摘要：生成式人工智能作為創(chuàng)新性的技術應用不直接涉及著作權法的制度性評價。生成式人工智能既可以是合法的技術過程，也可以是基于著作權侵權的違法技術應用并承擔法律責任。合法行為與侵權行為共同構成了生成式人工智能在著作權法層面的二元法律屬性，而著作權侵權標準的適用增加了生成式人工智能在著作權法層面的法律不確定性。必須承認的是，生成式人工智能無論是作為合法技術還是侵權應用都會對人工智能的整體技術研發(fā)和產業(yè)發(fā)展產生實質影響。因此，有必要廓清生成式人工智能作為著作權合法行為或著作權侵權行為時所產生的價值內涵與潛在影響，為著作權法的規(guī)范應對提供價值參照。

關鍵詞：生成式人工智能；著作權法；侵權標準；實質相似性；生成內容

基金項目：北京市習近平新時代中國特色社會主義思想研究中心項目“習近平法治思想中知識產權保護重要論述研究：理論體系與實踐運用”（22LLFXB038）

中圖分類號：D923.41 文獻標識碼：Ａ 文章編號：2096-5982（2024）10-0042-08

一、問題的提出

生成式人工智能（Generated AI）通過技術過程生成諸如圖片、視頻、文本以及旋律等表達性內容，為人類智力開發(fā)和社會生產生活帶來深刻變革，創(chuàng)造性地解放了人類智力勞動的整體過程。生成式人工智能技術深入社會文化生產生活的方方面面，深刻影響和改變個體與組織的運行模式與利益分配。一方面，人工智能的生成內容通過市場化開發(fā)滿足消費者需求，代表生成式人工智能逐步確立文化創(chuàng)意產業(yè)的需求市場（1）；另一方面，受著作權法保護的作品如音樂歌曲、美術作品以及文字小說等以信息或素材的形式納入生成式人工智能的技術過程，對著作權作品的創(chuàng)作、傳播與使用提出了制度性挑戰(zhàn)。生成式人工智能的著作權合法性面臨著作權侵權標準的檢視與評估，進而影響生成式人工智能的技術創(chuàng)新與產業(yè)發(fā)展。著作權人基于著作權法的規(guī)范基礎，通過著作權侵權標準的適用對生成式人工智能提出規(guī)制要求。（2）生成式人工智能的相關主體如技術公司、研發(fā)團隊等則需要厘清三個問題：生成式人工智能技術運行過程中使用作品是否存在著作權侵權風險？著作權侵權標準如何具體適用？生成式人工智能研發(fā)者、使用者以及數據訓練參與者等主體可能承擔何種法律責任？較為遺憾的是，由于生成式人工智能技術仍然處于研發(fā)創(chuàng)新過程中，上述問題尚未得到著作權法的系統(tǒng)性回應。（3）生成式人工智能的著作權侵權標準尚未得到統(tǒng)一、清晰與合理的制度性確認。有鑒于此，本文通過分析生成式人工智能的著作權侵權標準，從著作權法層面對生成式人工智能的法律性質進行價值辨析，進而提出契合生成式人工智能技術發(fā)展與著作權法制度目標的規(guī)范應對。

二、生成式人工智能的侵權標準適用性分析

生成式人工智能及其技術過程是否對著作權侵權，直接影響生成式人工智能技術開發(fā)、參與主體的法律責任以及生成內容的收益分配。2023年7月，國家七部門聯合發(fā)布的《生成式人工智能服務管理暫行辦法》（以下簡稱《暫行辦法》）中明確規(guī)定生成式人工智能服務過程中“涉及知識產權的，不得侵害他人依法享有的知識產權?！保?）一方面，《暫行辦法》的頒布為著作權法應對生成式人工智能的侵權行為提供了規(guī)范方向；另一方面，《中華人民共和國人工智能法（學者建議稿）》中也明確了人工智能建立和完善知識產權保護的基本規(guī)則。（5）由于生成式人工智能的技術過程模擬人腦的思維訓練活動，要求海量、廣泛且多樣化的數據輸入而確保內容生成的效率和質量，技術過程的輸入階段必然涉及一定數量著作權作品而導致著作權侵權的可能性。（6）著作權法的作品自動保護原則導致作品合法權屬的不確定性，進一步增加了生成式人工智能的著作權侵權風險。

（一）著作權侵權標準的適用之一：生成式人工智能的輸入階段

生成式人工智能在內容生成領域的技術特征有別于傳統(tǒng)技術應用。長期的歷史實踐中技術設備如自動鋼琴、打印機、計算機等具有生成文本、圖片與音樂等表達性內容的基本功能。以上技術設備的生成機制往往被動地遵循人工指令的要求，缺乏生成過程的靈活性和自主性。（7）經歷多年的技術發(fā)展和產業(yè)實踐，生成式人工智能得以充分地通過圖靈測試。（8）不同于傳統(tǒng)設備的生成機制，生成式人工智能通過以大語言模型（Large Language Model，short for LLM）為代表的技術應用，將復雜的輸入信息依托機器學習過程轉化為類型化的表達內容。譬如OpenAI公司研發(fā)的聊天機器人程序ChatGPT可以針對簡單的對話提問，通過自然語言程序（Natural Language Program）的運行生成類型相同的文本回答，并實現對話提問與文本回答之間的邏輯體系關聯與前后文互動特征。（9）類似地，由Stability AI公司設計開發(fā)的Stable Diffusion 3圖文轉換軟件則通過文本詞匯的輸入而生成具有相關性特征的圖片畫面內容。（10）

著作權司法實踐中的侵權標準主要考察兩個層面的要素：一是被告不當接觸作品；二是侵權作品與受保護作品的相似程度。第一個要素意味著被告具有實施侵權行為的可能性，第二個要素則指明了著作權侵權行為實施的客觀結果。侵權人實施未經授權的侵權行為往往比較隱蔽，即“剽竊主體很少公開實施侵權性復制行為，直接證據往往難以獲得?！保?1）此時接觸作品可以作為推定來證明被告實施了未經授權的復制行為。例如在瓊某訴于某著作權侵權案中，法院認為“被告接觸作品可以是一種推定……被訴侵權人依據社會通常情況具有獲知權利人作品的機會和可能，可以被推定為接觸?！保?2）

以大語言模型為代表的生成機制具有高效性與多元性，需要大量信息輸入并完成內容生成的技術過程。大量信息輸入必然導致潛在的著作權侵權法律風險，即著作權作品的文本、圖片、聲音乃至視頻等未經授權的復制行為。著作權法的侵權視角下，生成式人工智能信息輸入行為等同于未經授權的大量使用著作權作品，而以大語言模型為代表的技術應用則為侵權的發(fā)生提供了技術便利。在此情況下，著作權人針對生成式人工智能發(fā)起著作權侵權之訴也成為了必然的結果。譬如2023年1月，美國藝術家與插畫家群體向三家生成式人工智能研發(fā)公司發(fā)起集團訴訟，主張三家公司設計研發(fā)的生成式人工智能應用未經授權使用其創(chuàng)作的圖片訓練生成式人工智能的行為，侵犯了其美術作品的著作權。（13）

除了技術特征導致的侵權風險，著作權法的權利基礎也提供了侵權標準適用的條件。著作權的權利基礎是作品復制行為的專有控制，作品的開發(fā)和使用也需要復制權作為前提。（14）早在1793年法國就頒布了《復制法令》，明確規(guī)定作者對其作品享有復制、發(fā)行或授權他人復制、發(fā)行的專有權。（15）《世界知識產權組織版權條約》（以下簡稱《版權條約》）與《世界知識產權組織表演和錄音制品條約》（以下簡稱《表演和錄音制品條約》）都明確規(guī)定《伯爾尼公約》中的復制權完全適用于數字技術環(huán)境，尤其是數字技術環(huán)境下使用作品的情形。（16）我國《著作權法》也規(guī)定了“數字化方式將作品制作一份或多份”作為復制權行使的方式之一。（17）鑒于生成式人工智能的技術過程發(fā)端于信息輸入，而信息輸入本質上屬于一種復制行為，理論上，著作權人對于生成式人工智能可以基于作品未授權的復制性使用而發(fā)起著作權侵權之訴，主張生成式人工智能的相關主體承擔著作權侵權的法律責任。這也說明著作權侵權標準很容易適用于生成式人工智能的輸入階段。

（二）著作權侵權標準的適用之二：生成式人工智能的輸出階段

輸出階段的生成內容同樣面臨著著作權侵權的法律風險，亦即生成內容是否與輸入作品存在實質相似性。著作權理論認為“不當接觸”與“實質相似性”是構成著作權侵權的一種重要規(guī)則，即“接觸+實質相似性”是著作權侵權的基本要件。（18）實質相似性的判定規(guī)則及其理論構成發(fā)端于美國著作權的個案審理過程，缺乏成文立法對實質相似性進行規(guī)范澄清。（19）美國學者威廉帕特里基于作品的構成將實質相似性劃分為兩個層次，即作品媒介層次的相似性與作品表達內容的相似性。媒介的實質相似性依托于作品表達的實質相似性，專屬于著作權侵權訴訟中的原告，且同時出現在原告作品與被告作品中。（20）

實質相似性的判定方法本質上都要求對著作權訴訟中原告、被告作品進行作品媒介與作品表達之間的分離、提煉與比較之基本步驟，以此判斷是否存在獨創(chuàng)性表達之間的重疊部分。例如美國第二巡回法院的“抽象檢測法”（Abstraction Test）即通過剔除作品表達中具有區(qū)別的部分，保留具有普遍適用性的內容，重復該步驟直到提煉后的表達不再具有實質相似性的可能。（21）相對地，美國第九巡回法院的“整體概念與感知”方法則認為盡管部分被復制的表達性要素不能單獨受到著作權法保護，但相同表達要素的使用和組合達到了相似的程度，以至于被告已經復制了原告的“整體概念和感覺”，足以建立原告、被告作品之間的實質相似性。（22）實質相似性要求侵權作品與著作權作品之間在獨創(chuàng)性表達方面出現內容重疊，本質上是侵權人主動使用著作權作品且在獨創(chuàng)性表達內容層面建立侵權作品與著作權作品之間的具體邏輯關聯。 （23）

生成式人工智能是否可以從根本上規(guī)避著作權侵權風險，尤其是實質相似性的侵權標準適用，現階段司法實踐給出的答案是否定的。在廣州互聯網法院審理并判決的首例生成式人工智能著作權侵權案件中，生成式人工智能因生成圖片與原告作品存在實質相似性而承擔著作權侵權的法律責任。該案中，被告公司經營特定網站并提供人工智能對話與生成繪畫的基本服務功能。原告作為著作權虛擬形象奧特曼的權利人，發(fā)現被告網站通過人工智能生成繪畫功能可以生成具有奧特曼形象的圖片，因此主張被告對其著作權侵權。被告公司網站的AI繪畫功能可以根據用戶指令生成對應的圖片，如用戶輸入“生成一個奧特曼”即可產生奧特曼形象圖片；輸入“奧特曼融合美少女戰(zhàn)士”，即生成奧特曼身體拼接美少女戰(zhàn)士的形象圖片。法院認為涉案部分生成奧特曼圖片保留了原告作品在美術領域的獨創(chuàng)性表達特征，并且多個關鍵特征與原告作品具有極高的相似度，構成實質性相似。盡管被告公司在應訴后嘗試屏蔽關鍵詞“奧特曼”的技術策略，但庭審過程中輸入相關關鍵詞如“迪迦”仍會生成與原告著作權圖片高度相似的相關圖片。（24）

因為涉及著作權虛擬形象的侵權爭議，所以生成式人工智能必須面對著作權保護的特殊標準與實質相似性的判定風險。受著作權保護的虛擬形象一般源自于小說、漫畫、電影等藝術創(chuàng)作，要求足夠具體且具有獨特性。（25）具體、獨特的虛擬形象并不需要作為小說、漫畫或電影等作品的核心內容或主要部分，只需要保證以上特征可以充分識別。（26）虛擬形象的保護標準對于著作權人證明實質相似性而言有兩個層面的影響：其一，著作權人僅需要證明獨特且知名的虛擬形象被生成式人工智能復制了；其二，著作權人不需要通過作品要素分離的傳統(tǒng)方法分析和評估虛擬形象與被告作品的相似性。實際上，實質相似性判定從涉及著作權虛擬形象侵權角度而言大大降低了著作權人的舉證難度，相反提高了生成式人工智能輸出階段的著作權侵權風險。這一點在圖文生成為服務模式的生成式人工智能輸出階段尤為明顯，廣州互聯網法院的判決即為典型。

三、生成式人工智能的著作權法二元屬性及其價值

生成式人工智能作為創(chuàng)新性的技術應用不直接涉及著作權法的制度性評價。生成式人工智能既可以是合法的技術過程，也可以是基于著作權侵權的違法技術應用并承擔法律責任。合法行為與侵權行為共同構成了生成式人工智能在著作權法層面的二元法律屬性，而著作權侵權標準的適用增加了生成式人工智能在著作權法層面的法律不確定性。必須承認的是，生成式人工智能無論是作為合法技術還是侵權應用都會對人工智能的整體技術研發(fā)和產業(yè)發(fā)展產生實質影響。因此，有必要廓清生成式人工智能作為著作權合法行為或著作權侵權行為時所產生的價值內涵與潛在影響，為著作權法的規(guī)范應對提供價值參照。

（一）法律屬性一：生成式人工智能屬于著作權合法行為

生成式人工智能屬于合法行為即使用作品的合法性得到了著作權法的確認。使用作品或者取得著作權人的授權，或者屬于著作權法中規(guī)定的例外情形。現階段有部分國家或地區(qū)在著作權有關的立法規(guī)則中明確了生成式人工智能特定技術應用的例外情形，例如歐盟地區(qū)通過增設“數據挖掘的限制與例外”（以下簡稱“TDM例外”）作為制度性例外規(guī)則明確了特定數據訓練行為的合法性情形；日本也在其本國的著作權法中規(guī)定了包含人工智能特征的“計算機信息處理”行為可以豁免著作權侵權責任；而美國則圍繞合理使用規(guī)則擴大解釋了生成式人工智能相關行為的例外空間。（27）

生成式人工智能屬于著作權法層面的合法行為，意味著著作權人不能通過著作權訴訟限制使用作品的行為，且作品使用者不需要承擔著作權侵權的法律責任。這對于鼓勵生成式人工智能的技術發(fā)展和特定技術應用的推廣產生正面影響。例如文本數據挖掘技術通過自然語言處理（Natural Language Processing， NLP）將文本信息或數據的結構進行轉化，提升數據信息的獲取能力并提高科學研究效率，為商業(yè)應用模式的開發(fā)和轉化奠定基礎。（28）這一點實際上與著作權法律制度鼓勵文學、藝術及科學領域獨創(chuàng)性表達內容的創(chuàng)作與傳播具有一定的相關性：生成式人工智能技術過程中所涉及的作品提取、復制、傳輸及使用等環(huán)節(jié)原則上屬于著作權人專有權行使的范疇和目標。

確認生成式人工智能在著作權法層面的合法性，也有助于解決作品授權許可過程中存在的市場失靈問題。著作權權利行使的主要方式包括作者直接使用作品和進行作品的授權許可，后者可以增加著作權作品的使用頻率、擴大作品的使用范圍以及增加使用收益的主要方式。 （29）問題在于，授權許可條件下作為商品的著作權作品投入市場必然需要面對市場失靈的潛在問題。 （30）作品授權許可的市場失靈即作品在著作權人與作品使用者之間的交易行為難以實現理想的市場結果，尤其是作品授權許可的交易成本過高導致作品使用者無法與著作權人達成一致。（31）具體的原因可能包括作品授權許可的選擇單一且商業(yè)模式過于僵化，或者作品授權許可憑身份準入為標準而缺乏開放性，或者作品授權許可不以傳統(tǒng)金錢形式為支付標準等。過高的交易成本使作品不能有效授權許可或傳播使用，導致著作權人的作品收益不能保證?；谧髌肥跈嘣S可而進行的改編、演繹、注釋、整理等作品使用行為喪失合法性基礎，根本上影響了著作權制度鼓勵作品創(chuàng)作和傳播的制度目標。解決著作權層面的市場失靈問題需要承認和正視作品使用的客觀需求和現實價值。生成式人工智能呼應了使用作品生成文本、圖片、音樂以及視頻等表達性內容的使用需求，拓展了生成內容的市場需要，培育了生成內容的市場價值。具有合法性的生成式人工智能可以補充傳統(tǒng)的著作權作品授權許可模式，提供使用作品的技術支持。同時，確認合法性能夠豁免生成式人工智能技術的侵權法律責任，降低生成式人工智能在設計研發(fā)、設備測試、推廣宣傳等階段所遭遇的侵權風險與法律成本，為生成式人工智能的社會服務提供了溢價空間。

（二）法律屬性二：生成式人工智能屬于著作權侵權行為

著作權侵權標準既適用于生成式人工智能的輸入階段，也適用于生成式人工智能的輸出階段。簡言之，生成式人工智能技術過程的整體階段都處于著作權侵權標準的適用范疇。這意味著宏觀層面生成式人工智能的技術研發(fā)與產業(yè)發(fā)展不得不受制于著作權法的規(guī)范效力。當生成式人工智能屬于著作權侵權行為時，著作權人可以依據著作權侵權規(guī)則就生成式人工智能使用其作品的行為發(fā)起侵權之訴。理論上，著作權人發(fā)起侵權之訴后可以充分維權，救濟因生成式人工智能侵權行為造成的損失；同時，著作權人勝訴后可以一定程度限制生成式人工智能使用作品的具體行為模式，排除未經授權使用作品的渠道或機制，維護作品授權許可的專有性。生成式人工智能的技術過程屬于復合型技術應用，參與主體一般包括人工智能技術研發(fā)主體、人工智能設備所有主體、訓練數據提供主體、數據訓練操作主體以及生成內容的使用主體。（32）上述參與主體在生成式人工智能技術過程中可能出現重合的情況，如技術研發(fā)主體與設備所有主體重合，訓練數據提供主體與數據訓練操作主體重合，或數據訓練操作主體與生成內容使用主體重合等。當生成式人工智能屬于著作權侵權行為時，上述參與主體都有可能作為直接侵權人或參與直接侵權過程的間接侵權人承擔著作權侵權的法律責任。

理論上，承擔著作權侵權責任的主體越多，越有利于著作權人充分救濟因侵權行為遭受的損失。唯一的問題在于著作權人如何確認著作權訴訟的被告，即通過侵權之訴救濟權利的合理維權目標。生成式人工智能涉及復數主體，這就無形中增加了著作權人篩選合理維權目標并進行權利救濟的難度。合理的目標意味著著作權人既要能夠通過訴訟有效地制止被告的侵權行為，實現遏制和懲罰的效果；又要爭取最大程度的損害賠償來彌補因侵權遭受的損失。考慮到不同類型參與主體對于生成式人工智能的影響，技術研發(fā)主體和設備所有主體從軟件和硬件的兩個層面根本上影響生成式人工智能的技術過程。因此，實踐中生成式人工智能的著作權侵權糾紛一般以生成式人工智能的研發(fā)主體和設備所有主體作為訴訟被告，即人工智能相關技術公司。（33）

生成式人工智能技術公司作為訴訟被告對著作權人而言是合理的維權目標，但承擔著作權侵權責任的負面影響不能忽視。生成式人工智能技術公司作為訴訟被告，最有可能承擔的侵權責任形式一般包括停止侵害和賠償損失，這也是各國以著作權為代表的無形財產權制度中最主要的民事救濟措施。停止侵害是一種物權請求之訴，權利人既可以請求侵權人停止侵害，也可以請求法院責令侵權人停止侵害；請求停止侵害既包括已經產生之侵害，也包括可能出現之侵害。（34）著作權人請求停止侵害意味著生成式人工智能完全停止技術運行的基本流程，且在可預見的將來作為侵權性技術不得繼續(xù)使用。這對于技術公司的研發(fā)投入、人力資源消耗、產品銷售推廣以及市場競爭都會造成難以估量的損失。賠償損失作為一種債權之訴，即對權利人的損失要求侵權人以一定數額的金錢予以賠償；既充分賠償權利人的實際損失，也剝奪侵權人的侵權收益，以達到對侵權行為否定、遏制與懲罰的制度目的。（35）生成式人工智能技術公司承擔賠償損失的民事責任，是在正常的技術產品研發(fā)、測試、制造、宣傳與銷售推廣之外額外承擔的經濟成本，會干擾乃至中斷技術公司的正常經營周期。

著作權法的政策功能之一在于鼓勵文學、藝術和科學領域的作品有效地創(chuàng)作和傳播，豐富社會層面的獨創(chuàng)性表達。（36）應當承認的是，生成式人工智能提高了特定條件下文學、藝術和科學領域內表達性內容生成的效率。在不受到著作權法侵權規(guī)則限制的條件下，生成式人工智能可以高效地處理文字、圖片、音樂、視頻等作品信息。當生成的表達性內容在外在形式上接近乃至超越作者創(chuàng)作的獨創(chuàng)性表達時，作品使用者有什么理由堅持既有著作權許可獲得作品而不通過生成式人工智能滿足作品使用的現實需求呢？（37）當上述假設逐步通過生成式人工智能技術突破而得以實現，即生成的內容可以低成本地滿足社會公眾的作品使用需求，著作權法賦予作者專有的排他性權利以促進作品創(chuàng)作和傳播的制度設計就不具有理論層面的絕對性。

四、生成式人工智能的規(guī)范應對：例外規(guī)則與授權模式

梳理和分析生成式人工智能的著作權法二元屬性及其價值內涵為著作權法全面有序地應對生成式人工智能的著作權侵權風險提供了規(guī)范參照。生成式人工智能作為合法性技術應用可以為人工智能產業(yè)發(fā)展、作品的充分使用與生成內容的市場開拓提供技術支持，但一定程度上會壓縮著作權作品的專有權邊界，降低作品授權許可的收益預期；生成式人工智能作為侵權性技術應用則需要承擔著作權侵權的法律責任，負面影響人工智能技術推廣與生成內容的使用空間。總體而言，著作權法層面明確生成式人工智能的二元法律屬性需要遵循著作權法律制度宏觀層面的利益平衡原則，具體兼顧作品的充分保護與技術應用的創(chuàng)作空間。（38）著作權法層面廓清生成式人工智能的法律性質，通過例外規(guī)則的設計和授權模式的多樣化來協調生成式人工智能技術發(fā)展與作品的著作權保護是有效應對生成式人工智能的合理路徑。著作權法應當通過例外規(guī)則的設計鼓勵生成式人工智能廣泛地參與表達性內容的輸入、分析、處理以及生成，提高表達性內容的生成和傳播，通過生成內容的表達屬性滿足社會公眾的精神文化需求。同時，著作權人應當認識到生成式人工智能對于開發(fā)新的作品需求市場具有重要意義，合理的授權模式有助于滿足多元化的作品市場需求。

（一）例外規(guī)則設計：整體定義與行為標準

通過著作權法明確生成式人工智能的法律屬性能夠為生成式人工智能技術提供穩(wěn)定發(fā)展的空間和安全研發(fā)的方向，為生成式人工智能參與主體的行為模式提供明確指引，降低生成式人工智能的法律風險。遺憾的是，現階段各國對于生成式人工智能的例外規(guī)定僅限于以文本數據挖掘為代表的特定技術應用，不能普遍適用于生成式人工智能的不同技術類型。如果通過個案審理厘清生成式人工智能的法律屬性，不僅會受到各國司法制度的差異化影響，還容易造成裁判標準無法統(tǒng)一的情況，導致生成式人工智能的侵權標準不統(tǒng)一、不清晰，影響產業(yè)發(fā)展的風險評估。為了應對上述問題，需要通過體系化的例外規(guī)則設計將生成式人工智能納入著作權法的合法行為范疇。設計體系化規(guī)則需要兼顧生成式人工智能的兩個方面：一是合法行為的整體定義；二是合法行為的具體標準?？赏ㄟ^整體定義擴大生成式人工智能的合法性邊界，依托具體標準引導參與主體的行為模式，為后續(xù)生成式人工智能的著作權立法提供規(guī)則參照。

其一，明確合法行為的整體定義。明確合法行為的整體定義即明確生成式人工智能在何種情況下屬于著作權合法行為?？紤]到有的國家和地區(qū)已經在著作權立法實踐中規(guī)定了特定生成式人工智能技術應用作為著作權的例外情形，故可以圍繞特定的技術應用設計合法行為的整體定義。例如通過類型化文本數據挖掘技術的基本概念來定義生成式人工智能的合法行為，具體可以規(guī)定為“一種自動處理數據化內容信息，包括文本、圖片、數據、聲音、圖像或其他數據形式內容，或上述要素組合的人工智能技術，以獲得新功能、新信息或新知識為主要目的”。

需要明確的是，以上基于類型化技術特征的整體定義不是合法行為定義的核心內容。通過生成式人工智能獲得功能、信息與知識等內容才是合法行為的主要標準。合法行為的整體定義具有一定的開放性，可以較為靈活地涵蓋生成式人工智能的主要技術類型和技術革新的調整空間。對于著作權人而言，合法行為以獲得和使用獨創(chuàng)性表達之外的功能內容為評估標準，有利于引導生成式人工智能技術研發(fā)、數據測試、應用推廣以及商業(yè)開發(fā)等流程規(guī)避著作權侵權的標準適用。對于生成式人工智能的參與主體而言，合法行為要求技術過程以功能目的為導向，以避免落入著作權專有行為的邊界。因此，合法行為的整體定義對于平衡生成式人工智能技術發(fā)展與著作權作品保護也具有一定的指導意義。

其二，確定合法行為的具體標準。體系化的例外規(guī)則設計還應當考慮合法行為的具體標準，為生成式人工智能參與主體的行為決策提供明確、清晰且具體的規(guī)范參照。由于生成式人工智能的著作權侵權標準包括輸入階段的復制行為以及輸出階段的實質相似性問題，合法行為的具體標準應當基于這兩個層面進行設計，以更好地協調生成式人工智能與著作權作品使用之間的潛在沖突。因此，合法行為的具體標準應包括三點：一是允許基于數據訓練技術運行而必須進行的復制行為，如人工智能軟件、硬件設備的檢測、維修等基本技術步驟和技術流程；二是允許基于標注或注釋目的的生成行為，用于清晰標識生成內容的屬性和來源（39）；三是允許基于人工智能設備相關信息的暫存、緩存、驗證等功能性行為。

以上合法行為的具體標準未盡全面，旨在為生成式人工智能的規(guī)則訂立提供一定參照，為生成式人工智能的參與主體提供較為明確的行為標準，避免特定技術應用和行為實施面臨著作權侵權風險。允許生成式人工智能參與主體在明確合法行為標準的前提下自由和充分地運用生成式人工智能技術，有助于鼓勵生成多元、高效、安全與高質量的生成內容，豐富社會公眾對于表達性內容的多層次需求。（40）以上行為標準并未規(guī)定生成式人工智能是否應屬于商業(yè)應用，這是因為限制商業(yè)應用可能會干擾生成式人工智能的產業(yè)發(fā)展，迫使人工智能技術團隊謹慎對待商用技術模式的開發(fā)，限制技術應用的潛在場景，降低生成式人工智能的產業(yè)價值。

（二）授權模式多樣化

著作權作品的授權許可是合法使用作品，是避免侵權風險的機制保障。生成式人工智能的侵權風險就在于輸入階段不能確保合法的著作權授權。通過合法的授權模式生成具有類似作品外在表現形式的表達性內容，能夠滿足社會公眾對于表達性內容的多元使用需求，一定程度上形成新的表達性內容的需求市場和商業(yè)模式。有鑒于此，著作權人可以通過授權模式的創(chuàng)新與人工智能技術公司建立實質合作關系，以授權合同的形式約定作品使用的行為義務、生成內容的收益分配以及法律風險的承擔比例等。授權模式屬于事前協商模式，可以更有效地保證生成式人工智能技術過程中使用作品的穩(wěn)定性，避免出現著作權訴訟的法律風險，加強雙方對于作品使用過程的重視。生成式人工智能具有輸入數據規(guī)模大、訓練數據種類多以及輸出數據價值高的基本特征，運用傳統(tǒng)著作權授權模式不能滿足生成式人工智能規(guī)模化的技術特征。（41）解決規(guī)?；淖髌肥跈?，著作權集體管理組織可以發(fā)揮重要作用。著作權集體管理組織可以根據生成式人工智能的作品使用需求作為授權協商的基礎，代表著作權人進行規(guī)模化的授權許可，保障數據行為獲得合法的著作權授權許可。不過，著作權集體管理組織面對規(guī)?；S可的現實需求，本身可能存在授權模式不夠靈活、數字作品覆蓋未盡全面以及組織管理效率有待提高等潛在問題。（42）

除了著作權集體管理組織的作品授權模式，參照知識共享協議的授權模式也可以為著作權法應對生成式人工智能提供思路。知識共享協議（Creative Commons， short for CC）是著作權領域參考計算機軟件的開源授權模式而建立的作品授權模式。知識共享協議在允許著作權人脫離傳統(tǒng)的著作權作品授權模式，保留部分著作權（如署名權、改編權、保護作品完整權）的情況下向作品使用者提供不同類型的授權許可協議。（43）知識共享協議減輕了作品使用者作為協議被許可方所要承擔的法定義務，間接降低了作品使用者可能承擔的著作權侵權責任。對于著作權人而言，知識共享協議提供了額外的授權選擇。即便知識共享協議的授權結果不及預期，著作權人仍然可以通過傳統(tǒng)的著作權作品授權模式實現作品的許可使用。知識共享協議對于生成式人工智能的規(guī)?；卣骶哂姓騼r值。知識共享協議的類型多樣性和授權靈活性契合生成式人工智能所需要的低成本輸入特征。同時，知識共享協議鼓勵內容分享的授權理念本身也符合生成式人工智能規(guī)?；漠a業(yè)特征。具體應用于生成式人工智能的技術過程，知識共享協議作為事前授權機制可以有效降低與著作權人協商使用作品的交易成本，提高了獲得合法授權使用作品的概率，增加了作品的授權類型和數量，最終有利于生成式人工智能規(guī)?；募夹g實現。

五、結語

生成式人工智能作為技術革新和新質生產力的典型，深刻地改變了文本、圖片、音樂以及視頻等表達性內容的生產方式，為國家、社會及個人提供滿足其使用需求的多元化表達性內容。生成式人工智能對著作權作品的使用與保護提出了實質挑戰(zhàn)。生成式人工智能的著作權侵權標準包括輸入階段的復制行為以及輸出階段的實質相似性問題，二者都會產生著作權訴訟的法律風險，影響生成式人工智能技術過程的正常運行。生成式人工智能在著作權法層面二元法律屬性是著作權法律制度應對生成式人工智能的制度性結果。當生成式人工智能屬于著作權合法行為時，則生成式人工智能可以拓寬適用場景和培育市場需求，通過生成內容滿足社會公眾的多元化需要，并推動解決著作權作品授權許可的市場失靈問題；當生成式人工智能屬于著作權侵權行為時，則生成式人工智能的參與主體有可能承擔侵權法律責任，對產業(yè)發(fā)展和技術革新造成負面影響。因此，應當通過著作權法厘清和確認生成式人工智能的法律屬性，結合著作權法的例外規(guī)則設計與作品授權模式的多元化，協調生成式人工智能技術發(fā)展與作品的著作權保護。通過構建生成式人工智能的規(guī)范架構，為生成式人工智能的后續(xù)立法、司法和行政執(zhí)法提供充分合理的規(guī)范參照。

注釋：

（1） 參見《這幅畫賣出300萬天價 但它的創(chuàng)作者卻“不是人”》，中國日報網2018年10月26日。

（2） 如2023年12月，紐約時報以著作權侵權起訴微軟和OpenAI，主張ChatGPT訓練數據中使用其作品的行為構成著作權侵權；2024年3月，法國競爭管理局宣布對谷歌處以 2.5 億歐元罰款，認為谷歌人工智能服務對受著作權保護內容的使用未能按其承諾與權利人進行談判并合理支付許可費用。

（3） 吳漢東：《人工智能時代的制度安排與法律規(guī)制》，《法律科學（西北政法大學學報）》2017年第5期。

（4） 參見《生成式人工智能服務管理暫行辦法》第7條。

（5） 參見《中華人民共和國人工智能法（學者建議稿）》第23條第1款。

（6） ［美］杰瑞·卡普蘭：《人工智能時代》，李盼譯，浙江人民出版社2016年版，第24頁。

（7） Paul Goldstein， Copyright’s Highway， From the Printing Press to the Cloud， Standford University Press， 2019， p.59.

（8） 圖靈測試即一名測試者寫下自己的問題，隨后將問題以純文本的形式（如計算機屏幕和鍵盤）發(fā)送給另一個房間中的一個人與一臺機器。測試者根據他們的回答來判斷哪一個是真人，哪一個是機器。所有參與測試的人或機器都會被分開。這個測試旨在探究機器能否模擬出與人類相似或無法區(qū)分的智能。

（9） 王鵬： 《ChatGPT賦能數字經濟發(fā)展新模式》，中國日報網2023年2月18日。

（10） See Matt Growcoot， Stability AI Preview Next-Gen AI Image Generator Stable Diffusion 3， PetaPixel， Feb （23rd）" 2024.

（11） See Johnson v. Gordon， 409 F.3d 12， 18 （1st Cir. 2005）.

（12） 參見北京市高級人民法院（2015）高民（知）終字第1039號民事判決書。

（13） See Min Chen， Artists and Illustrators Are Suing Three A.I. Art Generators for Scraping and “Collaging” Their Work Without Consent， USA Art News， Jan. 24th 2023.

（14） 梁志文：《論演繹權的保護范圍》，《中國法學》2015年第5期。

（15） 來小鵬：《知識產權法學》，中國政法大學出版社2019年版，第115頁。

（16） 參見《版權條約》第1條第（4）款和《表演和錄音制品條約》第1條第（2）款。

（17） 參見《中華人民共和國著作權法》第10條第1款第（5）項。

（18） 吳漢東：《試論“實質性相似+接觸”的侵權認定規(guī)則》，《法學》2015年第8期。

（19） 參見陽賢文：《美國司法中實質性相似之判斷與啟示》，《中國版權》2012年第5期。

（20） See William F. Patry， Party on Copyright， Thomson West， 2007， p.59.

（21） See Melville B. Nimmer and David Nimmer， Nimmer on Copyright， Matthew Bender， 1997， p.13.

（22） See Nichols v. Universal Pictures Co.， 45 F.2d 119， 121 （2d Cir. 1930）.

（23） See Roth Greeting Cards v. United Card Co.， 429 F.2d 1106， 1110 （9th Cir. 1970）.

（24） 參見廣東省廣州互聯網法院（2024）粵0192民初113號民事判決書。

（25） Jani McCutcheon， Works of Fiction： The Misconception of Literary Characters as Copyright Works， Journal of Copyright Society of the USA， 2018， 66（1）， pp.123-124.

（26） See Generally DC Comics v. Towle， 802 F.3d 1012， 1021 （9th Cir. 2015）; also see Gaiman v. McFarlane， 360 F.3d 644， 660 （7th Cir， 2004）.

（27） 關于歐盟規(guī)定的“數據和文本挖掘”，指的是旨在分析數字形式的文本和數據以獲得包括但不限于有關模式、趨勢和相關性信息的任何自動化分析技術，包括AI 技術。參見《單一數字市場版權指令》（ Directive（EU（2019/790）序言第8段及第2條第 （2） 項；關于日本著作權法的具體規(guī)定，參見日本《著作權法》第30條之4規(guī)定；關于美國合理使用規(guī)則的適用，See Benjamin L. W. Sobel， Artificial Intelligence’s Fair Use Crysis， Columbia Journal of Law amp; Arts， 2017， 41（45）， p.49.

（28） 典型的商用文本數據挖掘工具如IBM公司的Intelligent Miner、SAS公司Enterprise Miner、SPSS公司Clementine等。

（29） Mark A. Lemley， The Economics of Improvement in Intellectual Property Law， Texas Law Review， 1997， 75（5）， pp.989-992.

（30） Wendy J. Gordon， Fair Use as Market Failure： A Structural and Economic Analysis of the Betamax Case and Its Predecessors， Journal of Copyright Society of the U.S.A.， 1983， 30（3）， pp.254-55.

（31） ［美］威廉·M.蘭德斯、理查德·A.波斯納：" 《知識產權法的經濟結構》，金海軍譯，北京大學出版社2016年版，第45頁。

（32） Margaret A. Boden， AI， Its Nature and Future， Oxford University Press， 2016， p.97.

（33） See e.g. Getty Images （US）， Inc. v. Stability AI， Inc.， No. 1：23-cv-00135-UNA （D Del. Feb. 3， 2023）; also see Anderson et al. v. Stability AI ltd. et al.， Docket No. 3：23-cv-00201（N.D. Cal. Jan. 13， 2023）.

（34） 吳漢東：《無形財產權基本問題研究》，中國人民大學出版社2013年版，第133頁。

（35） 楊立新：《侵權損害賠償》（第六版），法律出版社2016年版，第239頁。

（36） 吳漢東：《知識產權中國化應用研究》，中國人民大學出版社2014年版，第284頁。

（37） 例如AI繪畫技術對于原畫師的職業(yè)影響，參見《AI繪畫與原創(chuàng)畫師：關于未來，我們依然在求解|特稿》，《澎湃新聞網》2023年11月13日。

（38） 馮曉青：《著作權法的利益平衡理論研究》，《湖南大學學報》（社會科學版）2008年第6期。

（39） 部分國家政府已經要求生成式人工智能技術公司主動對其生成內容進行標識，明確生成內容的屬性和來源。See FACT SHEET：Biden-Harris Administration Secures Voluntary Commitments from Leading Artificial Intelligence Companies to Manage the Risks Posed by Al， Press Release， The White House， July 21st 2023.

（40） Amanda Levendowski， How Copyright Law Can Fix Artificial Intelligence's Implicit Bias Problem， Washington Law Review， 2018， 93（2）， pp.606-607.

（41） 焦和平：《人工智能創(chuàng)作中數據獲取與利用的著作權風險及化解路徑》，《當代法學》2022年第4期。

（42） 孟磊：《智能時代的著作權集體管理：挑戰(zhàn)、反思與重構》，《出版發(fā)行研究》2020年第1期。

（43） 鄧朝霞：《網絡版權的公共領域研究——以知識共享協議為例》，《電子知識產權》2018年第12期。

作者簡介：孫陽，中國政法大學民商經濟法學院副教授，北京，100088。

（責任編輯 程 騁）