力的缺乏，激励了用户，而不是AI行业。我们认识到，法律工具和策略并不是黑白分明地支持或压制特定利益诉求，不同角度的推理会得出不同的结论。赋权和审慎赋权观点都可以通过激发创造力和保护公共利益来证明是合理的。这一悖论的根源在于对创造人工智能的成本和难度等事实问题的不同认知，而阐明其社会影响不仅需要理论推理，还需要实证研究和分析。此外，对于生成的产品的版权保护存在不同意见的情况可以与传输进行比较。以前的直播of 体育赛事或短视频。尽管后者因其独创性程度而受到诟病，而产品知识产权的举证难度也在于独创性问题，但二者同样受到版权的保护。这是否与传统的原创性要求不同存在争议。进一步说，人工智能的原创性要求最终将通过“人类中心主义”的理念体现为超越人类原创性的水平。关于独创程度的争论，有学者提出了版权法的“宽进宽出”结构，表示其目的不是“一味降低版权标准”或“一味纵容规制行为”，而是“解决创新利润分享难题”。事实上，实践终于表明，不能以原创性低为由，将体育直播场景和短视频排除在版权对象发布范围之外。产品版权保护也应该利用这种功能解释的视角。仅仅在法律理论的框架内讨论版权所有权并不足以证明其合理性。各利益相关方、行业和公众在不同发展阶段的要求。利益之间的平衡点需要明确。 （二）不同赋权方案下利润分享原则的合理性 1、人工智能生成的物体可能的赋权方案。如果人工智能生成的物体的版权所有权最终得到承认，则有必要与权利人进行进一步对话。人工智能的产生过程涉及多方，可分为三类：人工智能设计者、人工智能开发者和人工智能用户。目前的赋能方案包括基于投资的AI开发者权益、基于用户的权益基于创造和基于劳动力贡献的分散模式。投资型AI开发者的权利主要以“义务论”和“公司论”为理论基础，而现实中最有可能的是版权归属。创作型用户权利认为，用户对生成的内容进行自己的安排，并利用人工智能作为用户的创作工具。然而，这个viewta最大的问题是用户的话和生成的产品之间的对应关系。有鉴于此，一种更大胆的观点认为，用户拥有消息文字的版权，而不是生产的产品的版权。基于劳动贡献的去中心化模型提出，参与人工智能生成过程的每个人都享有相应的参与权利，并根据劳动贡献来确定参与的大小。虽然这种模式比单一权利所有权更公平del，其生存能力值得怀疑。数据提供者、数据分类者、模型提供者和关键词设计者的贡献和相应的权利范围很难评估。此外，追踪特定产品的相关贡献者在技术上很困难，并且可能导致劳动分工中的歧视。 2、投资原则与生成式人工智能特点的冲突。用户权利模型融入了版权法最基本的概念：创作者就是作者。如今，人工智能被认为是一种创造工具。相比之下，人工智能开发者的权利模式体现了对投资要素的保护。在版权发展史上，电影作品都有制片人作为作者。领主作为专业作品的作者（意向制作者）所拥有的、为创作提供物质技术条件的统一体就体现了这一原则。事实上，无论是直接创作还是间接创作（提供创作条件或资源），都没有偏离创意作品版权保护的底层逻辑。他们都对智力成就的诞生做出了贡献，但方式不同。但这就是为什么版权法在某些类型的作品中将投资者视为作者，而不是直接创作者。这体现了随着作品属性日趋复杂，刺激文化市场投资的意图。例如，一部电影要经过剧本创作、前期准备（镜头设计、选角）、拍摄过程、后期调整（剪辑、配乐）、发行等多个阶段。因此，相比于编剧、导演、摄影师、作词、作曲等，制片方的资金和设备支持保证了高质量电影作品的制作。又如，提供材料和技术合作的部门工作条件也是创作环境的提供者，虽然不直接影响工作，但却是完成工作所必需的。目前，对创作者的激励可以通过合同等形式的债权来实现，不会造成创作者回报不足、抑制创新的负面影响。接受投资者作为作者，抛开创作上的理论限制，这种思路更符合版权现实，也更有效地刺激产业发展和创新。事实上，自版权法诞生以来，安妮女王法令就给予了投资者一定程度的重视和优惠。如今，工业利益和版权立法的目标非常明确。为了实现激发创造力的目标，版权法将权利分配给特定行业的强大投资者。无独有偶，目前人工智能开发者的观点所生产作品的版权所有者与公司和专业作品的理论类似。这符合产业利润和投资的理念，这一理念在著作权法的发展史上逐渐形成并始终如一。有望借助技术助力人工智能产业的积极发展，产出更好的成果。不幸的是，人工智能产业并不是娱乐产业。它的发展并不真正需要版权激励，甚至可能会产生一些问题。复杂的概念与真实的自变量之间存在差异，法律假定的产业利益与真实的产业利益和法律效果之间存在障碍。事实上，人工智能开发者主要通过付费用户订阅来赚钱，包括产品中的增值服务和销售程序。利润是可替代的反的，完全不依赖特许权使用费收入。相反，由于其收入很大程度上取决于用户规模，因此它放弃版权并将其分配给用户，从而吸引更多用户并赚取利润。目前，国外生成式人工智能厂商大多采用这种模式。因此，基于传统版权法的投资原则的激励效应无法转移到生成式人工智能的商业形式上。法律应当承认市场自发形成的有效资源配置计划。原则投资政策不能生搬硬套，而应回归激发创造力的公共利益目标。 3. 创造原理在生成人工智能中的应用。仅仅因为投资原则难以应用，并不意味着创造原则可以确定地应用。在生成人工的背景下智能的同时，也有必要重新考虑创世原则的法律效力。在这一点上，我们必须区分严重依赖版权的专业创作者和不需要激励、不受版权法考虑的普通用户。在第一种情况下，根据创造原则赋权取决于立法政策是否希望鼓励利用生成式人工智能进行创造。是否鼓励的​​标准是哪种情况能产生更高质量的作品并催生繁荣的文化市场。从这个意义上来说，支持利用生成式人工智能进行创作的观点是，使用人工智能作为工具的用户的创作能力仍然缺乏，应该通过版权来鼓励，因此按照创作原则来增强它是合理的。反对的观点是，生产产品的版权可能会降低热情iasm对于独立创作的高质量作品不应该被授予。这样一来，生成式人工智能在后续的发展和完善过程中将面临严重的训练数据短缺问题，导致人工智能模型质量下降。后者的逻辑缺陷在于其无法随着技术进步而改变创作观念，也在于忽视了专业化创意市场的监管机制。另一方面，自后网络时代以来，“我们都是创造者”，创作不再是“闭门造物”的过程，而是从海量的作品集合中进行再创造。事实证明，降低创作门槛并不会导致作品质量的下降，反而会激发作品的灵感。生成式人工智能可以被认为是我们创造方式的又一次历史性改变。此时，我们需要查秉承原有理念，让科技与人类更加深度融合。两者不再是孤立的系统，而是相辅相成的。因此，生成式人工智能并不会扼杀创造力的火焰，它只是提高了效率，为用户赋能并不妨碍高质量作品的产生。 “版权法保护用户并鼓励他们参与艺术创作，并不阻止他们使用各种工具来追求艺术完美。”另一方面，对专业创作者的行业激励可以有效防止生成式人工智能的使用带来的创作惯性。创意产业如何赚钱取决于消费者。理性的消费者只会为作品中值得付费的部分付费。如果作品是人工智能可以轻易获得的内容，谁会花钱从第三方购买呢？从这个意义上说，创造力始终是一种稀缺资源并且不会仅仅因为工具的变化而消失。即使使用人工智能完成搜索前的总结，创作者仍然需要努力调整结果或融入独特的表达方式来获得具有市场价值的作品。以盈利为导向的技术将继续鼓励专业创作者寻找独特的方式来吸引消费者的注意力，而不是仅仅依靠生成式人工智能。生成式人工智能是迭代的，它只能替代工作，而不能替代创造性工作。创造原则在生成式人工智能的背景下仍然有应用的空间，而向用户授予版权是一种可行的赋能解决方案。看似与公共利益相悖的产业激励可以防止创造原则失败，而目前，公共利益和产业利益是一致的。 （3）行业利益与公共利益在赋权问题上的互动；版权已成为保护人工智能产品的首选法律工具。这不仅是因为从经验逻辑的角度来看，版权是最容易接近的，而且还因为相比于物权和债权的民法模式，通过版权更容易找到平衡各方利益的立足点。这是一种天然优势，取决于知识产权的性质。作品所有权日益成为产业资本争夺的焦点。版权通过保护条件、保护期限、权利限制等方式防止知识的垄断，在赋予一定的专有权的同时，为公共利益留有空间。首先，在版权问题上，产业利益和公共利益往往是不一致的。但没有绝对的优先顺序，要根据各国的政治目标和发展阶段而有所不同。不尝试。例如，我国司法部门目前出于产业目标对生物制品的授权持宽松态度，而欧盟对于内部一体化进程和消费者权益保护则更为谨慎和关注。政治偏好的差异直接影响各国最优监管决策的选择。对于人工智能产品的版权性质，需要面向未来的研究。尽管人工智能似乎正在迅速传播，但它仍处于早期阶段，该技术和行业的前景仍然不确定。技术和产业都不成熟、稳定。在这种情况下，法院做出肯定或否定的判决并采用这样或那样的判刑依据是可以理解和有益的。从版权的发展历史来看，传播技术和制作技术的巨大进步其中十项引起了有关某些创作或特定物品的知识产权的争议。这也适用于相机、复印机、软件和互联网等技术的发展。这是真的。人工智能只是介入创造，但它毕竟是人类的创造工具。即使你深入参与创作或已经完成了创作，也没有必要绝对否认所生成作品的版权。知识产权是否得到承认，最终取决于相关利益之间的权衡以及利弊分析。如果继续将现有的版权概念和规则纳入版权框架的协调中是适当的，那么现有的版权概念和规则不应成为障碍。作者选择。如果不适合将其纳入版权协调中，则可以授予单独的权利，例如邻接权。如果不提供它是有利的，则它可能不会受到保护。所有这些问题这些都不是纯理论的，都需要实践的检验，真正的实际需求才是最终的选择标准。其次，在选择版权时，更要注重产业利益和公共利益之间的平衡。如上所述，投资型人工智能开发者权利和创造型用户权利分别对应了传统版权主体的投资和创造原则。面对生成式人工智能的新特点，投资原则的应用没有先决条件，必须回归到激发创造力的目标。然而，在此背景下关于创意原则的问题可以通过创意产业的产业激励来解决。事实证明，保护行业利益和促进公共利益并不完全矛盾。如果生成式人工智能被认为是一种创造性工具，那么工业l 利益与公共利益更加契合，投资原则与创新原则在互动中共同解决新问题。值得注意的是，目前业界和法律界之间的争论是相对独立的。版权具有平衡利益的优势，但其作用不宜被夸大。您还应该考虑是否可以完成这项任务。尽管该行业注重投资回报最大化，但开发公司的收入流人工智能与生产的产品无关，版权也不适合他们的商业模式。还必须避免工业利益的胁迫。一个普遍的担忧是，“备受瞩目的人工智能发展将导致商业模式出现巨额投资和收购竞标的炒作周期。” “这项技术可能成为其背后公司的摇钱树，但可能会牺牲用户的利益。”但规避行为强制并不意味着否认版权法中的产业利益地位。版权客体的历史扩张主要源于产业利益的需要，而在智能时代，产业利益与公共利益日益交织在一起。正确的答案应该是明确版权法的功能和界限，哪些内容应在版权法中考虑，哪些内容应留给《反不正当竞争法》、《反垄断法》等行为规范。强迫版权制度解决所有问题没有任何好处。这也是考虑版权是否是监管人工智能产品的适当政策工具的一个原因。 2.输入方：机器训练的合理使用利益范围（1）合理使用制度中的公共利益的传统含义。训练生成式人工智能机器所需的大量数据包括数据挖掘活动和可能侵犯版权的文本。目前，莫学者们认为，合理使用应包括基于转换使用、技术使用、非商业使用等基础上的合理使用。现有研究普遍将合理使用的合法性归因于版权法之外的事物，如交易成本过高导致的市场失灵或正外部性导致的市场失灵。 “文本和数据挖掘”面临内容供给不足、获取有效数据许可效率低下的问题，但交易成本过高导致的市场失灵可以通过技术发展来解决。文本和数据挖掘例外的规范基础主要是对公共利益的市场失灵的考虑，即经济学中的正外部性。然而，公共利益概念的范围并不明确，特别是是否包括产业利益。不同的法律关系具有不同的公共利益范围。如上所述，版权的限制是外部的限制，因此公共利益不必局限于版权法所追求的促进创作的目的。国际条约不限制不同国家的特定公共利益，世贸组织相关专家组已确定国家立法不限制特定情况下的特定公共政策目标，拒绝考虑。不过，世界知识产权组织《版权条约》（wct）和《世界知识产权组织表演和录音制品条约》（wppt）中有相关注释，列出了公共利益的三大类：教育、研究和信息获取。从各国法律和司法实践来看，日本被归类为封闭式合理使用的情形仅限于研究、教育、言论自由和信息获取等领域。即使在采用开放模式的美国，在考虑“使用目的和性质”时，非营利教育机构与商业使用相比，个人目的更有可能被纳入合理使用。目前，欧盟数字单一市场版权指令下的合理使用主要适用于科研机构和文化遗产机构，对于商业机构的合理使用有严格的限制。我们发现，合理使用制度中公共利益的传统含义相对保守，往往排除产业利益的干扰。 (2)基于合理产业利益的机械训练使用不同于传统的基于纯粹公共利益考虑的合理使用情况。构成合理使用受版权保护的作品来训练人工智能的现行法律的法律程序是商业实践的结果。这个问题是从产业竞争的角度来考虑的，而不是从传统的合理使用的理论方面来考虑。这一切都与强劲的产业链有关美国利益。从生成人工智能的商业模式来看，科研与市场呈现出相互融合的趋势。从一开始，生成式人工智能发展的出发点就不是传统的公益目的。目前生成人工智能的进展主要由商业技术巨头主导。大量投资涌入这一领域，用户订阅量猛增，利润不断增加。根据第三方市场分析平台 Sensor Tower 公布的数据，2024 年 5 月，chatgpt 在全球范围内的下载量为 1100 万次，订阅收入为 1700 万美元。尽管 2023 年人工智能领域的私人投资总体下降，但流入生成式人工智能的资本自 2022 年以来增加了近八倍，达到 252 亿美元。投资的目标是利润，生成式人工智能背后的巨大商业价值是显而易见的。排队随着生成人工智能行业的积极发展，合理使用立法程序对该行业具有优势。例如，在欧盟，数字单一市场版权指令允许有限地提取文本和商业数据。从相关说法来看，这主要是考虑到欧盟的产业竞争力，避免不确定性的法律问题影响科技发展。 《数字单一市场版权指令》第 10 条明确指出，研究越来越多地使用数字技术进行，除非采取措施解决与文本和数据挖掘相关的法律不确定性，否则欧盟作为研究部门的竞争地位可能会受到影响。同时，第11条鼓励大学和非营利研究机构与私营部门合作。目前，它们仍然受到文本挖掘和数据管理的保护。这是一个例外，这是对行业正在慢慢蚕食合理使用链接这一现实的隐秘承认。同样缺乏对工业利益侵犯传统上存在的合法使用体系的现象的理论和实践考虑。实体服务于公共利益。承认人工智能培训的合理使用可以“让已经拥有资本优势的企业享有法律优势，有利于‘霸权’的扩张，将合理使用制度变成为企业服务的工具。”版权方也站出来抗争。美国作家协会和8000多名作者公开致信OpenAI、Alphabet、Meta、Stability AI、IBM和微软，要求他们在AI训练中使用受版权保护的材料，在作者同意的情况下获得授权，并提供公平的补偿。所有这些都反映出人们对合理使用延伸至工业利益的质疑。虽然有由于担心生成型人工智能的高度商业性与美国的合法制度相冲突，目前的主流观点仍然优先考虑合理使用，并主张需要扩大人机创造模式中合理使用的范围。这种趋势并非没有根据。基于合理使用制度的目的论特征，我们可以这样思考。商业用途背后的公共利益非常重要。只要是，商业用途的估值打折就够了。自坎贝尔案以来，美国法院作为一个整体越来越接受商业使用，并在可以显着增加社会效益的情况下承认合理使用，就像谷歌数字图书馆的例子一样。同样，在人工智能背景下，商业使用比非商业使用更不可能受到合理使用的保护，但这并不意味着合理使用完全排除商业属性。不是判断合理使用的标准，需要综合判断。尽管我国法律坚持私人判决，但法院已经将四因素分析法引入司法实践，学界相关声音也日益增多。更多的理论分析将有利于提高我们的理解，我们应该进一步考虑生成人工智能文本和数据挖掘背后的公共利益是否可以单独证明其合理使用。 （三）合理利用下公共利益与产业利益的融合。生成式人工智能可以通过大量数据的合理利用产生巨大的正社会外部性，但这不能仅通过版权保护来实现。在科学研究中，人工智能提高了工人的生产力，产生更高质量的结果并加速科学发现。从决策人工智能到生成人工智能由此，从通过概率分布学习优化决策，到知识重组和生产方向，信息暴露的成本将降低，生产效率将大幅提高。这就是为什么合理使用争议最少的领域是科学研究。除了在科学研究中的重要性之外，文本和数据挖掘技术还被公共和私人组织广泛用于分析生活各个领域的大量数据，包括用于各种目的，例如政府服务、复杂的业务决策以及新应用程序和技术的开发。人工智能的发展正逐渐从基础模型的轻量级表示走向面向消费者的人类问题解决阶段，研究成果也逐渐融入产品、平台和工作流程中。此外，合理使用制度赋予宪法权利并释放版权法表达的 om。合理使用对于解决版权与言论自由的冲突、保障言论自由具有重要的规范作用。我会尽自己的一份力量。面对新技术，言论自由是得到保障还是受到限制，这是一个见仁见智的问题。然而，技术的便利为互联网用户通过他人的作品表达自由的期望提供了理论支撑。在信息技术时代，公共利益的实现往往依赖于技术的进步，因此产业利益与公共利益日益契合，可见公共利益往往通过产业发展间接得到满足。因此，驱动合理使用结果的并不是产业利益本身，而是隐藏在产业背后的公共利益视角证明了合理使用的合理性。当然，这种形式的整合是必要的这通常意味着更广泛的人类危机，例如工业垄断、算法的力量、技术偏见和人类疏远。关于该准则的核心问题之一是它是否赋予人们更多的自由和权利，或者是否有助于国家和科技巨头的权力主导地位。算法能力的扩展可以催生人类创造者。个体地位的效率危机，已经形成了一个在大数据发展下，算法的力量歧视作者主观意愿的过程。好莱坞的罢工源于对生成人工智能将取代作家的担忧。通过选择使用人工智能，我们也在不知不觉中做出了许多文化决策。生成式人工智能不仅是一个结果，更是对概念的重新定义。我们必须避免的是价值观的简单化，放弃多重价值判断，只用进步和效率y作为评价标准。这与韦伯提出的技术官僚体系下人的异化是一致的。然而，版权的功能并不能完全辐射公共空间的负面影响。这不能简单地否定生成式人工智能在版权合理使用方面的合法性。在版权领域，我们不能坚持临时解决方案，而必须从更全面的角度思考，汇集反垄断法、反不正当竞争法、数据法等多种法律部门，并加入哲学和伦理方面的考虑。 3、源头端：连接版权与数据权的盈利体系 （1）版权作品、数据与大规模模型的关系 在模型的开发中，大规模算法、算力和数据是三个关键要素。发展生成式人工智能的关键不是模型本身，而是数据。斯坦福大学2024年人工智能年度报告报告指出，更好的人工智能意味着更好的数据。模型训练的核心是高质量的数据，而这部分数据往往包括版权作品。不过，这项工作并不直接影响模型，而是转换为数据并用于训练模型。虽然两者之间存在实质上的一致性，但版权作品数字化的过程涉及权利所有权的转移和权利属性的变化。因此，实现合规、避免版权侵权纠纷的关键是明确版权与数据权的关系。厘清这种关系的前提是厘清数据权利本身的结构。但现实中，权利归属的保护和确定方法仍不明确。还应跟踪产权登记工作的有效性。讨论这个话题就是另外一个故事了。因此，这里我只是介绍一下反对这种想法并分析其背后的利润chain.os，我不给出明确的结论。 （二）以数据为中心的产业利润竞争。在生成人工智能领域，存在因生成的产品而引发版权侵权的诉讼，但由于举证负担和诉讼成本，只有少数人在事后保护版权，而前期数据源只是利益港。目前，国内生成型人工智能公司用于训练的数据来源主要从各种公共数据、基于用户服务协议的强制许可以及外包数据服务商获得。不同的模型有不同的应用场景，需要不同类型的训练数据，因此数据服务提供商很可能会作为版权所有者和公司之间的中介而存在。 生成人工智能研究。数据来源多样并不能保证数据质量。你是小姐获取模型所需的高质量数据。 Epoch AI 估计，到 2024 年，高质量的语言数据集（例如书籍和科学文章）将可用。它们可能很快就会耗尽。使用模型和算法批量生成合成数据的新进展正在进行中，但这种演变的前景及其对生产结果的影响仍不清楚。 ，原始数据仍然是主流。高质量的数据必须来自专业的数据提供商，形成大公司的垄断局面。训练下一代人工智能模型的成本已上升至前所未有的水平。例如，OpenAI 花费了数亿美元获取新闻出版商、档案媒体库等的内容来训练他们的人工智能模型。尽管人工智能开发非营利组织做出了尝试，但只要数据仍然是一个竞争来源，小企业就根本无法与大公司竞争。随着技术的发展，数据资源的竞争和行业垄断可能会更加激烈。 “搜索增强生成”（LAG）技术是通用人工智能演进的新方向。在滞后技术中，人工智能连接到外部数据库（维基百科、专业文献库等），根据用户输入进行搜索后生成内容，而不是直接将数据输入到模型中。当前，个人创作者智力成果的利益争夺和产业保护日益增多。例如，谷歌宣布可以利用人工智能生成片段，可以有效减少外部网站的链接。他反对，因为这会损害依赖搜索引擎流量获取收入的内容创作者和出版商的利益。这成为竞争法下的数据权问题。此时协调各方利益的关键在于协调数据权利的构建与传统版权的接轨，且不限于版权领域。在构建或访问数据库时获得必要的许可并确保数据不被超出技术手段直接检索是版权保护的另一个方面。专注于数据的工业利益竞争将使生成人工智能的版权问题本质上更加商业化。 4.结论生成人工智能的生成端、输入端和源端依赖于现有的版权制度。它带来了挑战。问题接二连三地出现，情况变得令人眼花缭乱。但与以往的版权纠纷相比，例如人工智能生成的产品是否获得许可以及生产端的授权方案，输入端将版权作品用于机器训练是否以及在多大程度上纳入合理使用，以及与来源相关的数据权利等。从源端的训练数据来看，与之前的版权纠纷相比，都更多地掺杂了工业利益，这与 proceso de desarrollo de los derechos de autor 一致。整个版权的历史主要是产业和资本运作的历史。从安娜女王法令时代的出版商，到此后产业在版权改革中的角色，再到互联网时代索尼案所代表的产业利益，版权规则都是以产业利益和公共利益呈现的起点，根据需求和利益平衡而塑造的。这在技术发展过程中可能是不可避免的，因为技术进步往往是由商业利益驱动的。虽然生成式人工智能的版权问题更多地涉及产业利益，但在新的技术环境下，产业利益和公共利益并不是完全对立的，而是展览具有一体化特征，公共利益可以通过产业利益实现。理论不应该妨碍实践。基于版权法传统投入和创作原则的权利方案、基于公共利益的传统合理使用范围以及数据权与版权法之间的关系可以在以下文件中得到明确：以适应新发展和实现利益平衡为基础。生成式人工智能的颠覆性创新可能与传统的法律和社会逻辑相矛盾，不可避免地会引发一系列抵制。从这个意义上说，不应试图在著作权法的框架内解决所有问题，而需要坚持著作权的功能观，明确其解决问题的范围和界限。本文提供了解决生成人工智能中版权问题的思路和可行的分析基于这个想法的路径。最终的目标是与相应的法律部门合作，分析各方的利益和需求，并从更广泛、更全面的角度进行考虑。龚向军魏一英|产业与公共利益视角下生成式人工智能版权问题研究 刘晶晶 |司法解释文件权力扩张现象与治理机制 王美旭|如何理解《立法法》法律解释文件机制第83条：基于刘金瑞“区域调整”的公式化发展杨氏生成人工智能大学模式的新监管和风险框架Li |孔祥军谈综合金融数字司法源头治理|商业数据保护的实践思考与立法视角：基于数据的保护路径概念I信息所有权属性 上海市法学会官方网站 http://www.sls.org.cn 郝上官 作者：上海市法学会
特别提示：以上内容（包括图片、视频，如有）由自有媒体平台“网易账号”用户上传发布。本平台仅提供信息存储服务。
注：以上内容（包括图片和视频，如有）由网易号用户上传发布，网易号是一个仅提供信息存储服务的社交媒体平台。