生成式人工智能創作使用作品的合理使用調適

摘 " "要：技術迭代易造成規則失范，隨著生成式人工智能技術與創作的深度融合、著作權權利邊界的不斷擴張，以及著作權領域不同利益之間的雜糅、沖突與博弈，對于生成式人工智能創作使用作品的法律規制已迫在眉睫。從合理使用的制度功能出發，生成式人工智能創作過程吸納合理使用具備了相當程度的正當性與可行性。但是，合理使用的適用過程也面臨著利益平衡格局受損、現有規定適用困難以及與技術措施協調不足等現實梗阻，而這也對合理使用的適應性、柔韌性和包容性提出了新要求。未來，可從專門例外、三步檢測法、技術措施、配套措施等方面進行完善，以調適著作權領域相關主體差異化的利益訴求，實現產業發展、私權保護與公共利益的良性互動。

關鍵詞：生成式人工智能；合理使用；三項檢驗法；技術措施

中圖分類號：D 923 " " " " 文獻標志碼：A " " 文章編號：2096-9783（2024）03?0077?11

黨的二十大報告指出要“加強新興領域立法”。數字技術催生法律變革。以生成式人工智能為代表的新興技術在催生創作新模式的同時，也沖擊了原有的利益格局。立論于合理使用之功效，生成式人工智能創作過程若然沒有合理使用制度的支撐與擴張，無疑會掣肘知識增值效率與社會福利提升，對于技術創新、文化繁榮與社會發展相當不利。而且，從域外視角觀察，美日等發達國家也都對人工智能適用合理使用設置了相對寬松的條件， 以賦予人工智能技術更大的產業發展空間。對我國而言，在目前的著作權法框架下，生成式人工智能創作使用作品是否滿足合理使用的條件，我國現行立法并未直接規定，而這也使得合理使用制度適用不具有確定性、可預見性及適應性。換言之，在這一背景下，合理使用是否需要讓渡更多的合法空間以及如何讓渡都將成為重要議題。

一、合理使用的適用變遷與生成式人工智能創作使用作品的邏輯與形式

（一）現行合理使用的適用變遷

一般認為，合理使用是指在特定情況下，使用者無須征得著作權人的許可且不必支付費用。合理使用的設置初衷是為了防止對作品的過度保護而限制公眾對作品的必要接近。“合理使用”一詞最早可以追溯英國的“Cory v. Kearsley案”中，法院認為，“并非每一種抄襲均當然構成侵權，使用者可能基于使用他人作品達到促進公共利益與科技發展的目的，此時判定關鍵在于使用范圍是否合理。[1]”從國際上看，關于合理使用的立法模式主要存在因素主義和規則主義兩種立法模式[2]。前者以美國為典型代表，強調通過設定合理使用判斷要素以供司法實踐參考。例如，美國法上的“合理使用”由司法在個案累積中創造，特別是在“Folsom v. Marsh案”判決中確立了合理使用判斷標準后，司法實踐持續擴充合理使用的實質性內涵，最終被美國著作權法第107條正式吸納。根據該條規定，檢驗合理使用的四個要素包括：（1）使用的目的和性質；（2）受版權保護作品的性質；（3）使用受版權保護作品的數量和比重；（4）該使用對版權作品潛在市場和價值的影響。但是四因素應以何種順序進行考量，權重如何配比依然存在很大的判斷余地。在此基礎上，Leval法官在《論合理使用標準》一文中提出了“轉換性使用”理論，他認為轉換性使用可以從內容性轉換和目的性轉換兩個層面理解。之后，美國聯邦最高法院在審理“Campbell案”時直接引用了這一理論，并成為正式承認“轉換性使用”理論的里程碑案件。尤為需要注意的是，最高法院進一步宣示：“雖然轉化要素并非成立合理使用的當然要件，但是轉化程度越高，其他‘合理性’標準越弱，如可能推定成立合理使用的商業目的。[3]”規則主義模式則強調對合理使用采用封閉式規定，這種模式下的合理使用通常被表述為“著作權的限制與例外”。需要指出的是，在國際層面，著作權合理使用的認定標準還涉及極為重要的“三步檢測法”，《伯爾尼公約》等國際條約中也均對“三步檢驗法”作出了明確規定。“三步檢測法”具體是指：（1）限于特定情形；（2）不得與作品的正常使用相沖突；（3）沒有不合理地損害著作權人的合法利益。我國在引進合理使用時采取了封閉列舉式立法，但是現行《中華人民共和國著作權法》（以下簡稱《著作權法》）在第二十四條增加了關于 “三步檢驗法” 的抽象性規定，以及 “法律、行政法規規定的其他情形”。整體來看，此次修改看似采用列舉+抽象規定模式，但實際上仍囿于規則主義立法模式之中，未來仍有很大的調整空間。

（二）生成式人工智能創作使用作品的邏輯與形式分析

生成式人工智能的技術原理主要是利用機器學習模型，通過對大量數據的學習來理解并創建新內容。在能夠產生新作品之前，從大數據運算中總結規律的過程便是機器學習環節[4]。應當說，人工智能神經網絡系統是通過高仿人類神經網絡系統特征而建構成型，其中機器學習便是通過算法有計劃地微調系統中的初始權重數值，使得相對入口到出口對應關系達到最優化的過程。因此，人工智能神經網絡系統使得人工智能具備了相當程度的自主學習能力，在創作過程中其根據已有的學習模式對作品數據進行挖掘，調整并改進學習方式進行自我優化進而輸出新作品[5]。基于類型化分析，機器學習可分為監督學習、非監督學習以及強化學習，監督學習是以目標標記訓練建構學習范例；非監督學習數據則不必事前標記而直接輸出聚類后的數據；強化學習則是介于二者之間，其不需要事先預備入口及出口的對應樣本，也不需要有事先定好精確的微調算法，直接在動態環境中執行特定任務，利用未知狀態來做出情境判斷，確保可以在不同情境中趨對避錯以達學習效果[6]。例如，ChatGPT便引入了人類反饋強化學習機制，這一強化學習機制使得算法模型逐漸契合人類的認知模式，從而具備了相當程度的強人工智能色彩。

根據生成式人工智能的運作機理，若以是否具有表達性內容輸出作為區分標準，可以分為非表達型和表達型機器學習[7]。前者如自然語言處理系統、人臉面部識別系統等，因其不是著作權法意義上的使用作品，故不在本文討論范疇。后者則主要是指有表達性內容輸出的機器學習，其作品輸出端往往具有不同程度的擬人化特征，而這也是生成式人工智能創作的典型特征。在此基礎上，目前大致可以將生成式人工智能分為兩種樣態：一是作為人類輔助創作工具的生成式人工智能，例如新聞寫作機器人；二是以ChatGPT為代表的具有自主創作能力的生成式人工智能。無論是何種樣態的生成式人工智能，探討其使用他人作品的形式都繞不開數據輸入、模型訓練以及數據生成這三個環節。數據輸入階段的主要任務是將原始數據數字化和結構化，數字化是將原始數據轉換為模型可處理的格式，如將文本轉換為數字序列。結構化是繼續優化數據，并將其按照一定的結構和模式進行編排，便于下一階段的學習分析。依據我國《著作權法》中數字化復制作品的情形，只要輸入的數據屬于作品且仍在保護期之內，那么無論是數據格式生成還是轉化等過程，原則上都應落入復制權的控制范疇[8]，甚至可以說生成式人工智能創作全程的侵權風險都是以侵犯復制權為核心而展開的。此外，在模型訓練和數據生成階段，由于作品數據會被多次復制、修改和反復運行，還有可能涉及對作品的改編、翻譯、匯編等行為，并有可能衍生出具有相同或類似風格的演繹作品。

二、生成式人工智能創作使用作品適用合理使用的可能緣由

（一）合理使用的價值理性契合人工智能產業政策及技術正向價值

從產業視角來看，根據政策選擇理論，著作權保護取向應與國家政策導向保持或趨近一致[9]。基于此，合理使用的選擇與調適既要從個體權益保護出發，堅持嚴保護的態度基調，堅持高標準嚴要求，又要統籌產業發展實際，注重彈性和政策性，以期達至“分門別類、寬嚴適度”保護之調和目的。從國家戰略導向來看，新質生產力形成發展的關鍵在于核心技術突破，推動產業高質量發展的本質要求也是實現高質量的科技創新。人工智能作為核心技術突破和高質量科技創新的基礎領域和典型代表，近年來發達國家和地區大多將人工智能戰略視為頂級層面的強國子戰略。從2017年開始，我國開始將人工智能戰略上升為國家戰略，發布了《關于印發新一代人工智能發展規劃的通知》，并持續強化人工智能產業發展的頂層設計。2021年出臺的“十四五”規劃綱要將人工智能作為新興信息技術的代表列于首位。黨的二十大報告更是明確提出要構建人工智能等一批新的增長引擎。在著作權領域，《知識產權強國建設綱要（2021—2035 年）》提出，“實施版權創新發展工程，打造版權產業集群，強化版權發展技術支撐”。由此可見，我國正在快速積極主動完善人工智能產業布局，搶占前沿技術發展先機和產業發展制高點。例如，隨著OpenAI在GPT基礎上迭代更新GPT-2、GPT-3、GPT-3.5、ChatGPT 和GPT-4等進程的不斷加快，國產大模型項目爭相涌現，包括百度的“文心一言”、 阿里的“通義千問”、華為的“盤古”、360的“360智腦”等。在這一過程中，生成式人工智能的基礎是大數據、大算力和大模型，而這些無疑都需要海量數據的獲取與使用作為支撐點，合理使用正好可以依托其提升數據可及性的顯著優勢，同時在合法范疇內最大程度地創設一個安全穩定且沒有后顧之憂的研發環境，為強化學習技術的充分發展提供靈活快速的階段化最佳渠道，最終以促進技術進步和產業發展來確保強國富民之福祉的實現。

從技術正向影響價值來看，合理使用維護技術正向影響主要體現在規制市場失靈與克服算法偏見兩個方面：對于規制市場失靈而言，首倡以市場失靈理論來理解合理使用的戈登教授提出了主張合理使用的三種情形：市場失靈真實存在；被告的使用模式整體對社會利大于弊；對作者的創作誘因不會產生實質損害[10]。在導致市場失靈的諸多因素中，戈登教授尤為強調交易成本。面對交易成本過高所引起的市場失靈，著作權人的最佳策略本應是創造最有效率的授權市場。但是，市場效率越高，失靈風險越低，使用者主張合理使用抗辯的難度越大。基于此，許多傳統上被認為是合理使用的行為將會被持有否定性評價。據此，部分學者提出以付費使用或價格歧視取代合理使用。以價格歧視為例，價格歧視的基礎在于賣方能夠區分出消費水平不同的消費者，并且防止不同價格之間的消費者相互私下交易[11]，但是這也對賣方的市場控制力提出了更高的要求。在生成式人工智能創作這一場域，不同于傳統算法設計內容的簡單生成，生成式人工智能的算法模型包括生成對抗網絡、擴散模型和轉換器模型等，這些算法模型的訓練本身要依托各型各類新興作品的使用方式，而且從結果來看又會批量化產出同質或異質性作品，進而無法達至“無更好替代品”之市場控制效果。同時，智能技術愈發成熟，機器學習所涉數據流動愈難以預測和控制，防止消費者之間私下交易也就愈發困難。況且，即便實施價格歧視機制，著作權市場也面臨正外部性內部化的問題，著作權人也未必能如期成為最大受益者，社會福利也無法達至最大化[12]。因此，價格歧視機制根本無法替代合理使用之功效。此外，排斥合理使用所致市場失靈的另一面向是，可能導致大型人工智能企業贏者通吃甚至是惡性壟斷的局面發生，其重要的現實表征就是大企業可以通過著作權許可甚至是獨家許可來獲取作品數據，而人工智能中小研發企業卻囿于自身實力，或只能從侵權風險低的公共領域獲取作品數據，或“被迫”直接毫無限制地大規模使用。如此一來，不僅對中小企業人工智能研發不利，更容易助長技術霸權和資本無序擴張的市場亂序。此外，由于生成式人工智能“強算法”的特性往往導致其所涉的侵權行為隱蔽性極高，或由于維權成本顯著高于預期收益，抑或因為舉證不能而承擔敗訴的不利后果，或因勝訴后而中小企業無力執行，此時對著作權人所涉權益保護也相當不利。

對于克服算法偏見而言，能夠解決算法偏見的技術主要包括反向工程和算法問責程序[13]，但是這兩項技術都有侵權疑慮。一方面，數字時代著作權人主要通過著作權法默認的“選擇加入”作品使用機制，排除了相關利益主體的合理使用行為，即使是基于正當或者公益目的而接觸使用，也極大阻礙了適法反向工程和算法問責機制的實施。另一方面，日趨擴張的“超著作權”保護，往往使得著作權人的接觸措施保護程度較高，而這在很大程度上也成為阻礙數據挖掘、加劇算法偏見的源頭隱患[14]。從運作機理上溯源，生成式人工智能研發能否取得實質性突破往往取決于相應數據的完整性。這一研發進程所需要的作品數據往往都達到巨量級別，而使用者往往因為權利限制或技術措施而難以獲取。此時，若是選擇法定許可模式，便會產生部分人選擇許可而部分人拒絕許可的相關情形，即便著作權人都選擇許可模式，但是征得許可的時間成本必須考量，以及許可費用也是巨額數字，況且配套措施的體系化不足也會導致其效不彰，這些無疑都加劇了社會內隱偏見[15]。

此外，以公益性視角觀之，著作權法賦予權利人壟斷權只是手段，促進知識增值才是目的。隨著人工智能時代數據信息的指數級增加，生成式人工智能作為高效率低成本的創作模式，其發展應用本身依賴于大規模的語料，投喂語料越多，就越能為消費者提供優質的交互體驗。生成式人工智能創作則不斷通過促進數據信息的創造、累積及交換，持續吸納公眾獲取知識信息的社會成本，而這一過程正是將知識資源最大化利用并普惠化分享、進而獲得社會凈效益的過程，同時合理使用所秉持的創作機會平等理念也得到極大彰顯。總之，秉持對新興科技發展適度謙抑的立場，生成式人工智能創作吸納合理使用已日趨成為衡平利益視角下各國政策選擇、維護技術正向影響并最終達至增進社會福祉的最大公約數。

（二）域內外合理使用已有判定的相關適用經驗提供了現實可能

以比較視角觀察，域內外合理使用制度已有對人工智能創作行為的包容性回應。從合理使用的整體判定來看，美國相較而言最為寬松，當人工智能創作特別是在不涉及公眾傳播時基本不作侵權認定，只是輸出結果的呈現需要獨立考量侵權與否。從轉換性使用來看，內容性轉換主要考察其是否明顯具有知識增值之作用；目的性轉換往往聚焦于使用行為是否會產生原作品的市場替代物。特別是，即便使用行為可能會造成某些預期損失，卻并不足以對原作品或其衍生品產生實質性競爭威脅時，也可作出合理使用的傾向性認定。需要指出的是，從內容轉換性到目的轉換性也顯示著一種爭議性的擴張，特別是在目的層面幾乎所有的作品使用都具有或多或少的轉換性[16]。應當說，相當一部分的轉換性使用保證了使用者“二次創作”的轉化行為，使公眾有機會接觸新興利用方式所產生的新作品，結果上具備更優的公益目的。再如，歐洲也普遍增設限制性條件的“文本與數據挖掘例外”。例如：2014年實施的《英國版權法》便明確規定文本和數據挖掘屬于合理使用；2016年，法國也將這一例外寫進了《知識產權法典》；日本知識產權戰略本部制定的《知識產權促進計劃》曾建議設置“允許所有進行公正利用的一般性權利限制規定”。在此基礎上，2018年，日本對其《著作權法》進行修訂時，亦將新興技術領域的作品使用視為開展計算機分析復制的例外，同時引入美國轉換性使用規則用以輔助判斷“必要”程度。與之類似，在“王莘與北京谷翔公司、谷歌公司侵害著作權糾紛案”中，我國二審法院亦借鑒了美國轉換性使用規則，將谷歌公司的使用行為認定為合理使用。我國最高人民法院還曾直接在司法政策文件中宣明“既要加強網絡環境下著作權保護，又要注意促進信息網絡技術創新和商業模式發展”。我國的相關審判實例以及司法政策的原則性宣示也在很大程度上形構了人工智能創作所涉侵權行為的司法認定基調。

從人工智能創作中最為關鍵的復制行為來看，應當說，著作權法的目的從來不是旨在禁止作品復制，而是要區別非法復制和合法復制的法律[17]，而且若機器閱讀階段就作復制侵權認定，那么后續機器學習與輸出階段的侵權風險將會伴隨式大幅提高。對此，反向工程中的“中間性復制”可提供區別非法復制和合法復制的相關見解，所謂“中間性復制”既可能是復制產品功能、操作方法或執行原則，也有可能是全面系統地整體復制。一方面，“中間性復制”屬于實現技術功能的必要手段，除此以外并無其他替代方案可以選擇，即便存在理論可行的替代方案，那么成本之高往往也不是相關從業者所能承擔的。而且，如果能夠證成是 “轉換性的” “變革性的”使用，其復制范疇還以突破“數”與“質”的限制，大量使用原作品亦可作出合法評價[18]。在中國“王莘與北京谷翔公司、谷歌公司侵害著作權糾紛案”中，二審法院便將谷歌公司的復制行為視作合理使用的前置行為，不再單獨予以評價。另一方面，反向工程的目的在于探究設計思想，不排除有鼓勵社會或其他業者反向創新的意涵，而反向創新的多樣化創作內容最終會使得公眾受益[19]，司法實踐亦可能認定為不侵權的轉換性使用。例如，美國大多學者從政策角度肯定反向工程解決軟件間或軟件與平臺間兼容性的問題，以規制軟件著作權人濫用問題。在“Sega Enterprise， Ltd. v. Accolade， Inc案”中，上訴法院認為軟件程序通常以并非人類所能直接理解或辨識的“目的碼”方式呈現，故而無法得知該程序所存在的功能考量及思想安排。因此，被告通過復制原告源代碼的行為并不屬于非法復制，應構成合理使用。在思想和表達兩分法架構下，復制行為旨在探究數據安排上的規律、風格或模式等，而這些往往不會落入著作權法保護范疇。

三、生成式人工智能創作使用作品適用合理使用的風險梗阻

（一）對傳統利益平衡格局的結構性沖擊

首先，傳統“版權保護—合理使用”的結構化平衡正在被打破，隨著生成式人工智能創作的擬人化屬性越發明顯，例如GPT-4的智能表現已無限接近人類水平，甚至都不再局限于設計者自身的智能程度，相比之下，作者的“神壇地位”已日漸式微，與此對應，相關著作權應受到更多限制使之與其在創作中的智力貢獻相對應、相匹配[20]。從這個角度講，合理使用的制度地位應有所提升。但與此同時，生成式人工智能時代著作權人和使用人的地位可能不再對等，特別是著作權人對其作品的控制力會被大大削弱，機器學習所涉的數據流動也愈發難以預測和控制，這不僅會導致著作權人的預期利益受損，還會在很大程度上影響著作權人的創作誘因。現實中，人工智能研發公司多為商業巨頭，具有個體無法比擬的技術、經濟和組織優勢，而著作權人多為分散個體且自身力量單薄，權利救濟成本高，這些共同導致了著作權人的利益爭取變得愈加困難[21]。再者，數字時代，普通公眾既是文化內容的潛在消費者，更是文化內容的潛在創造者，相關主體時刻處于知識產權利益鏈條之上并隨時可能成為享有預期利益的著作權人。此時，研發公司大都通過格式條款的形式獲取、使用公眾作品。例如，在用戶生成內容的模式下，用戶注定要讓渡全部或部分與其發布內容有關的著作權，以享受平臺服務。在這利益互換的過程中，作品的原始價值和持續開發的深度價值，將在無形中進一步從著作權人流向人工智能巨頭，進而導致部分著作權人無法通過作品獲得預期利益。在這一背景下，若不秉持合理使用制度的有限性原則，將會誘發資本霸權的無序擴張和新一輪的技術壟斷，進而形成作品再創作的市場壁壘，導致部分作者無法實質性參與由生成式人工智能創作所構建的新市場，將再度弱化著作權人的創作誘因，最終沖擊傳統著作權價值鏈所形成的利益平衡格局。

（二）現有的合理使用類型難以靈活適用

我國現行《著作權法》第二十四條第一款規定了合理使用制度，其中的第（一）項“個人學習、研究”、第（二）項“適當引用”、第（六）項“科學研究”可能構成主張合理使用的依據，但在具體適用時卻極為困難。其一，無法直接適用第（一）項的個人使用條款。從主體限制來看，第（一）項中的主體要求必須為自然人。但是，生成式人工智能的系統研發往往需要團隊化運作，其現實擔承主體大多是國家科研機構或大型龍頭企業等法人或其他組織，顯然個人無法單獨完成這樣的重責[8]。即便是作為自然人的科研人員，其研發行為也多為職務行為而非個人行為，主體性難以滿足。此外，“個人使用”還意味著“非營利性”的要求或者說排斥商業性使用。一般認為，商業性使用是否定合理使用的基礎。例如，在市場利益影響度的證明規則中，原告雖不須證明損害發生的必然性，不過至少要證明損害發生的可能性。此時，若使用行為出于商業目的，則該可能性推定成立，反之則須證明。客觀來講，機器閱讀和學習的目的往往并不在于學習、研究本身，而是基于自動學習結構和模式創造出新的高質量且具有市場價值的作品。而且，即便確實出于非商業性目的，司法實踐中關于目的爭議的攻防也較為激烈，實難明顯化區隔。其二，無法直接適用第（二）項“適當引用”條款。盡管該項能解決主體限制的問題，但生成式人工智能使用作品明顯不符合“適當引用”需要具有的“介紹、評論和說明”這一目的要件，原因同上，不再贅述。其三，無法直接適用第（六）項“科學研究”。一方面，這一例外的主體僅限司職教育、科研的公共事業單位，將人工智能研發公司排斥在外。另一方面，這一例外對于復制“量”有明顯的限制。這一目的的合理使用只允許“少量”復制，完全不足以滿足機器學習的“巨量”復制需求，而生成式人工智能的典型特征之一就是參數規模大，可以說，全文復制應為算法創作之常態化要求。需要指出的是，現行規定難以適用還體現在“三步檢驗法”和兜底條款的適用缺陷。一方面，著作權法第二十四條新增加的“三步檢驗法”僅限于“在下列情況下使用”，實質是一種非開放規定，這也導致法院很難根據該條“解釋”出新的限制或例外[20]。另一方面，2020年《著作權法》增加了兜底條款，即“法律、行政法規規定的其他情形”，而這也存在判斷余地較大的疑慮，甚至不排除存在先射箭再畫靶的可能。

（三）技術措施與合理使用的協調性不足

生成式人工智能創作本質上是由大數據所驅動的，且不同于傳統的數據挖掘和分析主要依靠專家標注數據、設計特征等， 其算法創作主要依托在大量無標注數據上進行無監督學習[22]，而這在很大程度上離不開對于技術措施的規避。技術措施發軔于著作權人自力救濟以對抗盜版行為。技術措施的保護力被削弱，著作權人對其作品的控制力也受到影響。由于技術的可破解性，權利人繼而訴求立法禁止規避技術措施。目前，技術措施的著作權保護集中表現為反規避條款——禁止未經許可的規避行為。技術措施、反規避條款共同構成了“技術—法律”的雙重保護。但是，接觸措施本身有可能使著作權人對作品內容加以控制，這很有可能擠占公眾自由使用知識資源的空間，進而與著作權法思想自由獲取的宗旨相悖。換言之，技術措施本質上與互通性的開放要求相沖突，反規避條款禁止更加劇了此種沖突[23]。在生成式人工智能創作過程中，合理使用是否可以成為規避技術措施的依據也將成為焦點。首先，從國家戰略導向出發，對于發展轉型期的我國而言，依然在很大程度上需要借助現有的智能資源或知識成果，并力求在適法范圍內盡可能促進數據的自由流動，過于嚴格的反規避條款，則完全不足以因應技術創新與數字產業的迅速發展。況且，反規避條款本身就會存在阻礙公眾利用思想累積創新的可能。其次，從規范分析的角度觀察，目前，我國關于技術措施的規定散見于《信息網絡傳播保護條例》《著作權法》等法律法規。其中，《信息網絡傳播權保護條例》規定表明，技術措施既包括保護著作權專有權利的技術措施，又包括防止未經許可接觸作品的技術措施。前者一般對應為使用控制措施，后者一般對應為接觸控制措施。我國的反規避條款與歐盟相類似，即側重著作權人保護立場。應當說，在數字環境下，我國禁止規避技術措施的例外情形還是明顯較少的，且缺乏技術措施保護例外制度的適用調整規制，容易弱化公眾的合理使用利益[24]。同時，目前對于技術措施的界定中未設定“有效性”的判斷標準，技術措施自身特性極易導致作者對其作品的絕對化控制，因而判斷余地過大的后果就可能導致技術措施的濫用[25]，而這一濫用可能基于生成式人工智能大模型的構建而引發新型的重大風險。此外，我國相關立法并沒有類型化禁止規避區分兩類技術措施的例外，且反規避的例外情形與法定合理使用情形是有部分重疊的，換言之，即使某一種規避行為可以免責，其免責依據也可能非合理使用[26]，失去了合理使用的庇護，基于成本分析的考量，可能將會縱容有實力的大型企業或機構更愿意通過技術破解手段等獲取作品數據，于維護著作權市場秩序相當不利。

四、生成式人工智能創作使用作品適用合理使用的調適路徑

（一）以利益平衡為理論基點增設附條件的專門例外

現階段，應在現有合理使用情形之外，新設關于機器學習的著作權限制與例外。必須承認，無論何種類型的生成式人工智能創作必然依賴計算機分析，因此，在立法用語方面，我國可以借鑒日本寬泛靈活的定義，即以“為提供新知識或信息而進行計算機分析”的概念表述為切入點，在保留適度彈性的立法場域內將人工智能創作歸屬于合理使用，如此更容易囊括現在乃至未來機器學習可能出現的更高級作品使用方式。例如，人工智能深度學習中超越統計分析而進行的代數或幾何分析。總之，這一概念適用的時間向度范疇理論上應確保生成式人工智能甚至是通用人工智能時代亦可沿用。

在立法構造上，我國可借鑒《日本著作權法》有關“輕微使用”條款，在領域分割基礎上引入“中間層次”一般條款并賦予其中心地位。日本2018年著作權修法將合理使用情形分為“無害使用”“輕微使用”和“公共政策目的下的使用”三種類型，其中，“輕微使用”的相關規定可成為我國立法參考的重要場域[27]。具體而言，《日本著作權法》第47條之5規定了3類輕微使用，即為了產生新的知識或者信息而利用計算機檢索信息、進行信息分析并提供結果、其他通過計算機處理信息產生新知識或信息并提供結果且有助于改善公民生活便利性的行為，信息處理者可以對他人作品進行必要限度內的重制或向公眾提供，但若明知該行為構成著作權侵權，或不合理損害著作權人利益的情形，則不得援引該例外。從條文設置上看，這一輕微利用條款亦采取了“概括條款+肯定列舉+兜底條款”的復合式規范結構，大致可以理解為是一種柔性合理使用條款。在其規范結構中，概括條款在功能上相當于“中間層次”一般條款，符合民法學一般條款理論中的“裁判規則性一般條款”的特征，其調整范圍更具體，但范圍有所限定[28]，應當說，僅在特定新技術領域引入柔性合理使用條款，并管控合理使用開放性范圍。于產業功效而言，可以更好地平衡新舊產業需求，特別是不至于因動搖傳統產業領域既有利益格局而使擴大合理使用條款開放性革新受阻[29]。于法律適用功效而言，可以更好地在抽象開放與具體可用之間實現平衡，同時為司法機關的開放性詮釋預留空間，為合理使用具體規范的司法創設提供必要的指引并在必要時施以限制[30]。

在使用目的和主體方面，不宜將“非營利性目的”作為新增合理使用例外的前提。具體可參考美國相關的司法實踐，在美國，商業使用性質或獲利動機并不排除合理使用。在“Authors Guild v. Google案”中，美國聯邦第二巡回上訴法院引用“Campbell案”判決中提到，“幾乎所有《美國著作權法》第107條序言中列舉的積極利用行為均具有商業性質，且轉化使用的程度越高，商業性質就越不重要”[3]。綜合來看，只有那些能符合社會公益目的或者促進著作權法目標實現的商業使用才可以主張侵權豁免。應當說，生成式人工智能通過替代人力從事部分的內容生產，對于文化產業所產生的社會效益與經濟效益有著極大的推動作用。還有觀點認為，生成式人工智能適用合理使用制度可顯著降低算法偏差，增加人工智能的算法精度，即便具有商業性質，也應屬高度轉化性使用[31]，其轉化性使用所產生的整體效益將會凌駕于商業目的所產生的不利效果。因此，有必要對使用目的作出適度擴張。所謂適度擴張，是指秉持循序漸進的思路，在綜合考量使用權重以及市場沖擊等因素之后，可以將包含社會公益目的的商業使用視為公益性的合理使用[32]。

此外，國家鼓勵面向市場的科學研究活動，將合理使用限制在非商業領域明顯不妥。因此，這一新增例外的適用主體還應延及所有具備科研條件的組織機構和公司企業。如承擔科研機構的公司、接受公司委托的科研院所等。為防止脈沖式主體開放立法所帶來的沖擊，可以階段性地予以緩沖限制，實行有條件的主體開放，如可以先將企業等商業性主體定位為技術輔助，而不是過程或決策主導的角色。同時，在此基礎上，還要再次歷經“三步檢測法”檢驗。如此，一方面，整體基調放寬限制，即不對使用主體與使用目的進行過分限制；另一方面，為防止相關主體利用擴張條款之漏洞，還應從結果導向出發，從嚴考量其是否滿足“三步檢測法”[33]，相關步驟與條件全部達成方構成合理使用。總之，在現有法制框架下，采用“寬嚴相濟”的中性立法模式，可降低技術革新對傳統合理使用的沖擊，在協調各方產業利益訴求的基礎上，重塑利益平衡的立法新格局。

（二）增設專門例外仍要厘清三步檢驗法的適用規定

第一步，符合“特定具體情況”的需要。基于利益平衡的政策考量，應允許出于特定目的對著作權進行必要限制，這種特定目的往往會與公共利益相關聯。最高人民法院曾明確表示：“在促進技術創新和商業發展確有必要的特殊情形下……可以認定為合理使用。”我國司法實踐也表明，即便某一行為不屬于所列舉的合理使用情形，也可以根據其具體行為作個案認定。應當說，人工智能創作對于“促進技術創新和商業發展”之功效確無異議，同時關鍵的“中間性復制”等行為也可評價為必要的前置行為，因此，應將其歸為“確有必要的特殊情形”。此外，在考量限制目的時還可參考借鑒美國的轉換性使用理論，從目的源頭強化“特定具體情況”的適用正當性。尤其是，在使用作品形式日趨多元的環境下，高度彈性的轉化性要素是鼓勵二次創新、促進信息流通的重要推手。美國司法實踐也表明，人工智能創作行為若能在內容和目的兩個層面上都存在轉換性，且能夠產生獨立的數據價值時，這一行為大概率會落入合理使用的范圍之內，即便該行為無法滿足“三步檢測法”的部分要求。按照此觀點，生成式人工智能創作可認作是傳統人工智能創作的更高級形態，高度智能化的特征使其被認定為轉換性使用的理由應更為充分，問題只是存在轉換性程度高低不同而已，具體場景還是應依照其究竟是輔助創作性還是自主創作性人工智能作類型化區分判定。

第二步，不得與“作品的正常使用發生沖突”。判斷此處的關鍵在于，使用行為是否與原作品的一般獲利形式沖突。從技術原理上講，著作權人僅向公眾傳遞了其原始表達方式[9]，而機器學習正是在此基礎上，將作品數據轉換為標準格式、選取解構元素并按照既有模式重新排列，內部化的機器學習過程不太可能為公眾所知悉，特別是諸多生成式人工智能依托的是無監督學習的大模型。這種大模型是基于自注意力機制的深度學習模型，在這一運行過程中很大程度上排除了任何人的實時參與，相關公眾不會有可能實質性接觸作品數據，作品的使用價值也就沒有可能遭受非正常損耗，因而，輸入、使用行為并不會影響作品的正常使用。而且，若使用行為對著作權人來說不但無害反而有益時，法院更容易作出合理使用的判斷。在“Sega Enterprise， Ltd. v. Accolade， Inc案”中，上訴法院基于消費者購買習慣立論，認為在主機兼容的前提之下，消費者極有可能同時購買原告及被告的游戲卡匣，對原告市場不存在實質性沖擊，甚至還會產生有利影響，應當評價為促進原被告方雙贏的合理競爭。需要指出的是，這一要件是行為的結果要素，考察行為的意義在于完成實質評價、牽連價值判斷，故而應側重行為整體效果以判斷對權利人是否造成了實質性損害，而不是獨立或提前判斷[34]。

第三步，不得“不合理損害作者的合法利益”。首先，合法利益當然是以經濟利益為主，但絕不止于經濟利益。其次，“沒有不合理”的言外之意是，允許合理使用在某種程度上和某種比例上適當分割著作權人的經濟利益。具體如何判斷仍應從類型化區分入手，在生成式人工智能這一場域，普通的表達型機器學習，因其使用的作品內容往往不是其核心的獨創性表達部分，且不會因挪用獨創性表達而對被學習作品的市場產生替代后果，原則上可構成合理使用。反之，特殊的表達型機器學習則難以構成合理使用，如使用的作品內容全部來自特定作者，且輸出端作品與原作品構成實質性相似[16]。需要指出的是，即使客觀上會影響到著作權人既有的市場利益，也一定是基于挪用獨創性表達所導致，并不一定等同于可作市場替代之認定。因此，具體判定還需要從使用性質、程度、用途、損失或獲利，以及對公共利益的影響等因素綜合考慮。例如，著眼于被使用作品的性質，則注重考察其獨創性，通常而言使用獨創性程度越高的作品則越難以構成。再如，著眼于程度用途，其使用行為是否之必要、是否滿足比例性原則，即是否還存在其他更輕微損害的使用方式，商業性目的是否顯著等。而且，如果輸出結果僅在創作風格上近似而不構成演繹作品的，則依然不會侵犯著作權。至于是否構成演繹作品，應適用與人類創作作品相同的判斷標準[35]。畢竟，即便市場上存在同類風格的系列作品，而風格、手法等作品內容無爭議地屬于思想范疇，如果認為作品的原初價值涵蓋風格、手法等，則與著作權法推動文化創新的理念不符[36]。司法實踐中思想與表達之間至少有三種結合或者互動的狀態，現實區分難度較大，須借助解釋論路徑以尋求個案正義。例如：音樂領域元素、技巧與格式的劃分；文學領域相似角色的界定都實屬爭議焦點。此時，法院若要支持被告主張便會更傾向適用思想表達兩分法來證成結論，而創作落入思想范疇的負面沖擊遠大于使用者提出合理使用的抗辯主張，司法實踐應尤為慎重。

（三）類型化調整技術措施與合理使用的連接與協調

對于使用控制措施而言，使用控制措施重點觀察規避的后續行為是否侵權，而基于合理使用的規避應構成規避豁免。域外也有相關經驗，美國《數字千年版權法》（簡稱DMCA）并不禁止直接規避使用控制措施，應視其是否構成合理使用進而決定其法律效果。未來，可從體系解釋的角度將合理使用作為規避使用控制措施的事由，同時，除了技術措施與合理使用重疊的法定情形之外，其他合理使用情形包括法定和一般情形在內的適用都需要綜合考慮場景、手段、方式、權重等因素且要歷經“三步檢測法”檢驗[37]。此外，討論合法規避的前提是技術措施本身須是合法有效的，各國認定依據有所不同，美國DMCA采用“常規操作標準”這一較為寬松的界定，而《歐盟信息社會版權指令》中的標準較為嚴格要求“實現保護目標”[24]，現階段可借鑒采取歐盟標準限定技術措施，以期在適法范疇內最大程度確保數據流通、信息共享與產業發展。

對于接觸控制措施而言，原則上只有在特殊且有限的情形下方可規避。美國DMCA是禁止直接規避接觸控制措施的，同時設定了相應的例外機制。借鑒美國做法，對接觸控制措施的規避應恪守法定且有限的原則，一方面，不能泛化適用合理使用的一般事由，需要適應性調整例外情形。另一方面，對于我國現行例外情形供給不足的問題，未來最為現實的選擇還是應適當增加可以規避的合理使用情形。例如，在立法論路徑上增加“機器學習為目的”的法定例外，在解釋論路徑上可以將這一過程暫時歸結為科學研究活動[37]。同時，為防止技術措施濫用，一方面，將生成式人工智能所涉公共利益的部分納入合法規避之中，著作權人應在合理范圍內提供規避技術、工具或服務；另一方面，搭配政策法律，創造經濟誘因，引入合理使用申請的許可制，鼓勵研發主體通過訂閱等方式來獲得合法接觸這些作品數據的資格。此外，還可以設立專門協調沖突的機關，如法國便設立獨立行政機關以處理規避相關糾紛，以消弭技術措施對于市場的不當壟斷并維護消費者利益。

（四）從制度、技術雙向切入完善合理使用配套措施

第一，針對生成式人工智能創作有關的利益調整可以通過稅收制度來補充完善。稅收制度能夠有效對沖新興技術領域作品使用難以追蹤和難以估值的風險[7]。因此，可以類型化征稅，如對商業性使用（即便含有公益性目的）征收更高的稅。一方面，以稅收管理的形式進一步反哺公眾，釋放作品所蘊含的公共屬性，最終以促進知識增值來增進社會福祉。另一方面，可以按照使用者盈利數額來調整稅率，盡可能合理化利益共享模式。需要注意的是，稅收制度調整是極為復雜的領域，往往牽一發而動全身，所以吸納這一制度的過程要循序漸進，切忌在短時間內實現脈沖式調整或反復調整。第二，系統加強統一的數字化平臺建設，完善作品登記、確權、交易、溯源、存證等全鏈條管理模式。例如，可借助加密、時間戳等技術手段，以控制作品的使用范圍和使用期限。以聯邦學習為例，聯邦學習是通過加密手段保障數據交換時的信息安全和隱私安全，在多參與方和多計算結點之間展開高效的機器學習[38]。第三，通過自我規制的形式，依托行業組織先行出臺生成式人工智能創作領域的軟法規范，要重點發揮自治規范對于加強人工輔助審查的作用，并輔之以數據使用過濾制度，打破因網絡效應、規模經濟、雙邊市場等因素形成的數據壁壘。此外，從社會監督角度出發，對于機器學習所產生的作品數據庫應強制予以保留并在必要限度內向公眾或特定第三方提供，通過嚴格的制度化規定和技術手段盡可能實現算法的透明監督并滿足公眾閱讀需求。

五、結語

必須承認的是，在生成式人工智能創作這一場域，之前人類所期待的一站式創作、自主化生成、及時性交互已經漸成現實。不過，熱問題研究需要冷思考應對以沉淀出制度理性。從本質上講，適應新技術發展的制度邏輯，就是要始終以平衡各方利益為價值主訴，輔之以動態調整機制來靈活因應。因此，對于生成式人工智能創作使用作品的法律規制不僅應當考慮創造者和傳播者的利益，同時也要顧及使用者利益和公共利益。傳統合理使用雖有適用之必要，卻也有適應性調整不足之時代局限，故重塑并增強合理使用制度的包容性在當下具有正當性。具體而言，合理使用的調適應增設附條件的專門例外，厘清“三步檢測法”的適用，適度擴張技術措施的規避，建立合理規避與合理使用的連接點，同時完善相關配套措施，調適著作權相關利益主體間的分歧與沖突，最終促進技術創新、文化繁榮與社會發展。

參考文獻：

[1] 曾勝珍，洪維拓. 從美加趨勢論著作權法中合理使用之適用[J]. 嶺東財經法學， 2012（5）：109?141.

[2] 吳漢東：著作權合理使用制度研究[M]. 3版.北京：中國人民大學出版社，2013：275.

[3] 胡心蘭. 轉化才是王道？論合理使用原則轉化性要素之適用與影響[J].東海大學法學研究，2018（53）：183?246.

[4] 詹愛嵐，田一農. 生成式人工智能機器學習中的著作權風險及其化解路徑[J]. 電子知識產權，2023，（11）：4?14.

[5] 丁世飛.人工智能[M]. 2版.北京：清華大學出版社，2015：1?35.

[6] 陳家駿. AI人工智能機器/深度學習在藝術文化方面之應用暨其著作權適格保護與歸屬之探析[J]. 臺灣師范大學教育法學評論，2019（4）：1?28.

[7] SOBEL B L W. Artificial intelligence's fair use crisis[J].Columbia Journal of Law amp; the Arts， 2017， 41（1）： 45?97.

[8] 張金平.人工智能作品合理使用困境及其解決[J].環球法律評論，2019，41（3）：120?132.

[9] 梅術文，宋歌.論人工智能編創應適用版權合理使用制度[J].中國編輯，2019（4）：78?82.

[10] 闕光威.合理使用對內容產業的管理意涵——以市場失靈理論為核心[J]. 政大智慧財產評論， 2009（1）：1?22.

[11] 曼昆. 經濟學原理[M]. 梁小民，等譯. 北京：北京大學出版社，2009：330.

[12] 姚鶴徽. 交易成本和價格歧視理論在著作權合理使用中的定位與適用[J].知識產權，2012（3）：21?28.

[13] 張穎.人工智能編創過程中的著作權問題探析[J].中國編輯，2018（9）：81?86.

[14] 梁志文，李忠誠.論算法創作[J].華東政法大學學報，2019，22（6）：46?59.

[15] 熊琦.著作權法定許可制度溯源與移植反思[J].法學，2015（5）：72?81.

[16] 李安.機器學習作品的著作權法分析——非作品性使用、合理使用與侵權使用[J].電子知識產權，2020（6）：60?70.

[17] DRASSINOWER A. What's wrong with copying？[M]. Cambridge： Harvard University Press， 2015： 2.

[18] LEMLEY M A，CASEY B. Fair learning[J]. Texas law review， 2021， 99（4）： 743?785.

[19] 沈宗倫.還原工程與合理使用——以中間重制的適法性為探討核心[M].臺北：元照出版社，2011：381?414.

[20] 林秀芹.人工智能時代著作權合理使用制度的重塑[J].法學研究，2021，43（6）：170?185.

[21] 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.

[22] 劉金瑞.生成式人工智能大模型的新型風險與規制框架[J/OL].行政法學研究，2024（2）：17?32[2024-01-23]http：//kns.cnki.net/kcms/detail/11.3110.

[23] 陳思廷.著作技術保護措施之互通性之法律研究[J].成大法學，2015（30）：105?149.

[24] 羅明東.《著作權法修訂草案（送審稿）》的技術措施條款之評述[J].知識產權，2016（3）：94?98.

[25] 來小鵬，許燕.技術措施與合理使用的沖突與協調——對《著作權法》第49條及第50條的再思考[J].中國應用法學，2022（3）：185?198.

[26] 王遷. 技術措施保護與合理使用的沖突及法律對策[J].法學，2017（11）：9?25.

[27] 宣喆.論分類保護視角下人工智能創作的著作權合理使用[J].出版發行研究，2022（3）：81?87.

[28] 王利明. 法律解釋學[M]. 2版. 北京：中國人民大學出版社，2016：313.

[29] 鄭重.日本著作權法柔性合理使用條款及其啟示[J].知識產權，2022（1）：112?130.

[30] 謝晴川，何天翔.論著作權合理使用制度的開放化路徑——以“中間層次”一般條款的引入為中心[J].知識產權，2019（5）：58?69.

[31] LEVENDOWSKI A.How copyright law can fix artificial intelligence's implicit bias problem[J]. Washington Law Review， 2018， 93（2）： 579?630.

[32] 劉水美.擴張合理使用目的法律適用新規則[J].知識產權，2019（8）：63?73.

[33] 萬勇.人工智能時代著作權法合理使用制度的困境與出路[J].社會科學輯刊，2021（5）：93?102.

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

[35] 黃武雙，譚宇航.機器學習所涉數據保護合理邊界的厘定[J].南昌大學學報（人文社會科學版），2019，50（2）：44?52.

[36] 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.

[37] 李宗輝.論人工智能應用中的版權合理使用制度[J].科技與法律，2020（4）：44?48.

[38] 高陽，胡丹陽.機器學習對著作權合理使用制度的挑戰與應對[J].電子知識產權，2020（10）：13?25.

Fair Use Adjustment of the Use of Works by Generative Artificial

Intelligence Creation

Zhou Wenkang1， Fei Yanying2

（1. School of Marxism， Harbin Institute of Technology， Shandong Weihai 264209， China；

2. School of Public Policy amp; Management， Dalian University of Technology， Liaoning Dalian 116024， China）

Abstract： Technological iteration can easily lead to rule deviation. With the deep integration of generative artificial intelligence technology and creation， the continuous expansion of copyright boundaries， and the mixing， conflict， and game between different interests in the field of copyright， it is urgent to establish legal regulations for the use of works by generative artificial intelligence creation. Starting from the institutional function of fair use， the creative process of generative artificial intelligence has a considerable degree of legitimacy and feasibility in incorporating fair use. However， the application process of fair use also faces practical obstacles such as a damaged balance of interests， difficulties in applying existing regulations， and insufficient coordination with technical measures. This also puts forward new requirements for the adaptability， flexibility， and inclusiveness of fair use. In the future， improvements can be made in areas such as specialized exceptions， three criteria test method，technical measures， and supporting measures to adapt to the differentiated interests and demands of relevant parties in the field of copyright， and to achieve a positive interaction between industrial development， private rights protection， and public interests.

Keywords： generative artificial intelligence; fair use; three criteria test method; technical measures