李青文 | 算法训练使用作品的著作权法规制路径

与 使 用 普 通 算 法 的 传 统 软 件 不 同 ， 以 ChatGPT为代表的生成式人工智能往往需要训练并创建不同类型的神经网络算法。^[3] 比如，当用户仅向ChatGPT中导入法学论文数据，却突然让其执行一个金融学指令，那么因其从未学习过金融学相关知识，故生成的内容可能缺乏逻辑，甚至存在常识性错误。数据是机器学习的“燃料”，只有向人工智能“投喂”大量的数据，训练算法模型，人工智能才会越来越智能，才能够像一个知识丰富的“专家”一样，迅速而又专业地解决用户的问题。诚然，算法开发者并不十分了解用户的具体需求，其主要负责设计、开发及向用户提供基础算法模型，并定期进行更新；虽然其开发出某种算法后会通过爬虫技术进行基础训练，但一般不会使用特定的作品数据有针对性地训练算法，这使得人工智能所有者推出的算法模型可能无法满足用户的个性化、多样化需求。因此，用户在实践中往往会根据自己的实际需要，让人工智能通过爬虫、API接口对接等自动化抓取方式捕获、存储公开数据，进一步训练和优化算法模型。目前，文字、绘画、摄影、音乐等内容均可实现无纸化传播，而该类内容又大都构成作品，在人人都可以通过输入指令、导入文件等方式对人工智能进行算法训练的技术背景下，机器学习使用作品的数量之巨可想而知。

算法训练使用作品既涉及算法初始模型训练者和人工智能所有者，也涉及作为用户的社会公众。首先，算法初始模型训练者是使用数据进行算法训练的最原始主体。开发者设计出特定算法之后，需要使用作品或非作品数据训练算法，形成基础算法模型。其次，社会公众是使用作品进行算法训练的主要主体。在市场需求的催动下，许多人工智能公司应运而生，它们规模不一，算法各异，应用领域也不完全相同，由此满足用户的多样化、层次化需求。广大用户根据自己的需求，通过输入指令或者直接导入数据的方式，让机器学习输入的数据，训练人工智能算法。在人人都可以使用人工智能的时代，创作作品、发明技术方案等并非难事，只要会使用人工智能，就可以获得符合自己预期的“智力成果”。如今，高校教师和学生、企事业单位员工、政府机关工作人员及其他社会公众都在使用人工智能帮助自己分担沉重又烦琐的体力劳动和部分脑力劳动。可以预见，在不久的将来，使用人工智能将是社会公众的一项必备技能。最后，人工智能所有者虽然不直接训练算法，但却拥有了用户算法训练的成果。用户与生成式人工智能之间是一种双向互动关系。在用户使用人工智能的过程中，人工智能不仅通过执行用户的指令生成特定内容，还通过学习用户输入的数据不断提高自己的 “智商”，每一次学习痕迹和算法训练结果都会被存储下来，并被人工智能所有者用来优化整个算法模型。从去年至今，很多人工智能公司就自己的产品陆续推出3.0、3.5、4.0版本，新版本比旧版本要“聪明”得多，其中就包含算法训练的结果。

不同公司提供的生成式人工智能擅长的领域并不完全相同。目前，市场上已经存在专门用于生成文字、绘画和视频的人工智能。随着技术的发展，人工智能的应用领域还会进一步细分，将来还可能出现主要用于生成音乐、戏剧、舞蹈、摄影、计算机软件等内容的人工智能。应用于不同领域的人工智能虽然算法模型存在显著差异，但用户需要首先使用特定类型的作品数据对其进行算法训练，让它尽可能多地学习现有相关知识，成为本领域的“专家”，然后再通过输入指令的方式让人工智能生成符合自己预期的内容。当然，即使是对于应用于同一领域的人工智能，用户也需要使用不同类型的数据对其进行算法训练。以AI绘画软件为例，用户不仅要导入大量的美术作品，让人工智能学习绘画制作步骤、色彩搭配等方面的知识，还需要使用文字作品对其进行训练，让其能够理解非结构化语言。再比如文生视频类人工智能，不仅需要学习视听作品和文字作品，还需要学习摄影作品、音乐作品、录像制品等。因此，人工智能算法训练所涉及的作品类型多种多样。

人工智能生成的内容与算法训练密切相关。在算法模型相同的情况下，使用不同数据对其进行训练，即使执行相同指令，人工智能生成的内容也不完全相同。对于公开发表的论文、出版的图书及网络资料等已有数据，每个人工智能用户均可以获得，在法律没有禁止的情况下用户使用这些数据训练算法，特别是在使用相同公司提供的相同版本的人工智能的情况下，所得到的结果可能差别不大。当然，算法本身的复杂程度和算力对人工智能的学习能力和输出结果亦具有重要影响，这促使所有者致力于提高人工智能的计算能力和算法水平。但对于用户而言，在使用相同人工智能的情况下，为了获得与众不同的、高质量的生成内容，就需要使用一些新的、他人未使用过的数据来训练算法，让机器学习本领域最前沿的研究成果或者最新资料。因此，随着人工智能应用的普及，用户训练算法时会更加强调所使用数据的新颖性和时效性，从而提高人工智能生成内容的竞争力。

从目前生成式人工智能的商业化应用实践来看，用户或借助爬虫技术让人工智能抓取公开数据，或通过导入特定的文字作品、美术作品等，让其学习现有知识，对人工智能进行算法训练。随着时间的推移，人工智能学习的数据量越来越多；并且，所有被人工智能学习过的数据均会被存储下来，人工智能所有者也会通过定期更新算法模型的方式提高人工智能的智能水平。这使得用户使用更高级版本的人工智能时，就不需要让其重新学习那些陈旧的、低质量的数据了。未来，用户训练算法可能不再需要通过爬虫技术抓取公开数据，而更需要向人工智能系统导入一些高质量的、受著作权保护的数据，包括电影、电视剧等视听作品以及摄影作品、音乐作品、学术论文、已出版的专著等，从而有针对性地训练算法，以提高生成内容的质量。

算法训练需要使用大量的数据，这些数据中的部分内容属于受著作权保护的作品。与传统的个人使用作品情形相比，算法训练使用作品的数量巨大，涉及主体和作品类型众多，未来更加强调作品的时效性和作品质量。

显而易见，并非任何使用作品的行为都属于合理使用，著作权合理使用的判定具有一定的标准。我国《著作权法》借鉴《伯尔尼公约》的规定，采用“三步检验法”来判断某一行为是否构成合理使用。根据机器学习的特点和生成式人工智能的工作原理，算法训练使用作品不符合“三步检验法”标准，不构成合理使用。

2.2.1 不属于特殊情况下的使用

“三步检验法”的第一步是判断使用作品的行为是否属于特殊情况下的使用。对于何为“特殊情况”，《伯尔尼公约》并未明确规定。根据 WIPO专家组的解释，“特殊情况”具有质和量的双重含义：在质上限制和例外应当被明确确定，在量上其范围必须受到限制。^[14]100 我国《著作权法》第24条列举了12种具体的“特殊情况”，包括为个人目的的合理使用、学校课堂教学或者科学研究、国家机关执行公务等。从中可以看出，这些合理使用的“特殊情况”在使用主体、使用目的等方面似乎并无规律可循。

那么，使用作品进行算法训练是否属于“特殊情况”？答案是否定的。首先，现行《著作权法》第24条并未明确规定算法训练使用作品构成合理使用，其他法律、行政法规也没有类似规定。其次，现行《著作权法》规定的合理使用特殊情形无法涵盖用户使用作品进行算法训练的行为。与算法训练使用作品行为联系最为紧密的合理使用情形是“个人使用”。就法律文本而言，个人使用型的合理使用是为“个人”学习、研究或者欣赏目的，这里的“个人”仅限于自然人，并不包括法人和非法人组织，更不包含人工智能机器人。更重要的是，将个人使用纳入合理使用范围的目的是提高公众的知识水平，促进科学文化的发展；但使用作品进行算法训练并不能够通过提高公众知识水平的方式实现促进科学文化发展的目标。最后，算法训练使用作品的行为也不具备足够的特殊性而应当被纳入合理使用范围。“特殊”意味着版权限制或例外在量和质上都应当控制在狭窄的范围内，并且应同时符合某种独特目的。^[15] 如前所述，用户训练算法使用作品的数量巨大，涉及的作品类型众多；并且，用户使用作品训练算法的目的是提高机器的智能水平，从而让人工智能生成符合自己需求的内容，以此减轻烦琐的体力劳动和脑力劳动，而不是为了教学目的、公共利益或国家利益，或者是为了特殊群体的利益。因此，无论是从法律体系，还是从合理使用制度的立法目的来看，算法训练都不属于使用作品的“特殊情况”。

2.2.2 没有影响著作权人对作品的正常使用

合理使用“三步检验法”的第二步是判断使用行为有没有影响著作权人对作品的正常使用，如果答案是肯定的，那么使用行为就不再“合理”。该要件是我国《著作权法》从《伯尔尼公约》中翻译而来，但鲜有论著将何为“有没有影响著作权人对作品的正常使用”，以及该要件与 “有没有不合理地损害了著作权人的合法权益” 要件之间的关系阐释清楚。对于该要件，WIPO专家组分别对“作品”“使用”和“正常”作了解释。从中可以看出，有没有影响著作权人对作品的正常使用主要看使用行为有没有构成对版权人作品的“市场替代”，或者是否对作者以同样的方式使用作品产生妨碍、限制或者其他影响。如果一种使用方式与作者通常利用作品获得利益的方式形成竞争，那么该使用方式就与正常利用相冲突。^[14]102

就用户使用已发表作品进行算法训练而言，虽然作者使用其作品进行算法训练也可能产生同样的结果，但在当前环境下并非作者利用作品的通常的方式。另外，使用的人工智能不同、机器学习的其他数据不同、输入的指令不同，人工智能自动生成的内容也不同。因此，用户使用作品进行算法训练没有影响作者使用该作品进行算法训练，也没有影响作者对作品的其他正常使用情形。^[16]102

2.2.3 不合理地损害了著作权人的合法权益

根据机器学习的特点可知，用户使用他人已发表作品进行算法训练可能会侵犯著作权人的复制权、翻译权、改编权和信息网络传播权等权利。更重要的是，该行为不合理地限制和减少了著作权人通过使用作品获得经济收益的途径，对作品的价值及潜在市场利益产生了负面影响。^[17]

有学者主张，随着人工智能对使用大量数据的普遍需要以及人机创作模式下“作者中心主义”的袪魅与式微，应当允许为了机器学习使用版权作品。^[18] 合理使用是免费使用他人作品的情形。在人人均可使用人工智能的时代，将用户使用作品进行算法训练纳入合理使用势必会不合理地限缩作者利用作品获取经济收益的途径。因合理使用制度是通过剥夺权利人私人权益的方式来维护和促进公共利益，故其只适用于非营利性使用作品的行为。然而，用户使用作品进行算法训练具有营利性。首先，对于用户而言，在使用他人作品进行算法训练的过程中，用户本身并非通过利用所学知识从事生产经营等，而是让机器学习知识，并拿机器学习后生成的结果直接从事生产经营。其次，对于人工智能所有人而言，其通过使用作品训练算法模型获得利润，或者通过存储用户使用作品训练的算法和作品数据，定期优化算法模型，进而获得更高的利润。最后，对于作者而言，其在人工智能时代通过创作作品获得经济收益的手段被不合理地限缩。市场主体对自身利益最大化的追求，是著作权法立法目的实现的必要途径。从制度运作机理来看，著作权法以保护财产利益为手段，激发人类的创造力。^[19]在传统环境下，公众为学习知识需要购买图书、期刊数据库阅读账号等，或者为了欣赏视听作品而充值会员、购买门票等；但在人工智能时代，人们学习知识的需求减少，如果人工智能学习作品不需要向著作权人支付费用，那么作者可能无法参与数据许可市场利益的分配。^[20]

综上所述，算法训练使用作品的利益平衡问题与合理使用的基本原理相违背，^[21] 单纯从促进人工智能技术及算法发展的角度出发，主张设置技术性合理使用（technological fair uses）之著作权限制与例外的观点，^[22] 不仅会导致合理使用制度在人工智能时代发生“异化”，还可能加大作品创作者与使用者之间的矛盾和冲突。法律制度的修订应当让所有主体分享科学技术发展带来的红利。如今，人工智能技术的发展打破了著作权法原有的利益平衡，使得作品创作者的利益受到严重侵蚀，这不仅会降低人们创作作品的积极性，从长远来看，还不利于文学、艺术和科学文化的发展繁荣。这就需要我们适时、适当地调整现有法律制度，以应对和解决科学技术发展与应用带来的新问题。