重塑復制權：生成式人工智能數據訓練的合法化路徑

關鍵詞：生成式人工智能 數據訓練 復制權 著作權法 注意義務 財產權

生成式人工智能的開發及應用正面臨著巨大的著作權侵權風險，全球知名人工智能公司等接連遭遇著作權侵權訴訟。相關爭議主要分為在生成式人工智能的數據訓練中，對享有著作權的作品進行復制以進行深度學習是否侵犯復制權，以及生成式人工智能生成內容是否侵犯復制權、改編權、信息網絡傳播權等著作財產權。對于后一爭議，由于生成與原作品實質性相似的內容并非生成式人工智能產業的發展方向，創造新的原創內容才是技術發展的終極目標，因此現階段生成式人工智能在內容輸出端的著作權侵權風險應屬技術發展不成熟期的過程性問題， 在現有的著作權法框架下，無法脫離“接觸+實質性相似”侵權判定規則，實質上并不屬于技術引發的新問題，更多是涉及現階段人工智能企業的著作權注意義務應當如何恰當界定的問題。而數據訓練階段給人工智能“投喂”作品的行為，則顛覆了我們過往對于復制行為的認知，這一過程不僅關乎輸出端的內容呈現，更關乎產業的整體發展，需要慎重對待。

因此，著作權法當前亟待解決的問題是，如何為生成式人工智能的數據訓練找到一條切實可行的合法路徑，這是人工智能技術發展的核心關切。圍繞這一主題，現有研究大體存在五類觀點：一是采取折衷法，認為人工智能輸入端的復制行為雖然落入著作權的規制范疇，但為平衡人工智能產業發展與著作權的保護，可在數據訓練中引入法定許可，并確定著作權人合理的報酬標準，或者是增設補償金制度。二是采取相對寬容態度，主張變革現有著作權法中的合理使用制度，將生成式人工智能數據訓練階段的機器學習納入著作權合理使用范疇。三是采取完全寬容態度，融入促進文化藝術繁榮、促進產業發展等方面的價值考量，主張在修改著作權法時，將生成式人工智能數據訓練階段，以及內容輸出階段對他人作品的復制、改編、傳播等行為均納入著作權的合理使用范疇。四是認為不一定需要合理使用解決危機，因為非表達型的機器學習可能是不侵權的，表達型的機器學習會危及原作者的市場。表達型的機器學習推定落入專有權的范圍，但其中的大眾表達型學習應設定合理使用的責任豁免，并允許作者權利保留，其中為科研活動的學習也應認定為合理使用。也有研究提出非表達型的機器學習屬于非作品性使用，其不會削弱對著作權人的激勵，因此此種復制不應納入著作權保護范圍。復制的概念已經過度泛化，需要對其進行限縮，這是比設置合理使用的更優選擇。五是提出絕對否定侵權的觀點，認為在當前的著作權法框架下，數據訓練階段的復制行為沒有侵犯著作權，未經授權使用作品進行數據訓練是合法行為。原因是生成式人工智能的深度學習，是對他人作品思想、風格層面的學習，學習的對象是不受著作權法保護的“思想”而非“表達”，類似自然人閱讀之后思考、吸收、再創作的過程，因此復制行為并未落入著作權專有權利的規制范疇，合理使用規則的豁免也無從談起。

現有研究大體提出了兩種解決方案：一是通過合理使用等豁免規則予以合法化，此方面的研究成果已經比較豐富。二是通過解釋、界定復制權的辦法予以合法化，此種方案目前尚屬于少數意見。本文主張采取第二種方案，但需要對復制權進行根本性的變革，并構建配套規則以適應技術發展的階段性需求?，F行著作權法對復制權采取“寬進”的結構，導致復制權多次經歷類似今日的尷尬。從錄音錄像設備的私人應用，再到網絡環境下臨時復制的出現，以及搜索引擎、數字圖書館建設、云計算技術所帶來的批量化緩存、內容片段呈現、海量內容存儲等作品固定方式及傳播形態的變化，每一次技術的變遷，都會引發對于復制權的大討論，而每一次討論都圍繞著如何界定復制權的效力范圍而展開，也早已引發了是否應當廢除、重構復制權的思考。如今生成式人工智能數據訓練所引發的侵權爭議，實質依然是這一老問題在新場景下的“換裝式”呈現。本文認為，在關涉侵權問題時，權利法的思維應是基本的邏輯起點，即首先需要對什么是應當受到保護的權利進行精準定位，合理界定權利的效力范圍。在技術變遷中，復制行為的方式和目的始終都在發生變化，復制權的效力范圍也需要遵循技術的發展脈絡而不斷調整。相較于頻繁對合理使用進行縫縫補補，重塑復制權是走出當前困局的更優解。在已有研究的基礎上，本文選擇權利法的邏輯演繹路徑，結合生成式人工智能的特殊性，論證為何需要重塑復制權、如何重塑復制權，以及在當前人工智能技術的發展階段，重塑復制權需要怎樣的配套規則實現階段性過渡、面臨何種挑戰及如何應對挑戰等衍生問題，嘗試揭示隱藏在問題背后的深層法律原因和現實動因，提供著作權法視角下，合法化生成式人工智能數據訓練的體系性思路，以為立法、司法及產業實踐提供學理支撐。

一、追根溯源：復制權的擴張、負面影響與合理定位

技術是快速變化的，但法律問題卻基本不變。就著作權而言，幾乎在每一次新技術的沖擊下，復制權都處于爭議的核心，生成式人工智能的開發也同樣如此。這源于在利益博弈下，復制權的效力范圍跟隨著技術的廣泛運用同步擴張，脫離了原有誕生土壤的復制權，在利益的不斷“圈地”下，遭遇了與新技術發展的不恰。將復制權放入歷史的視野下進行審視，有助于撥開迷霧、厘清思路。

（一）復制權的擴張及負面影響

1.復制權初始功能的擴張

考察著作權的早期歷史，不難發現復制權意識的萌芽，源自人們意識到復制的特權可以成為副本交換或者商業收費的基礎。出版商們為了壟斷圖書印刷和銷售市場，傾向于不斷地游說立法以爭取出版特許權。幾百年來，印刷出版是大量銷售作品獲取利潤的唯一可行方式，所以各國的著作權法和國際公約都無一例外地對復制權給予了高度重視。普通法系國家的著作權法以財產價值觀為基礎，大陸法系國家的著作權法雖然增加了人格價值觀的理論基礎，但其只是將單一的財產權豐富為具有雙重內容的權利，作者控制作品復制的權利依然是其中關鍵的財產性權利。追溯復制權萌芽及誕生的過程，可以發現復制權之所以誕生并成為一項獨立的權利，緣于在僅出版商有能力進行規模化印刷的社會環境下，著作權更多是一種出版經濟學。復制權誕生的初衷是防止出版商未經許可的印刷行為。后來作者的復制權得以確定，也是為了同樣的商業目的。在當時的市場環境中，規?；瘡椭频谋厝荒康木褪鞘袌鰝鞑?，所以復制行為具有獨立的經濟意義，控制復制就是一種便利的防止侵權的機制。

隨著技術的不斷發展，復制行為的表現形態逐漸多樣，從模擬技術到數字信息技術，均以驚人的速度顛覆了作品的復制方式。復制成本的大幅度下降使得大規模用戶的復制侵權風險成為著作權人非常關注的問題。受影響較大的是原有行業的領導者，他們當中的大多數人希望設計新的著作權規則，來保持他們在市場上的主導地位。在作者中心主義理念下，1967年修訂的《伯爾尼公約》第9條之一規定，著作權人享有批準以任何方式和采取任何形式復制這些作品的專有權。此條規定被認為復制權所控制的復制，足以包括所有的復制方法，以及其他任何已知和未知的方式?！杜c貿易有關的知識產權協議》中雖然沒有明確界定復制權的概念，但在第一部分總則和基本原則篇明確了成員國不能背離在《伯爾尼公約》項下承擔的現有義務?！妒澜缰R產權組織版權條約》第1條則將互聯網環境中的復制行為規定為，在電子媒體中以數字形式存儲受保護的作品，構成《伯爾尼公約》第9條所規定的復制。從國際公約的表述來看，復制權的概念中均未明確受規制的復制行為目的為何，只是明確了復制行為的形式包括任何形式。在脫離了印刷時代的產業環境后，復制權所控制的復制行為實質已經不再與傳播相關，所規制的主體也不再局限于出版商，任何主體以傳播為目的的復制，以及不以傳播為目的的復制，都落入了復制權的控制范圍。復制權成為一種非常寬泛的權利，其效力范圍得到了極大擴張。

2.復制權擴張的負面影響

復制權的擴張帶來不少新問題，問題之一就是影響公眾的福祉。在數字環境下，復制與作品傳播間不可分割的關聯減弱。在數字環境中，復制是一種廣泛且必要的存在，瀏覽網頁、緩存、鏈接、下載、訪問信息以及在線服務等操作，都涉及復制。如果將這些形式的復制都視為對復制權的侵犯，幾乎公眾在數字環境下的每項行為都會觸發復制權侵權。

復制權擴張引發的另一個問題是，推高了新興產業發展的成本。在復制權誕生之初，文化生產在西方社會是經濟過程中的一個重要組成部分，維持國家的繁榮與強大要求對作者及著作權產業予以重視。但在不斷出現新的生產力背景下，如果凍結市場、弱化競爭、繼續維持現狀甚至形成新的壟斷，國家將會面臨維持競爭優勢的挑戰。國家的經濟是流動狀態的，這種流動狀態是不斷出現的各種生產力相互影響和競爭造成的。此時，國家追求什么樣的政策，并將其作為法律制訂的指導，會成為下一個經濟發展階段成功與失敗的分水嶺。

為了消解權利范圍規定過寬所引發的負面影響，在各方利益的權衡之下，《伯爾尼公約》在第9條規定，公約聯盟成員國的法律有權允許在某些特殊情況下復制上述作品，只要這種復制不致損害作品的正常使用也不致無故侵害作者的合法利益。該條被認為是對復制權的一種合理使用限制。于是，何種情形下的復制行為應當落入合理使用的范圍，從而得到侵權的豁免，便成為解決復制權效力范圍過寬的一般路徑。但這也引發另外一個法律難題，那就是合理使用規則的內容也開始不斷擴張，并逐漸變得缺乏邏輯性且越來越難以預測。當合理使用規則開始被頻繁動用，并成為著作權法領域中最為疑難復雜的問題時，對合理使用的質疑及反思也隨之開始。

質疑合理使用的理由主要為：一是對合理使用概括困難，立法難以窮盡全部情形，在法律的明確規定之外，其他情形下合理使用的考量因素均依賴法院裁量。不同法官對合理使用規則的認識存在分歧，不受統一原則的支配，更多源于對各個事實類型的直覺反應，加劇了合理使用的不確定性。在索尼案中，多數派雖然支持純粹為個人欣賞而復制電影、電視直播節目等可以構成合理使用，但是這一結論的得出非常依賴消費者很少跳過廣告或長期保存電影錄像這一事實。因為多數派認為這一事實不會減少原告作品的廣告收入，從而對原告作品的潛在市場或價值沒有造成顯著損害。如果案件中缺乏這一偶然性的事實，很難預測當年的索尼案是否還會作出同樣的判決。二是隨著作品使用新方式的不斷出現，合理使用既有理論對于評估變革性的使用非常有效，但不適合評估非變革性的個人使用復制。

（二）復制權功能的合理定位

解決問題的根源在于權利本身。在權利法的視角下，當合理使用變得越來越龐雜和難以決斷時，其實問題并不是出在什么是合理使用，而是出在什么是應當受到保護的權利。合理使用是專有權利的衍生概念，而非原始概念，起決定性作用的，應該是權利本身。當合理使用本身變得“怪異、具有偶然性”時，如果繼續調整合理使用，不過是在現有的“補丁”之上再次增設“補丁”。面對“補丁”重重的制度，其實應當反思現有著作權的權利設計是否壟斷了太多的公共利益。從私人復制、系統緩存到某平臺數字圖書館案、云計算存儲案，乃至生成式人工智能數據訓練案，需要解決的問題本質都是一樣的，就是進一步明晰其效力范圍，從根本上解決因技術變遷而持續帶來的復制難題。

復制權是時代的產物，其效力范圍的合理劃定無法脫離促使其誕生的社會背景。復制權的誕生初衷是控制出版商的“傳播”利益，且傳播方式為有形的物理傳播。而數字技術以及生成式人工智能技術之所以會帶來復制難題，是因為新環境下的復制行為改變了復制方式，復制并非局限于有形物理載體的復制件，也并不必然會帶來“傳播”，或者說能夠產生的“傳播”效益在維權成本面前不值一提，以及產生的“傳播”效益并不會對權利人原有的市場造成實質威脅等，印刷時代復制與傳播間那種不可分割的聯系沒有了。在生成式人工智能的數據訓練中，復制作品的方式包括數據收集、數據預處理、數據挖掘階段的臨時復制。當前也發展出了可在云服務器上進行的數據訓練，這些副本被運行完之后就不需要再被人工智能系統保留。這些形式的復制不是為了傳播，而是為了創造新內容。復制權生存的環境已經發生巨大變化，但如果不問復制的形式和目的，而將復制權的效力范圍從印刷出版擴張到一切形式的復制，結果就只能通過不斷增設權利的例外，為新環境下的利益平衡找到出路。初始誕生環境決定了復制權適宜具有的功能，當環境改變時，如果盲目擴張復制權而忽略其適宜生存的環境，只會導致擴張后的權利體系無法與新環境實現自洽。面對新技術下復制形式和目的的不斷豐富，應當圍繞復制權的初始誕生環境確定如何對復制權進行擴張解釋。

回溯復制權的初始功能，其意義就在于控制線下作品的有形物理傳播，其與作品的傳播具有不可分割性，所以復制權從誕生之初就是一種具有依賴性的上游權利。因為傳播直接對應著市場，市場應是復制權誕生的重要現實基礎，而傳播則是作品獲取市場收益的重要表現形式。無論什么技術環境中的復制，只要其是作品傳播的開始，那么控制這種復制，就能實現對相關市場的控制。所以必須明晰的一點是，復制權所劃定的效力范圍實際上是要控制作品的傳播市場。只有行為人構成向公眾提供作品時，著作權法才有介入的必要和實際意義。而對作為與市場行為相對應的非市場復制等行為，著作權法其實并沒有回應的必要。如果需要著作權法進行回應，著作權人也應當證明復制行為所造成的損失，但實際情況是，著作權人自身也很難證明究竟是否會有實際損失，以及損失如何測算。

在生成式人工智能技術下，需要根據技術的發展目的，重點考量復制作品是否有損作者的經濟利益。對于作者而言，被用于數據訓練的作品如果處于“黑箱”中并未傳出，理論上并不影響原作者的既有市場。傳統的理念認為，作者獲得作品商業性利用的許可使用費是一項基本的權利，但這種費用實質是將利潤從技術的開發者部分轉移到了作者，而這種利潤轉移并沒有清晰的測算依據且難以執行，并會降低人工智能產業的大模型質量，影響新生產力乃至整個社會的經濟運行效率。而如果將數據訓練放置于生成式人工智能創作傳播內容的整體過程中考量，新生產力會帶來新的市場。生成式人工智能在提升人類創作作品的效率之時，可能也會面臨創作同質化的危機。所以如果想使機器生成的內容具有市場價值，還需要使用者繼續疊加人類的勞動，為機器創作增添稀缺的“獨創性”。同時作者本身也可以借助生成式人工智能提升創作的效率。究竟是受損還是獲益，難以有確鑿的回答。新的生產動能正在路上，所謂對于原作者市場的潛在威脅這種不確定性的預測，最好的回應辦法就是不回應。

除了市場的考量，也應重新定位復制權所控制的復制形式。復制的不可避免性，也決定了復制不應該再成為衡量侵權的恰當方式，例如，對于數字環境下的臨時復制，堅持以技術過程不具有“固定性”為由，將臨時復制、系統緩存合法化，否定了臨時復制、系統緩存落入復制權的控制范疇，在對復制權所控制的復制形式進行合理界定的前提下，合理平衡權利人和公眾的利益，也為新技術的發展開辟了空間，防止復制權在數字技術之下擴張為“專有閱讀權”。2001年歐洲議會和理事會發布《信息社會著作權與相關權利指令》，在其中的第5條規定了臨時復制的侵權豁免，明確當發生于數字環境傳輸中的復制行為是“暫時的”“在技術過程中必然發生的”，且“不具有獨立的經濟價值”時，應當豁免構成復制權侵權。巴西著作權法第30（1）條也明確規定，如果復制是臨時的，且復制的唯一目的是使作品、錄音制品或表演可以通過電子媒介的方式被感知，或者復制是短暫的或偶然的，且復制是在獲得著作權人的適當授權后使用作品的過程中所為，則不應適用復制專有權。法國知識產權法典在第L.122-5（6）條規定，作者不得禁止作品發表后的下列復制：“過渡性或附屬性的臨時復制，該復制必須是某個技術方案完整和基本的組成部分，該復制僅在于允許作品的合法使用或借助中介網絡在第三人之間的傳播；但該臨時復制僅適用于軟件和數據庫以外的作品，且自身不得具有經濟價值。”上述比較法上的立法例對于復制形式的規定，也同樣適用于生成式人工智能場景下數據訓練中的臨時復制，因為其作為不可避免的技術組成部分，同樣缺乏獨立的經濟價值。

脫離了現實土壤而進行權利效力范圍的劃定，終會不斷衍生出新的問題。權利功能的合理定位無法脫離適宜權利生存的環境。上文對于市場“傳播性”、復制行為“固定性”的分析，均圍繞著復制權的初始誕生功能展開。以固定性、傳播性作為復制權的構成要件正是對復制權初始功能的提煉，因而本文主張以“固定性+傳播性”的構成要件重新定位復制權的功能，也就是復制權所控制的復制行為，應當同時具備“固定性”及“傳播性”。面對突破性、顛覆性的技術變革，所引發的問題可能并非源于權利限制的不足，而只是因為我們并未從根本上理解權利。所以，真正重要的是正確看待權利、回歸權利法的思維。

二、現實路徑：回歸復制權本源及工具論視角

延續上文論證，當轉換到生成式人工智能場景時，面臨兩種現實路徑：一是修改著作權法的立法論路徑，二是通過司法在個案中進行裁判的解釋論路徑。本文主張，現階段通過司法在個案中進行解釋是更為妥當的辦法。生成式人工智能還處于發展中，數據訓練中復制、存儲作品的方式或許還會更新迭代。同時，生成式人工智能技術當前還很不成熟，還需要配套性規則對接復制權重塑后的侵權判斷標準，并不適合立法立即作出回應。更重要的是，人工智能是各國搶占的技術高地，相關糾紛中可能蘊含著政治博弈、價值沖突、利益分配等復雜因素，但由于司法具有將一般問題轉化為個別問題、把價值問題轉化為技術問題等方法，這些可能給國家或社會帶來巨大沖擊的矛盾最終可被審判所中和、吸收或者消解。因此本文選擇解釋論的路徑，依據此種路徑闡述重塑復制權下如何合法化生成式人工智能數據訓練中的復制行為。

（一）回歸本源的解釋論視角

依照權利法的解釋學邏輯，判斷某項行為是否侵犯某項著作財產權的思路包括四步：第一步，劃定特定權利的保護邊界，明確落入該權利控制范圍的侵權行為構成要件；第二步，判斷特定行為是否符合上述構成要件；第三步，完全契合上述構成要件的行為落入該權利的保護范圍，此時視為外觀侵權行為；第四步，對于外觀侵權行為，則需進一步判斷是否符合合理使用、法定許可等侵權豁免情形，如符合，也應屬不侵權行為。在第三步中，本就欠缺或者不具備構成要件的行為，從根本上屬于實質不侵權行為，不需要適用最后一步中的侵權豁免規則。

依據上述邏輯，判斷生成式人工智能數據訓練中的復制行為是否侵犯復制權，首先需要明確復制權的保護邊界。依上文結論，以“固定性+傳播性”的構成要件定位復制權的效力范圍，是對復制權保護邊界的回應。接下來的重點是第二步及第三步的判斷。對于“固定性”的理解，應用臨時復制等新模態進行的數據訓練，并未落入復制權的控制范圍，不再需要進行“傳播性”要件的判斷。而對于符合“固定性”要件的復制行為，需要進一步判斷其是否具備“傳播性”要件。

首先，“傳播性”要求被用于數據訓練的內容具有著作權。本文認為，在此種情形下，是否屬于“傳播”原作品，在當前階段不能僅僅依靠“思想—表達”二分法進行實質性相似的判斷。因為生成式人工智能當前還處于早期發展階段，內容生成算法的設計、用戶侵權指令及侵權內容生成的識別機制及反饋機制還存在一些固有缺陷。所以如果簡單以生成內容“實質性相似”從而具有“傳播性”來界定數據訓練中復制作品的行為，可能會得出復制行為符合“傳播性”要件，從而侵犯復制權的直觀結論。在當前，如果需要對數據訓練中復制作品的行為進行合法化，還需要一種階段性的過渡規則，配合復制權重塑后的侵權判定標準，以對應當前生成式人工智能平臺的現有技術水平，以準確判斷其過錯。如同在互聯網產業發展的初期，電商平臺難以檢測海量侵權信息，于是為其設置避風港規則并配合紅旗規則一樣， 這種階段性規則的功能著眼于在過程中維護權利保護和產業發展的動態平衡。當技術發展至更高階時，平臺識別侵權信息等成本降低，僅以“通知”后未“刪除”侵權信息作為判定平臺具有過錯的標準，已經不再匹配高階技術階段平臺自我管理的能力。為處于技術早期階段的生成式人工智能配置類似規則，也同樣體現了這種權益考量。這種階段性的規則，類似于“避風港”的安全港機制，但又不完全等同。因為生成式人工智能平臺兼具服務和內容提供者的雙重身份，不同場景下適用的是不同身份，與“避風港”只適用于服務提供者的限定并不吻合。因此，階段性的規則實質需要生成式人工智能平臺在特定場景下盡到采取必要措施的注意義務， 以管控著作權侵權等風險。

結合生成式人工智能的技術原理和使用場景，生成式人工智能會根據原始數據訓練集提供的素材生成內容，也會吸納用戶輸入的指令，自我生成新的數據訓練集，本文稱為指令數據集。因此識別風險應從用戶輸入指令階段開始，應采取有效措施教育、屏蔽、改變用戶發出的引誘著作權侵權指令，防止某些內容雖未被用于數據訓練，但仍可能會通過用戶指令被納入語料庫。在輸出端進行侵權內容輸出風險的消解，既包括識別是否傳播了原始數據集的作品內容，也包括識別出所生成的內容是否通過指令數據集生成并侵犯了在先權利人的著作權等。同時，還需要借鑒互聯網產業的治理經驗，在特定場景下配套類似“通知—刪除”機制。接到合格有效通知后，平臺應當在合理期限內采取必要措施，避免侵權內容再次生成。如果平臺在用戶指令端和輸出端均采取了合理有效的技術措施，識別上述侵權指令及控制高風險侵權內容的產出及傳播，同時針對非故意的“漏網之魚”，在接到合格有效通知后，也及時控制了侵權內容的再次生成和傳播，那么數據訓練階段復制作品的行為就應視為不具備“傳播性”。此時數據訓練階段的復制行為因不具備“固定性+傳播性”的構成要件，并未落入重塑后的復制權的控制范圍。這種責任分擔機制有利于為技術的開發者提供明確且有條件的免責預期，引導其主動采取必要措施，防范法律風險，促進產業發展。

在我國及其他國家當前正在審理的數據訓練案中，爭議焦點大多涉及數據訓練中復制作品的行為是否侵犯著作權人的復制權，生成的內容是否侵犯著作權人的改編權、信息網絡傳播權等，也涉及如果構成侵權，停止侵權是否包含刪除訓練庫中未經許可的作品等。依據上文闡述，首先需要排除原告作品中公有領域或通用的表達。對于個性化的表達，則需要比對生成物與其是否構成實質性相似。在構成實質性相似的前提下，再依照平臺的現有技術水平判定其是否具有“傳播”的過錯。在平臺以內容提供者的身份開展業務時，第一步是考察被告在指令端和輸出端是否盡到合理地防范侵權的義務。如果設置了相對合理的算法和提示詞標簽等，可在指令端提醒用戶指令不被接受，或提醒用戶變更指令，或當用戶的指令可能會誘導侵權時，輸出端做到了拒絕輸出，或者不侵權式輸出，或僅輸出片段等，則可以進入第二步的考察。如果平臺并未采取上述措施，可視為平臺未盡到防范侵權的注意義務，構成著作權侵權。在當前我國已經出現的判定生成式人工智能著作權侵權的案件中，平臺未能夠實現拒絕輸出或不侵權式輸出，實質就是平臺沒有在指令端和輸出端采取必要措施防范侵權風險等，無法證明其不具有過錯。而對于停止侵權是否包含刪除訓練庫中未經許可的作品這一內容，本文主張停止侵權不宜包含刪除數據訓練集中作品的內容，除非這一作品權利人并未公開發表。因生成式人工智能的數據訓練是一個獨立而封閉的系統，在做好技術控制的前提下，并不會對權利人造成實質損害。同時，數據訓練意義重大，為防止刪除數據訓練中的作品對公眾獲取內容產生不良影響，應重點關注結果輸出對權利人造成的實質損害，圍繞結果輸出的優化與改進，確定停止侵權的內容。而如果平臺盡到了上述義務，此時需要進行第二步，繼續考察平臺在知曉生成內容侵權后，有無及時優化算法、采取清理措施防止相關內容繼續生成等，以補強其并無“傳播性”目的的證明。在盡到上述義務的情形下，平臺的數據訓練和內容輸出可進入安全港，不構成著作權侵權。

在涉某網盤侵害作品信息網絡傳播權糾紛案中，我國法院已經采納了類似觀點。法院認為用戶在網盤中存儲作品的行為具有獨立性，不能將特定文件的存儲等同于特定文件的傳播行為，單純的作品存儲行為不構成對信息網絡傳播權的侵害。而針對網盤是否需要刪除涉案存儲文件，法院認為在網盤接到的通知并不能有效定位侵權行為的前提下， 實質上是要求網盤對所有文件進行全面排查，不合理加重了網盤的負擔，如果網盤刪除服務器上的涉案存儲文件，會導致所有存儲這一文件的網盤用戶的存儲空間中的這一文件被刪除，會損害未實施侵權行為的網盤用戶的合法權益，因此并未支持從服務器上刪除涉案文件的訴求。在這一案件中，我國法院實質認可了沒有傳播目的的復制行為具有合法性的結論，也明確了網盤、云服務提供者合理注意義務的標準，可資借鑒。

綜上，應在一定的場景中分析復制作品的行為是否具有“傳播性”，并非所有的復制行為都具有“傳播性”。在作品缺乏傳播目的的前提下，應當認定行為本身并非權利的控制范圍，這樣的認定原則能從根本上解決因技術發展而引發的復制尷尬難題。在著作權法的視野下，數據訓練階段復制行為的合法，還應符合數據來源合法的要求。數據來源合法是指所復制作品的獲取方式沒有違背著作權人公開作品的意愿，也未破壞權利人對作品所設置的技術保護措施等。而輸出端是否侵犯了改編權、匯編權、信息網絡傳播權等，也應當結合平臺在特定業務場景下的不同身份進行綜合判斷。在符合著作權注意義務標準后，應當允許生成式人工智能平臺進入安全港。

（二）面向未來的工具論視角

面向未來，運用工具論的視角，能夠進一步印證上文結論符合技術的發展趨勢。生成式人工智能是一個能夠自我更新、自我完善、自我演進的復雜系統，其擺脫了傳統人工智能弱交互、單任務、封閉性的技術局限，人與機器每一次的互動，都會作用于大模型的改進。生成式人工智能的這種特點，也決定了防范生成式人工智能的失控應該是在技術發展過程中始終堅持的目標。

在防范技術失控目標下，生成式人工智能應作為人類的工具來看待，始終保持人類的主體地位。無論技術如何前進，以人為本的理念應當貫穿科技創新的始終。將生成式人工智能作為工具看待，意味著其實質上是人類智力勞動的一種外在輔助，幫助人類完成自我的意愿而已。盡管現階段可能存在完成得不夠好的情況，但也并未改變其協助人類大腦進行創作的本質。所以，生成式人工智能是在代替人類的大腦進行工作。這一過程分別對應著生成式人工智能的數據訓練、算法運算、輸出內容等階段。數據訓練是機器“閱讀”大量語料的過程，就好比人類在創作之前需要閱讀、學習一樣，創作都是建立在汲取前人成果的基礎上進行的。

當前階段以文本為主的數據訓練與人腦閱讀存在的最大不同是，人腦的閱讀并不需要將閱讀內容物理性地復刻，人腦只會將閱讀內容消化于神經網絡，轉化為無形的思想，不會留下有形痕跡。而當前階段機器卻需要將“閱讀”的文本語料物理性地復刻。但這種數據訓練的方式也在不斷迭代，臨時復制以及通過聽覺、視覺、人機互動等多模態方式進行數據訓練的技術已經到來。隨著技術的不斷迭代發展，不保留文本內容的數據訓練或許會成為未來機器閱讀的普遍方式。如此看來，數據訓練不過是人類閱讀的另一種表現形態，只不過在這種表現形態下，機器能夠“閱讀”遠超人類腦力容量的內容，這個數量無限大且沒有上限。因而本文認為，在面向未來的工具論視角下，生成式人工智能的數據訓練和人類用自己的大腦閱讀文獻、資料、書籍等并無不同。唯一的不同是，人腦的閱讀數量是有限的，而機器卻可以“閱讀”無限多的語料，且閱讀速度遠超人類的大腦。而“閱讀”的數量規模，“閱讀”是否有營利目的，所造成的人類創作格局變化等問題，并非其不成為“閱讀”的原因。因為人類的閱讀也具有營利目的，例如職業創作者。而人類創作方式的變化，是技術發展的必然結果。因為技術的發展過程，就是不斷提升生產力，把人類的一部分勞動不斷“外包”出去的過程。在工具論的視角下，生成式人工智能數據訓練中的復制行為，本質特點在于“閱讀”，而不是著作權法意義上的“復制”。

著作權人并不享有“閱讀權”，以保證公眾對知識的獲取，以及維持文學、藝術、科學領域作品的創作繁榮。只要作品能從公開渠道獲得，并不存在違背著作權人的意志，侵犯著作權人的發表權等著作人身權，也不存在手段非法，如破壞著作權人設置的技術保護措施，那么這種閱讀、欣賞的行為就是為著作權法所許可的合法行為。只不過在當前機器學習的方式下，“閱讀”的外觀模式發生了變化，需要首先經歷一次“復制”的過程。雖然目前機器學習的閱讀行為外觀與自然人閱讀行為外觀有所不同，但從技術發展的前景目標來看，機器學習的目標并不是簡單吸收現有作品外在表達，而是對思想、邏輯、語言習慣等的吸收，再以新的表達方式呈現出來。只不過當前的算力、算法等技術還處于不成熟階段，也受困于數據流動性的難題，不同企業大模型訓練數據的數量、質量存在巨大差異，輸出端的生成內容總會存在與現有作品相似的表達，從而導致著作權人對數據訓練過程中復制作品行為的合法性產生質疑。但如上所述，從技術發展的趨勢來看，數據訓練的本質特點是“閱讀”，輸出端的現有問題應在輸出端采取措施解決，不應模糊我們對于數據訓練中復制行為本質特點的認識。

面向未來，當前人機分離的“閱讀”模式或會改變。為了防范技術失控，機器和人腦融合無間的技術概念已經被提出。如有研究提出，通過腦機接口，能夠實現人腦與人工智能的融合，人類能夠理解人工智能的想法，與人工智能共同思考，人類就不至于會處于被人工智能控制的危險境地。在實現路徑上，盡管腦機接口還是一個超前的概念，但這一概念的提出，也充分說明了技術努力的方向，是要使得人工智能始終處于人類的控制之下。如果人機融合真的能夠實現，那么今天我們所探討的數據訓練在人腦外部海量復制作品的行為，就會變成技術發展過程中的階段性動作，這個動作不會始終存在，而是會隨著技術的不斷更迭而最終消失。今天數據訓練的這種外觀模式，在未來就會轉化形態，會成為與人類如今自我學習閱讀一樣，不需要經歷對內容的有形物理復刻過程。屆時人機融合，早已分不清究竟是人在閱讀，還是機器在“閱讀”。而我們今天所探討的數據訓練是否侵犯復制權的問題，也就是技術發展浪潮中激蕩起的一片終將消逝的漣漪而已，早已沒有了探討的必要。上述假設或許存在一定的科幻色彩，但本文意圖表明的是，技術的發展帶來的特定階段的爭議，站在未來的視角來看或許并不重要。人類社會的技術發展史也已經充分證明了這一點。未來即便沒有人機融合，相信也會存在其他不同于當前生成式人工智能深度學習的方式， 而困于當下的我們需要有足夠的淡定、包容和更多的未來視角，需要對技術的發展保有足夠的想象，以暫時“擱置”復制權的態度，為技術的未來預留出足夠的制度空間。

三、延伸探討：面臨的挑戰及回應

本文的意見不同于當前大部分的學術觀點，如果采取本文主張的方式，在實踐中也會存在一些挑戰，主要包括是否違背國際公約的規定、產業注意義務的可行性以及著作權人的利益失衡問題等，本文嘗試進行回應。

（一）國際公約的挑戰

基于對國際公約中所規定的復制權的理解，當前大部分支持生成式人工智能產業發展的觀點均主張，既然國際公約已經將復制權作為一種寬泛的權利，那么當前就只能將生成式人工智能數據訓練中的復制行為納入合理使用的框架下進行合法化。本文認為，國際公約的規定也并非我們必須選擇合理使用的理由。國際公約已認識到了復制權的效力范圍過于寬泛會引發利益失衡問題。如《伯爾尼公約》在第9條即規定，公約聯盟成員國的法律有權允許在某些特殊情況下復制作品，只要這種復制不致損害作品的正常使用也不致無故侵害作者的合法利益。國際公約也允許各國自行合法化特定情形下的復制行為，只不過合法化的路徑有所不同。但從制度實施的最終效果來看，無論是采用合理使用，還是重構復制權的效力范圍，其實最終都達到了實質相同的結果，只是不同路徑下的制度改革成本和運行成本會有所差異。況且，國際公約也并沒有規定各國不能自行對復制權進行進一步定義。因此，本文認為，在選擇采取何種路徑時，至少有兩點需要兼顧：一是改良后的制度不會增加制度的運行成本；二是新的改良方案要確保維持制度規范的結構穩定、邏輯嚴謹、體系周延，這是制度規范形式理性的基本要求。但無論是重塑合理使用還是單獨增設例外，其實都較難實現上述兩點，合理使用制度并不是從根本上解決當前困境的最佳方式。

當前著作權法框架下的合理使用并不適合生成式人工智能數據訓練的場景，運用合理使用應對當前問題還需要付出相當的成本，于是接下來的選擇就是為生成式人工智能重塑現有的合理使用制度，或者單獨增設例外。首先，重塑現有合理使用制度的方案一般為優化當前我國的立法模式，采用彈性、開放式的合理使用條款。其實有關我國著作權法中合理使用封閉式立法弊端的討論由來已久，并非今天才被提上日程。前文已述，如果采取彈性、開放式立法，實質給予了法官較大的自由裁量權，制度運行不一定會如想象般完美。自由裁量下的合理使用判斷增加了很多的不確定性，如前所述，不同法院間經常出現不同意見，這些都是制度運行的成本。其次，如果選擇為生成式人工智能單獨增設例外，會破壞著作權法律規范的穩定性、邏輯性和體系性。作為一種已經非常龐雜和邏輯并不連貫的權利限制制度，合理使用的缺陷早已遭到諸多詬病，用合理使用來解決復制權的過度控制，結果只會加劇這種龐雜與不連貫。面對不斷變遷的技術，復制權始終在不斷遭遇尷尬困境，之前有臨時復制、系統緩存，以及數字圖書館、云計算海量存儲作品等問題，現在有生成式人工智能的數據訓練，未來可能還會有新的技術引發新的復制問題。如果每出現一次新問題，就為新的問題單獨增設例外，或者擴充合理使用規則的內容，其實只能解決某一類情景下的復制問題，而無法從根本上破解復制權的困境。這種無限擴充合理使用范圍的方案，最終會破壞法律規范的結構穩定性、邏輯嚴謹性和體系周延性。

合理使用并非萬能法寶，在實踐適用中存在著各種不確定性，并不能完美解決新技術帶來的利益失衡問題。復制權的立法過程充斥了太多的利益博弈，導致權利效力范圍的劃定充滿了對現實的妥協而前瞻性不足。從當前國際公約中對于復制權的規定來看，國際公約也意識到了復制權范圍過寬所引發的利益失衡，從最終結果上看，也并不排斥不損害作品的正常使用、不致無故侵害作者合法利益的復制。與其選擇不斷擴充合理使用，不如選擇恰當定位復制權的權利范圍，為所有新技術條件下合法的、不可避免的復制行為“正名”。生成式人工智能的數據訓練非常重要，如果不能夠從根源上破解數據訓練的復制難題，各國進行自我訓練的生成式人工智能很可能會因為數據不全面而引發生成內容的偏見、歧視、價值觀及道德的缺失等嚴重危機。各國需要構建起統一的制度方案，并配合階段性的權宜規則，在不影響著作權人市場利益的衡平方案下，允許在生成式人工智能的數據訓練方面進行廣泛且深入的內容共享。首先可通過司法在個案中進行解釋和探索，逐漸構建起我國自主的知識產權規則體系并對外輸出。如此，才能從根本上解決復制權不斷面臨的尷尬，也能夠為未來可能不斷出現的與復制有關的問題提供統一的解決方案，實現復制權的效力范圍與合理使用規則內容的“此消彼消”，維持著作權法律規范邏輯體系的嚴謹，同時也為世界范圍內生成式人工智能產業的發展鋪墊制度基礎。

（二）產業注意義務成本的挑戰

當前，將生成式人工智能企業著作權注意義務的實現程度，作為評價其數據訓練階段的復制行為是否具有“傳播性”的考量因素，還只是一種理論上的構想。但是保護權利人權益、護航產業的長遠發展已經是各方基本達成的共識，現階段的關鍵是如何尋找到能夠讓各方都滿意的平衡方案。在這種初衷之下，生成式人工智能企業著作權注意義務體系的構建是具有強烈的現實意義的。當前面臨的實踐考驗是，企業能否承擔此種注意義務下采取必要措施的成本，以及如何合理設計必要措施的具體內容。對此，本文初步回應如下：

第一， 要求生成式人工智能企業采取相關措施防范侵權， 以及防范侵權后果擴大已寫入我國的相關規范中，相關措施的成本負擔及具體內容實質是一個動態變化的體系。在技術發展的初期，在護航產業發展的政策考量下，理性的規則設計是給予產業相對寬松的成長空間，并不應施加超出企業承受能力的注意義務。只要規則的清晰度足夠，這種確定性就會為創新和產業的活躍發展提供空間。以避風港規則為例，在互聯網產業發展的早期，由于平臺監控侵權內容的能力有限，因此避風港規則以“通知—刪除”及紅旗規則作為判定平臺主觀過錯的方式，平臺實際承擔的成本壓力并未高出其技術能力。但隨著算法等技術的興起，平臺監控能力逐漸提高，對于平臺過錯的考量單純依靠避風港規則已經不能滿足現實的要求，實踐中避風港規則的適用正在轉向，因此可以將其視為產業發展中的一個階段性的規則。在算法推薦時代，平臺責任制度給予平臺自我監管的壓力相較于“避風港”時期有所增加，但此時在技術加持下，平臺發現侵權內容的能力也隨之增強，對其主觀的判斷也越來越不依附于“通知—刪除”規則。所以，注意義務的持續施加會引發平臺自我管理技術的重塑，平臺中針對同一類侵權內容采取必要措施的成本負擔將系統性降低，還會催生出更具有規制效果的技術基礎設施，從而進一步降低必要措施的系統性成本，提高防范侵權等的效率。這種變化能確保在技術發展的不同階段，產業都能夠獲得空間進行發展。這一制度經驗在不限制創新的情況下減少了數字環境下的著作權侵權，可以作為生成式人工智能企業著作權注意義務設置的參考。在技術發展的不同階段，生成式人工智能企業發現、識別、控制侵權內容，以及重新創作的能力是不同的，因而需要分別配置與其技術能力相匹配的合理注意義務。站在未來的視角，生成式人工智能企業的著作權注意義務也會成為一個階段性的規則。隨著算法、算力的不斷提高，當生成式人工智能具有了更強大的再創作能力時，輸出端輸出侵權內容的概率會降低，同時通過技術識別、發現侵權內容，監測用戶發出侵權指令的能力也會逐漸增強，及時控制侵權內容的輸出也將成為不那么困難的工作。屆時，今日生成式人工智能企業面臨的數據訓練窘境或許將不復存在，探討數據訓練中復制作品的行為是否侵犯復制權也沒有了現實意義。因此，采取必要措施的技術終將提升，企業的成本負擔及注意義務的具體內容也會不斷發生變化，這是一個已被互聯網產業驗證的真實結論。從長遠看，設置注意義務這種方式能夠促進企業在權利社會中的自我管理變得更為有效、更能適用技術的更新迭代，以實現人工智能產業的健康有序發展。

第二， 是否采取防范侵權等技術措施實際是由企業自我評估后選擇性適用的， 能夠負擔得起這一成本的企業自會選擇實施技術措施。如果中小微企業評估后認為成本過高，可能選擇其他方式。比如，企業評估自身是否可以承擔得起侵權發生后的法律責任，在法律責任和技術措施的成本之間進行經濟學的衡量，判斷不采取相關措施是否能夠適應市場商業模式的需求、承受市場競爭中的優勝劣汰。而涉及注意義務的一系列規則設計，也需要盡可能降低各類型企業的成本負擔，否則將不會受到市場主體的承認從而失去護航產業發展的制度效果。

（三）著作權人利益與內容創作的挑戰

將生成式人工智能對海量作品進行數據訓練的行為合法化， 是否會帶來著作權人利益的失衡，也是當前來自現實層面的重要挑戰。如北京互聯網法院當前正在審理的數據訓練案中的原告即主張，涉案AI繪畫軟件學習到原告作品的繪畫風格后，“一鍵生成”的大批量圖片可以輕松替代原告一筆一劃繪制的作品，殘酷擠壓原告依托其作品獲得收益的空間，對原告作品未來的市場造成毀滅性打擊。生成式人工智能技術的快速發展，帶來了創作人對失業的普遍擔憂，可能會進一步加大在著作權法中合法化數據訓練行為的規制難度。當前有研究主張為了補償著作權利益相關群體失去的利益，可推行法定許可或補償金制度。

本文認為，法定許可或者補償金制度的可行性存疑。姑且不論需要支付的費用總量可能為天文數字而不具有可執行性，各方對費用的計算標準也可能難以達成共識，利用金錢補償相關利益群體的理論方案極有可能遭遇現實的滑鐵盧。更關鍵的是，著作權利益相關群體因生產力提升而失去的利益，并非著作權法所管轄的范圍，也不應當成為阻礙著作權法變革的理由。社會的生產力在不斷迭代，迭代中所引發的矛盾是個社會問題，需要運用其他的方案進行調和，例如針對創作者失業問題的社會綜合治理手段等。人工智能技術自誕生那天起就已經引發了各行業對于失業的普遍擔憂，但失業是技術引發的一個深刻的政治和經濟學議題，這種議題不應該交由著作權法來解決，著作權法也無力承擔起這樣的責任。著作權法只適合在自身的邏輯體系和立法目的之內運行，并不需要回應技術變遷所引發的創作方式的變革。如果再次完全以利益導向變革著作權法，恐怕在未來又會引發新的問題，而需要繼續給制度增加新的“補丁”，就好比合理使用在當前的不斷擴張一樣。人類社會已經不可避免地邁向了數智時代，人工智能可能會徹底變革人類社會和經濟。既然選擇發展，各行各業都面臨著發展所帶來的陣痛，那么及時調整適應，最大化降低風險帶來的沖擊，將技術轉化為“為我所用”的生產力動能、走向新的市場才是各行業的理性選擇。事實上，著作權法激勵自然人創作的整體格局并未發生改變，高創造力的自然人作者依然擁有巨大的市場。因為機器是從人類的知識中學習的，但人類卻具有與生俱來的天性、感知力、情感等稟賦，這種稟賦能夠讓人類實現從無到有的創作，這是機器創作難以達到的。所以市場會篩選出真正有創造力的人類作者。如果打通數據訓練的著作權法障礙，再明確所生成內容的可著作權性，并將權利分配給人工智能技術的使用者，則能夠有效激勵使用者的創作熱情，促使其繼續利用人工智能創作出真正具有價值的作品，構成一個前端與后端協同激勵的良性制度循環，最終增進社會的整體福祉。因此，從公共政策目標考量，合法化數據訓練中復制作品的行為，并將構成作品的生成內容的著作權歸屬于生成式人工智能的使用者，應是更為有效的制度選擇。

支持技術的發展，現有的知識產權保護秩序也需要維持。人工智能企業需要依據技術發展不同階段的技術能力，做好著作權侵權風險的管控，以技術手段控制用戶指令和輸出生成侵犯現有作品著作權的內容，回歸生成式人工智能技術的初心———創造新內容。 此外，是否充分保護了著作權，其實也和生成式人工智能企業著作權注意義務的具體內容密切相關。因此，該挑戰和上一個挑戰實質一脈相承，涉及如何根據技術發展不同階段的技術水平，場景化設置合理著作權注意義務的問題，這是另外一個值得深入探討的重要課題。在符合場景化著作權注意義務的要求時，不損害著作權人的合法權益，著作權人還可借助生成式人工智能這一創作工具進行再度創新，在新的市場中獲取收益，也沒有背離著作權法保護作品、激勵人類創作的制度目標。

結論

本文從權利法的視角，主張著作權法對當前生成式人工智能數據訓練復制行為的回應方式應是通過解釋論路徑重塑復制權，以“固定性+傳播性”的構成要件解釋侵犯復制權的行為，并補充以技術發展的前瞻性視角進行回應。在符合著作權注意義務的階段性場景要求時，上述復制行為可定性為不具備“傳播性”，應屬不侵犯復制權的行為，而無需動用合理使用、法定許可等責任豁免制度。本文嘗試解釋當前爭議問題的根源并尋求根本性的解決之道， 期望學界能夠以更加豐富的想象力和前瞻性眼光思考著作權法的未來走向?？萍急憷宋覀兊纳?，也應該讓我們的視野變得更加寬廣，將思考的眼光放置于技術發展的幾十年、數百年甚至是更長的生命周期中。人類邁向數據社會已經是不爭的事實。在未來社會，海量數據疊加高度智能的算法，人類可能無法脫離人工智能技術進行創作，而生成式人工智能的自我學習過程也可能會有不同于今日數據訓練的另外一種呈現方式。所以我們今天所討論的問題，或許終會消逝在科技發展的洪流之中，而這也正是支撐本文主張擱置復制權的重要信念。