人工智能深度學習的合理使用研究

沈玥

摘 要：人工智能深度學習技術通過海量數據收集、分析和建模，不依賴人類事前編程即可自主習得創造能力，已在藝術科學等領域廣泛應用，但其數據輸入階段的復制行為可能引發著作權侵權風險。為了維持利益平衡，促進技術發展，有必要將人工智能深度學習行為判定為合理使用。影響判定的主要因素有兩個：使用性質和目的、對原作品潛在市場利益的影響。完善我國的人工智能深度學習合理使用判定規則，或是可以通過《著作權法實施條例》明確新的合理使用情形;或是可以細化合理使用一般條款，在三步檢驗法的基礎上，設置以四要素標準為內容的司法解釋，重點考量轉換性使用和市場影響因素。

關鍵詞：人工智能深度學習;合理使用;轉換性使用;四要素標準;三步檢驗法

一、問題的提出

在數字經濟時代下，各國都在借助數字信息技術謀求更為高效、合理的經濟產業新布局。2022年1月1日實施的《中華人民共和國科學技術進步法》指出，要堅持科技創新在國家現代化建設全局中的核心地位。數據搜索、交換和使用能力的發展催生出了全新的人工智能深度學習技術，這一技術收集海量相關數據建立數據庫，通過深度數據分析建立函數模型，由此理解并掌握人類行為規律，進而利用此函數模型創造出符合人類審美規則的新作品，或者開發出原有作品不曾涉及的新領域用途。無論是新聞報道、信息播報，還是美術繪畫、音樂創作，這一技術為便利人類生活、提高生產力帶來了積極作用。

值得注意的是，人工智能強大的創造能力建立在其前期大量接觸現有作品并進行數據分析的基礎之上，這一過程中對版權作品的復制、分析行為可能侵犯作者的復制權和改編權[1]。而現有立法無法解決這一著作權風險，《著作權法》第24條明確列舉了12種合理使用的情形，但是人工智能深度學習并不屬于其中任何一種;除此之外，還增加了三步檢驗法的后兩步作為一般規定，但也由于缺乏具體適用標準而難以將人工智能深度學習行為歸為合理使用。在司法實踐中，雖然最高人民法院曾發布文件將四要素標準作為認定合理使用時的判斷因素①，但這一文件只是政策指導性文件，不宜直接作為法律適用依據[2]。相關案件對于深度學習行為能否構成合理使用爭議不斷，但仍未形成統一的裁判依據，例如王莘訴谷歌案②、吳銳訴北京世紀讀秀案③、菲林訴百度案④、騰訊訴盈訊案⑤等。在理論研究上，學者對于這種深度學習應當采取何種著作權保護模式眾說紛紜，例如納入《著作權法》第24條“評論或說明問題”一項中適用[3]、設定人工智能深度學習新權利[4]、納入法定許可的范圍中[5]等。

在新修《著作權法》實施的背景下，為方便人工智能進行更大體量的數據分析和深度學習、拓寬我國人工智能技術的發展空間，應當針對人工智能深度學習行為能否認定為合理使用、如何在司法實踐中進行具體判定兩個問題進行研究，這對人工智能時代背景下新型著作權保護體系的建設有著重要意義。

二、人工智能深度學習與合理使用

人工智能深度學習技術（Deep Learning/DL）是指計算機利用人工神經網絡（Deep Neural Networks），不依靠人類提前編程即擁有某一領域學習能力的技術[6]。這一技術效果的實現依賴于前期對版權作品的數據復制行為，存在著作權侵權風險。為了化解這一風險、維持利益平衡，有必要將人工智能深度學習判定為合理使用，這有助于避免算法偏見、降低研發成本、推動產業進步及我國數字經濟發展。

（一）人工智能深度學習的著作權侵權風險

人工智能深度學習技術以“機器學習”（又稱“數據訓練”）為創作方式，人類僅在篩選提供前期數據分析源的過程中提供幫助，之后由其自主利用人工神經網絡直接處理原始數據，在多層次結構中學習數據的不同含義，分析建模后依據此模型輸出創新性結果，實現端到端預測模型的開發[7]。深度學習的“深度”體現在人工智能可以通過自己的能力（信息檢索、分類、轉化、標注、分析、計算等）“學會”某一領域的基本知識和思維特征，并據此“創造”出新的內容，與人類學習知識并靈活運用再創造的模式相似。例如，西門子的智能云MindSphere可以學習并作出調整燃油值的決策以實現最佳性能;AI Powered Equity ETF（AIEQ.US）管理的基金可以提供更高的回報率;騰訊研發的寫作機器人“Dreamwriter”可以撰寫經濟領域的新聞報道等。

人工智能的深度學習過程可以分為以下5個階段：第一，收集數據，為構建深度學習數據庫做準備。第二，預處理數據，指進行計算機語言轉化和初步數據篩選，建立深度學習數據庫。第三，標注數據，人工智能根據預設目標的具體內容對數據庫進行分類標注，形成初級函數模型。第四，訓練模型，依次選取各個分類類別下的數據計算其關聯關系，以達到完善初級模型的效果。第五，固定模型，通過海量運算后形成符合人類思維模式和行為特征的最終模型，以完成預設目標。

人工智能深度學習的著作權風險，主要產生于收集和預處理數據階段的復制行為。復制是指將作品固定在物質載體中，形成作品復制件的行為[8]，是作品的原樣重現。現行《著作權法》第10條第1款第（五）項將“數字化”方式納入到復制權范圍，表明信息網絡環境下將作品存儲在機器中形成復制件的行為受著作權法保護。在前期收集、預處理數據時，人工智能需要挖掘、復制足夠數量的相關數據，其中就可能包括大量受著作權法保護的作品。在進行文本數據挖掘之后，人工智能可以形成自身專用的數據庫并進行接下來的建模工作，這一數據庫的建立需要人工智能在不改變現有作品的情況下，對數據進行全部復制與原樣重現，即屬于《著作權法》中的“復制”行為，因此可能侵犯原權利人的復制權。

（二）對人工智能深度學習進行合理使用判定的必要性

原則上，所有影響原權利人控制作品復制的行為都應當認定為著作權侵權行為，但基于對公共利益的考量，著作權法規定了對著作權的限制，即合理使用、法定許可和強制許可。我國尚不存在強制許可制度;現有法定許可的規定中未包含人工智能深度學習情形，且巨額的許可費可能導致開發者在數據訓練時放棄使用版權保護數據，降低開發者的研發積極性，反而對人工智能深度學習的發展造成障礙[9]。因此，合理使用判定成了更優的選擇。

人工智能深度學習的合理使用以利益平衡為主要內容。合理使用，是指法律允許他人在特定的條件下自由使用享有著作權的作品，無需獲得權利人許可，也無需向權利人支付報酬[10]99。合理使用通過限制著作權人的專有權利，能夠實現權利人的創作熱情與社會公眾創作能力之間的平衡。數字經濟環境下，著作權保護的利益失衡，是造成人工智能深度學習與我國現有著作權保護體系沖突的深層原因。著作權人希望獲得合理經濟利益及相應的創作激勵，限制作品獲取;而人工智能深度學習技術的發展希望自由、大量地獲取數據，以加強公眾對知識的接觸和信息傳播，促進科學文化發展。二者之間的矛盾需要通過利益平衡得到調和。與此同時，《著作權法》第49條、第50條規定了允許權利人設置技術保護措施，以限制網絡環境下作品的公眾接觸，這一做法擴大了著作權人的權利控制范圍，使著作權保護的天平傾斜于權利人一方。為重新達到平衡，應當允許社會公眾自由使用相關作品，其合理性在于二次使用者抱有以原作為基礎進行新創作的目標，有利于知識傳播和社會文化進步。如果沒有合理使用制度予以調整，過于嚴格地保護著作權人利益，則不利于技術創新和數字產業發展，不利于滿足社會公眾需要。

從技術本身特點來看，將人工智能深度學習判定為合理使用，有助于避免算法偏見。當算法設計使用的數據庫不完整或具備某種同質化特征時，就會出現算法偏見[11]。為了規避版權保護成本，人工智能開發者在設計之初可能將數據庫范圍設定為低限制的數據，例如僅使用處于公共領域內的作品。但出于歷史文化因素，這種做法可能導致輸出成果偏向某一結論，例如智能生成裁判文書傾向于判決黑人和女性為敗方。將人工智能深度學習進行合理使用判定后，人工智能在前期數據收集環節就可以獲取更加客觀全面的數據資源作為技術支撐，進而避免了數據質量造成的算法偏見。

從市場經濟規律來看，將人工智能深度學習判定為合理使用，有助于控制交易成本。如果市場失靈現象對著作權人和使用人之間可能的自由交易造成損害，則應當通過合理使用進行限制[12]87。由于人工智能僅識別作品數據，不進行權屬分辨，在浩如煙海的使用作品中找出具體的著作權屬信息并非易事。即使掌握了全部作品的著作權屬信息，一一獲得授權也會花費巨大的時間和金錢成本，而過高的交易成本往往令人工智能開發者望而卻步。若人工智能深度學習構成合理使用，能夠降低交易成本、促進交易達成，解決開發者的后顧之憂。

從國家戰略部署來看，將人工智能深度學習判定為合理使用，有助于促進產業發展。根據政策選擇理論，版權保護取向應當與國家政策取向保持一致，保護水平應當反映國家的政治經濟發展水平[13]37。國務院2017年發布的《關于印發新一代人工智能發展規劃的通知》強調加緊建立人工智能法律制度建設，以在國際科技競爭中取得主導地位，提出到2025年人工智能理論實現重大突破，部分應用實踐達到世界領先水平;到2030年總體達到世界領先水平。為了實現這一目標，應當適用合理使用制度為人工智能深度學習產業提供政策支持，在制度規定層面引領產業發展，最終實現以政策促產業的積極效果。

三、人工智能深度學習合理使用判定的兩個主要因素

在國際司法實踐中，判斷合理使用有“三步檢驗法”和“四要素標準”兩種方法。我國現行《著作權法》第24條引入了“三步檢驗法”的后兩步作為判定合理使用的一般條款，但在具體適用時仍有困難。“四要素標準”采用概括方式，對判例中的實踐經驗作出了總結，其內涵具有開放性、動態化的特點，因此能夠更加靈活地應對新情形，對于人工智能深度學習的合理使用判定具有啟發意義。在四要素中，發揮主要作用的是第一要素“使用性質和目的”和第四要素“對原作潛在市場價值的影響”。第一要素項下發展出了“轉換性使用”理論，人工智能深度學習能夠脫離原有作品的具體內容創造出獨立的新價值，具備內容轉換性;某些二次使用行為不涉及原作品內容表達，僅改變使用目的，具備目的轉換性，因此構成轉換性使用。人工智能深度學習以數據科技手段為支持發掘了新市場，通過“轉換性”實現了新舊市場的區分，因此不損害原作品潛在市場利益。

（一）從使用性質和目的判斷

使用性質和目的是“四要素標準”中的第一個要素，其后衍生出“轉換性使用”理論，內涵是在新作品的創作過程中以不同的方式或不同的目的使用原作品，賦予新作品創造性，從而達到激勵創作和加速知識傳播的效果。1976年，《美國版權法》為認定合理使用的范圍規定了四條標準⑥，1990年皮埃爾·萊瓦爾（Pierre N.Leval）法官指出四要素中第一條“使用行為的目的和特點”的重要性，并針對性地提出了轉換性使用理論，他認為轉換性使用產生的新作品應當與原作品在方式或目的上有不同之處，并且必須對原作品增添新的價值[14]1105。轉換性程度與認定構成合理使用的可能性成正相關，二次使用行為的轉換程度越高，與原著作權獨創性表達的距離就越遠，對原著作權人損害就越小，越容易被認定為合理使用⑦。

判斷人工智能深度學習的使用性質和目的，需要關注目的轉換性使用和內容轉換性使用兩種類別。

1. 內容轉換性是指以原作品為原材料，創作出新內容、新表達，使新作品包含有不同于原作品的新價值。例如在Cariou v. Prince案⑧中，新畫作將原畫作進行各種局部放大、縮小、上色、添加圖案的操作，這種大幅改動使新畫作具備了新的思想表達形式，原畫作僅作為素材使用。雖然目前著作權法尚未對人工智能創作作品的權利主體做出認定，但作品中包含的創造性是不可否認的。這種創造性的產生要歸功于人工智能深度學習的函數模型，其能夠在學習現有作品后理解了行為規律，進而可以脫離原有作品的具體內容進行富含創造性的新創作。

這一特點奠定了函數模型創作物的知識增值獨立性。函數模型對原有作品的使用，是在作品“原樣呈現”的原始價值之外挖掘出新價值的過程，這種知識增值是獨立于原作品的[15]。因此，人工智能深度學習輸出的創作成果并沒有使用某一具體原有作品的獨創性表達，或對其進行增添刪改，而是將原有作品整體作為原材料，挖掘出獨立的知識增值并創作出新信息、新見解，具有內容轉換性。但需要注意的是，一些以特定作者為學習對象的特殊學習行為不具有內容轉換性，例如巴黎一科學實驗室使用音樂家巴赫的樂曲訓練人工智能專門創作巴赫風格的音樂[16]，這種特殊學習行為是實質性相似的模仿行為，使用了具體作者的特定獨創性表達，沒有挖掘出獨立的知識增值，不能認定為具有內容轉換性。

2. 目的轉換性又稱功能轉換性，是指僅改變利用目的，不包含創作行為的使用，例如將原作品欣賞、閱讀的目的轉化為評論、報道、說明、檢索等新目的。目的轉換性使用的特點在于作品的二次使用與作品本身的表達內容無關，即“非表達性使用”，例如Bill Graham Archives v. Dorling Kindersley案中，全幅照片的使用目的由展示、欣賞轉化為記錄、說明歷史變化⑨;上海美術電影制片廠訴華誼兄弟案中，特定美術作品的價值已從藝術欣賞轉變為說明問題⑩。人工智能深度學習利用深層數據分析技術，可以挖掘數據潛在價值，轉換數據使用領域，在不進行內容創造的前提下，通過數據疊加、分組、重新整合等技術手段開發原有數據的全新價值，進而實現數據使用目的轉變。

（二）從對原作品潛在市場的影響判斷

使用性質和目的不是合理使用的唯一判定要件，不能由于僅滿足轉換性使用而進行合理使用判定[17]。如果新技術的出現改變了傳統交易平衡，自由交易市場無法實現作品使用效益最大化的交易最優情形時，著作權法就主動配置法定權利，保護使用者接觸作品的路徑。因此，合理使用判定必須以克服市場失靈為目標，被用作品的潛在市場價值是否受到損害是重要判斷因素。

市場影響因素的判斷標準在于潛在市場價值。Campbell案首次提出了“潛在市場”的定義和判斷標準。認為二次使用行為的轉換性越大，對原作品市場產生影響的可能性就越小，作品潛在市場指“傳統、合理或很可能發展起來的市場”，即傳統許可市場[18]。在此基礎上，應當通過分析生成相關市場的難易程度來判斷潛在市場。如果一個相關市場很容易形成，則為潛在市場;很難形成，則說明此相關市場已經超出權利人的合理預見范圍，不是潛在市場。我國學者從著作權保護立法目的出發，以“激勵效果”作為評價某一行為市場影響的依據，如果二次使用行為減小了原作權利人的創作激勵，則損害了潛在市場利益[19]。除此之外，美國提出了“實質損害標準”，即二次使用后的新作品是否取代了原作品的正常市場，是否實質損害了原作品權利人的市場利益。回到立法當中，“不得影響作品的正常使用，也不得不合理地損害著作權人的合法利益”可以看做損害潛在市場利益的判定標準。作品的“正常使用”指常規、傳統意義上的使用，與權利人的經濟利益掛鉤，例如許可使用費的收取;“不合理”的損害合法利益指對權利人現有或潛在利益的嚴重損害。

人工智能深度學習不損害原作品潛在市場利益，不侵犯原有著作權。人工智能深度學習創造的作品獲取相當的“轉換性”后，會形成新的作品受眾和市場，這種市場區分避免了二者互相競爭，因此人工智能深度學習的末端輸出作品不會取代原作品市場，不會嚴重損害權利人市場利益。人工智能深度學習技術挖掘的新市場需要大量數據和科技手段的支持，是非傳統性、形成難度較大的市場，已經超越了權利人可能并能夠預見的市場范圍，因此不能再給予傳統范圍的著作權保護。單一原有作品的權利人無法僅通過一部作品實施人工智能深度學習技術，也無法僅利用個人力量將單一作品的市場價值拓寬到人工智能深度學習領域中來。版權保護不是保護作品所有可能產生的利益，而應當以權利人能夠預見的范圍為限，即使人工智能深度學習技術發掘并占有了現有作品在新應用領域的價值，也不影響權利人在原應用領域內的創作積極性和市場利益。

四、完善人工智能深度學習合理使用判定標準的對策建議

對人工智能深度學習進行合理使用判定，有兩個思路：一方面，我國可以效仿某些發達國家的做法，在制度層面上，將人工智能深度學習明確規定為一種新的合理使用情形，《著作權法》第24條第13款已經打開了利用其他法律法規（例如《著作權法實施條例》）擴大合理使用法定情形的通道。另一方面，我國也可以不進行立法增設，而是在司法實踐中具體適用一般條款作出判定，可以為一般條款設置配套的司法解釋，以四要素標準為主要內容，重點關注轉換性使用和市場影響因素兩個方面。

（一）通過《著作權法實施條例》明確新的合理使用情形

在立法層面，我國可以借鑒歐盟和日本的做法，在立法中明確規定人工智能深度學習的著作權例外。日本在2009年規定，在計算機統計分析功能下，允許在介質中存儲信息或對信息進行改編[20]。到了2018年，日本摒棄了對計算機數據處理方法僅限于“統計分析”的技術限制，引入了美國的轉換性使用原則，將合理使用的目的設置為“并非為了享受作品所表達的思想或情感”，理論內涵是此種使用必須提供新知識或信息、具備轉換性質，同時強調信息處理者在復制作品、向大眾公開作品時不得損害原有作品權益[21]。歐盟在《單一數字市場版權指令》中明確了人工智能深度學習的著作權例外，允許其復制使用文本數據。歐盟對人工智能深度學習合理使用的態度經過了非商業性到商業性的轉變。在2016年提出的《單一數字市場版權指令草案》中，歐盟仍然將認定合理使用的范圍限制在非商業性的科研領域，規定只有科研機構在為了科學研究目的進行工作時才可以對現有作品進行復制[22]。但2019年正式通過的《單一數字市場版權指令》中，具有商業性目的的復制和數據處理也被允許，同時規定了著作權利人可以明示排除文本數據被使用者進行商業性復制的權利[23]。

具體來說，以著作權法第24條第13款中的“其他法律法規”為支撐，通過《著作權法實施條例》將人工智能深度學習技術增設為一種新的合理使用情形。《著作權法》第24條在列舉合理使用法定情形時，添加了第13種情況：“法律、行政法規規定的其他情形”。此舉一是方便法官在司法實踐中利用一般條款對實際情況靈活做出判斷，二是方便通過其他法律法規擴大合理使用的法定情形，以適應社會變化。在通道選擇上，以《著作權法實施條例》《信息網絡傳播權保護條例》或《計算機軟件保護條例》為通道，將人工智能通過數據分析、數學建模進行深度學習的行為具體列出，增設為合理使用的一種情形[24];在具體規定上，可以參照《日本著作權法》第30條之非享受性使用條款，以“用于信息分析的情形”為切入點，將人工智能深度學習歸屬于合理使用行為。需要注意的是，不應當將認定合理使用的范圍限制在“非商業性”領域。國家鼓勵面向市場的科學研究活動，且鼓勵企業與科研機構進行聯合研發。公立科研院所與企業進行具有商業目的的科學研究非常普遍，企業自己設立的商業性科研部門也是我國科研成果產出的中堅力量。只有將人工智能深度學習的合理使用范圍放寬至商業性領域，才能順應國家政策導向，推動人工智能深度學習技術發展。

因此，在修訂《著作權法實施條例》時，可以增加新的人工智能深度學習合理使用情形：“為人工智能利用數據分析進行創作，存儲、復制他人作品，并將創作結果提供于社會公眾。”

（二）建立合理使用一般條款的司法實踐指導體系

構建合理使用制度模式，應當結合規則主義與因素主義。在合理使用制度選擇上，美國采用“因素主義模式”，開放式地對合理使用進行因素判斷;我國采用“規則主義模式”[25]167，未接受完全開放的布局，但通過兜底條款與一般條款的結合增加條文適用彈性。以上兩種模式可以相互補充適用，以現有的“三步檢驗法”一般條款為基礎，補充四要素標準作為司法解釋，設立以轉換性使用為主，以市場影響要素為輔的規則，從而具化三步檢驗法的抽象標準，最終構建一條符合我國特色的合理使用判定道路。

四要素標準中的第一、第四要素與三步檢驗法中的后兩步有一定的對應性，前者可以為后者提供更加具體的標準。因此，司法解釋對合理使用一般條款的細化應當體現在以下兩個方面。

1. “使用行為的目的和特點”，主要以轉換性使用理論作為判斷依據。司法解釋中要明確轉換性使用的本土含義以及配套的判斷標準，以提高其含義的穩定性和可預測性，防止轉換性使用原則范圍不當擴張后用以規避侵權責任。四要素標準中的第二、三要素“被使用作品的性質”“被使用部分與整個作品的比例關系”可以作為判定轉換性使用的輔助因素，一般來說，二次使用行為的轉換性程度越高，被使用作品的獨創性越低，使用部分占整個作品的比例越低，行為構成合理使用的可能性就越大。除此之外，還應適當補充對社會公共利益的價值判斷，涉及危害社會公共利益的行為不能被判定為合理使用。

2. “使用行為對被用作品的潛在市場價值有無重大不利影響”，即市場價值判斷。這一要素的本質是轉換性使用在結果層面上的反映，二次使用行為的轉換性程度越高，對原有作品市場的影響就越小，因為這種高度轉換性產生了區分市場、避免競爭的效果。在四個要素中著重強調第四因素對轉換性使用判斷的影響，一是基于四要素標準和轉換性使用發展歷程的回顧，對市場中心主義回復趨勢的肯定和強調，二是基于四要素標準和三步檢驗法在“市場因素”領域產生了重合，第四要素與我國實際立法情況緊密結合，且市場因素在公眾認知范圍較為熟悉、易于接受，有利于降低實際辦案過程中的操作難度。

但需要強調的是，由于四要素標準的目的在于提供合理使用判斷的四個方向，不以四個要素全部滿足為必要條件[26]，因此我國司法解釋也應當允許法官對以上兩個要素進行單一或疊加考慮。

因此，可以設置司法解釋條文：“使用可以不經著作權人許可、不向其支付報酬的作品的，人民法院在判斷是否影響作品的正常使用及著作權人的合法權益時，應當考慮使用行為是否進行新內容或價值創造、是否在其他領域以其他目的進行、是否嚴重影響原作品的潛在市場價值等情節綜合確定。”

五、結語

人工智能深度學習能夠理解并掌握人類行為規律，創造出符合人類審美規則的新作品，或者開發出原有作品不曾涉及的新領域用途。然而，目前我國嚴格的著作權保護措施阻礙了這一新興技術的高速發展。合理使用規則對人工智能深度學習技術的數據利用提供了更深厚的底氣，不至于使技術開發者因為高昂的許可成本望而卻步，也不至于使深度學習技術因為無法獲取足夠數量和質量的數據而偃旗息鼓。對人工智能深度學習進行合理使用判定，主要應當關注其使用性質和目的，以及它對原作品潛在市場的影響。可以通過《著作權法實施條例》為人工智能深度學習增設新合理使用情形;或者也可以對合理使用一般條款的實施方式進行附加解釋，在司法解釋中補充四要素標準，這是取因素主義模式之長，補規則主義模式之短的方法，能夠有效幫助司法實踐中人工智能深度學習技術的合理使用判定。

注 釋：

① 最高人民法院《關于充分發揮知識產權審判職能作用推動社會主義文化大發展大繁榮和促進經濟自主協調發展若干問題的意見》第8條，法發[2011]18號。

② 谷歌公司與王莘侵害著作權糾紛上訴案，北京市高級人民法院（2013）高民終字第1221號民事判決書。

③ 吳銳與北京世紀讀秀技術有限公司侵犯著作權糾紛案，北京市海淀區人民法院（2007）海民初字第8079號民事判決書。

④ 北京菲林律師事務所訴北京百度網訊科技有限公司著作權侵權糾紛案，北京互聯網法院（2018）京0491民初字第239號民事判決書。

⑤ 深圳市騰訊計算機系統有限公司與上海盈訊科技有限公司著作權權屬、侵權糾紛、商業賄賂不正當競爭糾紛案，廣東省深圳市南山區人民法院（2019）粵0305民初字第14010號民事判決書。

⑥ 四要素標準：（1）要看有關使用行為的目的和特點;（2）要看被使用的作品的性質;（3）在所使用的作品中，被使用的部分與整個作品的比例關系;（4）看使用行為對被用作品的潛在市場價值有無重大不利影響。劉春田：《知識產權法》，中國人民大學出版社2014年版，第120頁。

⑦ 深圳市騰訊計算機系統有限公司，騰訊科技（成都）有限公司等與重慶天極暢娛網絡有限公司，北京字節跳動科技有限公司等不正當競爭糾紛案，重慶市第一中級人民法院（2021）渝民終3805號二審民事判決書。

⑧ Cariou v. Prince， 714 F.3d 694 （2nd Cir. 2013）。

⑨ Bill Graham Archives v. Dorling Kindersley， 448 F.3d 605 （2nd Cir. 2006）。

⑩ 上海美術電影制片廠訴浙江新影年代文化傳播有限公司案，上海知識產權法院（2015）滬知民終字第730號民事判決書。

11 Harper&Row，471 U.S. at 566-68， 105 S.Ct.at 2234，2235。

12 《日本著作權法》（平成30年法律第30號）第30條之4規定：“在如下所列情形以及其他情形下，當對作品的利用并非為了自己或他人享受作品所表達的思想或情感時，在使用的必要范圍內，可以以任何方式利用作品。但是，如果根據作品的種類及用途，作品利用方式會對著作權人利益產生不當損害的情形下，不適用本規定。第一，用于與作品的錄音、錄像或其他使用相關的技術開發或實用化試驗情形;第二，用于信息分析的情形;第三，除上述兩種情形以外，在電子計算機信息處理過程中對作品表達所進行的不被人類感知和識別的利用情形，但不包括電子計算機執行計算機程序作品的行為。” 參見鄭重：《日本著作權法柔性合理使用條款及其啟示》，《知識產權》2022年第1期，第128頁。

13 參見《科學技術進步法》（2022年1月1日施行）第29條：“國家鼓勵以企業為主導，開展面向市場和產業化應用的研究開發活動。”第31條：“國家鼓勵企業、科學技術研究開發機構、高等學校和其他組織……按照市場機制聯合組建研究開發平臺。”

參考文獻：

[1] 徐龍.機器學習的著作權困境及制度方案[J].東南學術，2022（2）：237-245.

[2] 焦和平.網絡游戲在線直播的著作權合理使用研究[J].法律科學（西北政法大學學報），2019，37（5）：71-81.

[3] 熊琦.著作權轉換性使用的本土法釋義[J].法學家，2019（2）：124.

[4] 宋雅馨.文本與數據挖掘的版權例外——以歐盟版權指令修改草案為視角[J].電子知識產權，2017（6）：42-51.

[5] 劉友華，魏遠山.機器學習的著作權侵權問題及其解決[J].華東政法大學學報，2019，22（2）：68-79.

[6] ARTHUR.L.SAMUEL.Some Studies in Machine Learning Using the Game of Checkers[J].IBM Journal of Research and Development，Vol.3，No.3，1959，p.211.

[7] CASTIGLIONI ISABELLA，ISABELLA，RUNDO LEONARDO，CODARI MARINA，DI LEO GIOVANNI，SALVATORE CHRISTIAN，INTERLENGHI MATTEO，GALLIVANONE FRANCESCA，COZZI ANDREA， D'AMICO NATASCHA CLAUDIA，SARDANELLI FRANCESCO. AI Applications to Medical Images：From Machine Learning to Deep Learning[J].Physica Medica，2021，83.

[8] 王遷.復制權與信息網絡傳播權的關系[J].湖南師范大學社會科學報，2022，51（2）：1-9.

[9] 焦和平.人工智能創作中數據獲取與利用的著作權風險及化解路徑[J].當代法學，2022，36（4）：128-140.

[10] 吳漢東.知識產權法[M].北京：法律出版社，2014：99.

[11] Amanda Levendowski.How Copyright Law Can Fix Artificial Intelligences Implicit Bias Problem [J].Washington Law Review，Vol.93，No.2，2018，pp.583-584.

[12] 曾琳.版權法第三次修正下的“限制與例外”制度應用研究[M].北京：中國政法大學出版社，2016：87.

[13] 梅術文.版權法：原理、規范和實例[M].北京：知識產權出版社，2014：37.

[14] PIERRE N.LEVAL.Toward a Fair Use Standard [J].Harvard Law Review，Vol.103.Issue 5.1990.pp.1105.

[15] 徐小奔，楊依楠.論人工智能深度學習中著作權的合理使用[J].交大法學，2019（3）：32-42.

[16] COLIN MARSSHALL. Artificial Intelligence Writes a Piece in the Style of Bach：Can You Tell the Difference Between JS Bach and AI Bach？[OL].[2022-10-11].OPENCULTURE，http：//www.openculture.com/2018/01/artificial-intelligence-writes-a-piece-in-the-style-of-bach.html.

[17] 種曉明.著作權合理使用中“轉換性使用”原則的再界定——美國“Kinder Guides案”及其啟示[J].今傳媒，2019，27（2）：21-25.

[18] 謝琳.論著作權合理使用的擴展適用——回歸以市場為中心的判定路徑[J].中山大學學報（社會科學版），2017，57（4）：162-174.

[19] 蔣珂.論合理使用中的“行為”——兼評谷歌圖書案[J].法學評論，2015，33（6）：185-193.

[20] JAPAN AMENDS ITS COPYRIGHT LEGISLATION TO MEET FUTURE DEMANDS IN AI AND BIG DATA.Available at https：//eare.eu/japan-amends-tdm-exception-copyright/. 2022，10.

[21] Copyright Law of Japan Article 47-5（Minor Exploitation Incidental to Computerized Data ?Processing and the Provision of the Results Thereof）.Available at https：//www.cric.or.jp/english/clj/cl2.html#chapter2sect3sub5.2022，10.

[22] Proposal for a Directive of the European Parliament and of the Council on Copyright in the Digital Single Market，COM（2016）593final（Sept.14，2016），Art.3.

[23] ?DIRECTIVE（EU）2019/790 OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL of 17 April 2019 on Copyright and Related Rights in the Digital Single Market and amending Directives 96/9 EC and 2001/29/EC， Art.3，4，7.

[24] 王遷.《著作權法》修改：關鍵條款的解讀與分析（上）[J].知識產權，2021（1）：20-35.

[25] 王清.著作權限制制度比較研究[M].北京：人民出版社，2007：167.

[26] 姜亦周.中國著作權合理使用制度之演變與完善研究——從1991年《著作權法》到2014年《著作權法（修訂草案送審稿）》[J].出版科學，2019，27（3）：45-52.