生成式人工智能作品利用的“合理使用+單純獲酬權”模式探析

【摘 要】與傳統人工智能作品利用著作權保護聚焦于輸入階段不同，生成式人工智能因增加了輸出階段而更為復雜。對生成式人工智能作品利用著作權保護的討論必須綜合輸入階段和輸出階段。輸入階段的作品利用指向生成程序的形成，不對原作品形成市場替代，具有認定為合理使用的空間，輸出階段的生成內容則直接與原作品形成競爭關系，需要對輸出階段的作品利用確定合理的對價。基于輸入階段作品利用合理使用定性的理論證成，可以對輸出階段的作品利用采取單純獲酬權的路徑，構建起“合理使用+單純獲酬權”的二階著作權保護模式，從而實現人工智能技術發展與作品著作權保護之間的平衡。

【關 鍵 詞】生成式人工智能；作品利用；合理使用；單純獲酬權；二階著作權保護模式

【作者單位】韓榮，肇慶學院政法學院。

【中圖分類號】D923.41 【文獻標識碼】A 【DOI】10.16491/j.cnki.cn45-1216/g2.2024.19.013

人工智能特別是生成式人工智能的作品利用方式和利用規模突破了現行《中華人民共和國著作權法》（以下簡稱“著作權法”）制定時的場景預設，不同國家對人工智能作品利用著作權保護的實踐差異充分體現了著作權制度的舊規范與新語境之間的復雜張力。生成式人工智能可劃分為輸入階段和輸出階段，輸入階段的規模化作品利用指向生成程序的形成，輸出階段涉及特定內容生成時的具體化作品利用，兩個階段的作品利用存在顯著差異。由于輸出階段的出現及生成式人工智能的通用性，生成式人工智能的作品利用相較于傳統人工智能從隱性走向顯性、從局部走向全面，其作品利用的著作權規則確立具有緊迫性。

當前有諸多文章探討了人工智能數據訓練階段利用作品的情況或人工智能生成物的著作權保護，鮮有文章對兩個階段的作品利用情況進行明確區分并綜合起來進行研究和制度設計。但只有綜合兩個階段進行分析，我們才能更全面地把握生成式人工智能技術與著作權保護的關系，籠統地探討保護或不保護著作權均難以兼顧權利保護與技術發展。筆者將立足兩個階段作品利用的差異化事實，證成輸入階段作品利用的合理使用性質，提出對輸出階段的作品利用采取單純獲酬權的路徑，從而形成“合理使用+單純獲酬權”的二階著作權保護制度框架，以平衡著作權人權益保護和人工智能技術發展，為人工智能生成物的保護提供思路。

一、輸入階段作品利用合理使用定性分析

1．許可豁免制度之否定

就輸入階段數據訓練階段的作品利用，有觀點提出“法定許可制度也可簡化作品獲取環節，促進機器學習技術發展”［1］。為了解決收費難的問題，可以采取“法定許可+著作權集體管理”的方式［2］。在法定許可制度并不完全排斥商業性利用這一點上，生成式人工智能具有適用性，但在市場失靈方面，由于生成式人工智能涉及的作品數據龐大，許可磋商機制并非面臨適用難易程度的問題，而是在根本上就不具有適用性。就作品利用對原作品市場形成沖擊方面，生成式人工智能輸入階段的數據訓練指向特定生成程序的最終形成，并不指向原作品市場，如果沒有輸出階段的生成內容，則不產生競爭關系。在報酬支付方面，即便參照法定許可制度的報酬支付標準，要求生成式人工智能使用者向著作權人支付極低的報酬，海量作品的利用仍會產生不可估量的研發成本。此外，輸入階段數據訓練的機器學習成功具有或然性，結果可能是研發失敗，這就更談不上對原作品的市場替代。

還有觀點提出針對輸入階段文本和數據利用的“有限的許可豁免”制度，該種規則不同于“法定許可”，既可以用于商業目的，又不必然支付相應對價，也認可數據在先權利者的貢獻［3］。就許可豁免制度的內容，相關論文較少，筆者查找到《論民間音樂的著作權保護—從<月亮之上><烏蘇里船歌>案談起》一文有相關論述。文中提出，對于民間音樂，應確立本民族成員使用的許可豁免和改編的法定許可制度，許可豁免的理由在于“為了保證民間音樂的傳承性”，當特定民族、族群或者社員以傳統或者習慣的方式使用本民族、族群或者社員的民間音樂時，不需獲得授權。如果按照此種邏輯，則許可豁免應具備相對嚴格的條件：一是使用者在身份上具有某種特定的關聯性，即使用者的使用具有某種內在的正當性；二是使用者需要以傳統或者習慣的方式進行使用，即需要遵循既有的使用方式。但對照生成式人工智能數據訓練時的作品利用，這兩個條件均難以符合。前述兩種免予許可制度均以著作權人的許可為前提，這意味著一旦免予許可的事由消失則需要重新進行許可，未來有演變為懸在生成式人工智能技術之上的達摩克利斯之劍的重大風險。

2．合理使用制度之證成

理論上，對合理使用的證成主要是三步檢測法與四要素法。就三步檢測法中特定情形要件，歐盟《數字單一市場版權指令》（Directive on Copyright in the Digital Single Market）進行了規定，而我國尚沒有對此作出明確規定。對于其余兩步，我們仍可以進行分析，為特定情形的法定化提供依據。四要素法中，對所使用作品的性質、使用的質與量的討論應以作品使用目的和對原作品市場的影響為基礎。

在三步檢測法中，生成式人工智能輸入階段的作品不影響所利用的作品的正常使用。在生成式人工智能輸入階段的作品利用方面，作品的數據化是必要的，這并非簡單的數字化復制，而是特定信息的逆信息化過程，作品此時不再是獨一無二的個性化表達，而是被分類標識的數據。非表達型機器學習對作品的使用屬于非作品性使用［4］，生成式人工智能對作品的利用已經不再是自然人對作品蘊含情感的體悟，而是計算機程序對代碼的深度學習，是一種數據/代碼層面的利用。從作品數據成為生產要素的角度理解，此時的作品利用已經從文化藝術領域跨越到生產領域，已經超出著作權法的管轄范圍。

對數據訓練和機器學習來說，單個作品形成的數據使用價值極小，只有無數作品數據匯聚起來才有價值，這也與作品意義上的單個作品利用方式存在重大區別。生成式人工智能的該種規模化作品利用與著作權法意義上的具體作品利用具有相互獨立的價值目標和運行邏輯，并不對作品的正常利用造成影響。這與四要素法中轉換性使用的識別不謀而合。自萊瓦爾（Leval）以來，使用目的被強調為四要素中最重要的判斷要素，因為著作權法的根本目的在于激勵創作者創作更多的作品。2015年，美國聯邦第二巡回上訴法院在谷歌數字圖書館案件中于作品的數字化利用領域進一步鞏固了該觀點。生成式人工智能在開展數據訓練時對作品進行數據性使用的性質、目的和效果與作品性使用均存在重大差別，從而構成轉換性使用，可以認定為合理使用。

三步檢測法和四要素法的共同之處還在于不得不正當影響著作權人的合法權益。具體判斷標準主要為是否對原作品產生實質性的市場替代。例如，近期美國好萊塢編劇群體罷工，要求限制人工智能編寫電影和電視劇劇本［5］，編劇們所擔心的正是人工智能生成作品大面積替代其創作作品。但需要注意的是，生成式人工智能在輸出生成內容之前，并沒有生產出與原作品類似的表達，根本談不上對原作品的市場替代。即使在數據訓練完成并成功形成生成程序且投入市場后，生成實質性相似的內容也只是一種潛在可能，是否生成相似內容仍取決于使用者是否輸入指令。因此，輸入階段的作品利用并不存在對原作品市場的侵犯。

二、輸出階段作品利用：單純獲酬權的設想

1．現有單純獲酬權規定的啟示

單純獲酬權是財產性著作權的重要組成部分。著作權是法定專有權，以許可使用為重要內容，但單純獲酬權并非專有權，不具有排除或禁止他人以特定方式對作品進行使用的法律效果，其顯著特征在于事后取酬。《保護文學和藝術作品伯爾尼公約》等國際條約規定了各類單純獲酬權，比如藝術作品的追續權、錄音制品的二次獲酬權等單純獲酬權［6］。各國根據自身情況對單純獲酬權進行了不同的規定，呈現了法律的國際多樣性［7］。我國著作權法目前只規定了錄音制品的二次獲酬權。

單純獲酬權是一種法律明確規定的直接分配制度。與法定許可制度、強制許可制度不同，單純獲酬權并非對市場機制失靈的補充，而是對市場機制本身的調校——正是由于市場的自由發展形成了利益的不當集中導致各方主體利益有失公平從而需要調整。由于大部分著作權人的議價能力不足，在市場發展的集聚效應下，收益落差極易形成。為重新平衡各方收益，國際條約規定各成員國可以通過特定手段進行調校，各成員國對于單純獲酬權與專有權有相應的選擇自由。版權傳統國家對單純獲酬權不太認可的原因在于其認為在規定了著作權專有權后，作品的交易運行及收益分配應交由市場，而作者權傳統國家認為應認可著作權人的貢獻，保障著作權人的權益，對市場自由發展所形成的收益落差進行調整是必要的。市場自由有助于提高效率，但難以保障公正，出于對公正的追求，行業需要將市場自由與適度的調控機制結合起來。科技時代的市場集聚效應加劇，自由選擇和合意迅速衰落，權利和責任無法再單純依賴于自由選擇、協議和允諾［8］，作品利用的個人自治向社會控制的轉變已成必然之勢，隨著科技鴻溝的進一步加深，國家進行適度干預將尤為必要和重要。

就生成式人工智能輸出階段大量作品利用所形成的利益失衡而言，是選擇延續專有權模式還是通過單純獲酬權模式進行調整，是值得思考的問題。相較之下，單純獲酬權可以避免與其他權能發生沖突。當前的單純獲酬權有完全處于專有權控制范圍之外、專有權用盡之后、專有權轉讓之后三種主要模式，這三種模式均具有與原專有權相切割的特征和優勢。如果重啟專有權模式，將面臨是繼續沿用原專有權還是另行設立專有權的問題，如果沿用原專有權，則與輸入階段的合理使用定性不匹配，如果另行設立專有權，則可能與原有權利體系不一致。此外，單純獲酬權可以避免增加授權層次。比如在發行權用盡之后再增加專有權，則對物權財產的流轉產生更多的限制，不利于知識產權產品效用的實現。還有觀點認為，輸出階段采取法定許可、強制許可制度的設計同樣可以避免授權環節，但這種思路的前半段同樣面臨上述問題，后半段則需要面對許可豁免制度存在不足的問題，而且法定許可、強制許可作為一種專有權利的限制性制度，與單純獲酬權保護著作權人的制度立意存在差異，單純獲酬權相對于專有權的獨立性使其具有特別的適用性。

2．單純獲酬權與合理使用制度的協調

在生成式人工智能出現之前，傳統人工智能輸入階段作品利用的合理使用定性面臨左右為難的困境［9］，但生成式人工智能輸出階段的出現為這種困境的紓解提供了出口。

單純獲酬權不以專有權為前提，與合理使用制度的結合可以穩定生成式人工智能現有的作品利用格局。無論是輸入階段還是輸出階段，作品利用如果動輒被認定為侵權，則很容易被判令停止使用相關的作品內容，這對人工智能技術的研發、運用將產生不利的影響。如果沒有單純獲酬權的規定，著作權人將更多地采用技術措施等做法來保護自身的著作權，這將形成著作權人與生成式人工智能提供者之間的對立，極大地增加生成式人工智能行業的發展難度。單純獲酬權和合理使用的結合，可以保證這兩個階段的作品利用都處于穩定的連續狀態。事實上，生成式人工智能具體使用哪些作品數據、使用多少、使用頻次均不確定。在輸入階段，雖然人工智能開發者收集了諸多具體的作品數據，但在訓練階段，人工智能對作品數據的運用頻次有懸殊之別。在輸出階段，在使用者輸入指令之前，人工智能具體利用哪些作品數據還是未知數，事先的授權不具有可行性，而且使用者經常改變指令以調試生成結果，如果每次調試對相同或不同作品數據的使用都要征得許可，那相當于無法使用該人工智能。所以，兩個階段對專有權許可的排除有利于生成式人工智能作品利用的穩定性。

單純獲酬權與合理使用的結合可以在平衡各方利益的基礎上更好地實現著作權法的目的。著作權法的立法目的在于通過給著作權人充分的回報來刺激作品的原創及傳播，這也可以被理解為著作權法并非以許可權為起點，而是以作者或鄰接權主體的勞動和創造為起點。隨著ChatGPT的普及，相關產業得以迅速發展壯大，相關利益主體獲得了巨大的市場利益。如果沒有大量原創作品作為支撐，人工智能產業的發展將困難重重。在當前不支付著作權報酬的情況下，可以認為是著作權人分攤了成本，但如果著作權人無法獲得充分的收益，那么著作權法的激勵機制將面臨失效的風險，人們將更多地選擇通過生成式人工智能完成內容生成。即使著作權人獲得了充分的回報，也會有更多人選擇通過人工智能進行創作，只是這種充分的回報可能是人工智能時代著作權法最后的“安全閥”。輸入階段作品利用尚有理由按照科研或文化權利進行對待，但在生成式人工智能投入市場后的商業利用中著作權人應獲得充分的報酬。當生成式人工智能領域的著作權許可機制不足以給著作權人足夠的回報時，有必要通過單純獲酬權來形成新的補償路徑。

單純獲酬權與合理使用制度的結合可以促進著作權法與科技發展形成和諧關系。著作權法因科技而生、因科技而變，而科技的發展難以遷就已經滯后的著作權法規范，因此，事實上總是相關技術變革在先，著作權法回應在后。《中華人民共和國科學技術進步法》總則第十三條規定“保護知識產權，激勵自主創新”。對知識產權的保護不應該妨礙創新，但如果根據以往的著作權制度對著作權人知識產權進行全面保護，則很可能“限制了創新”［10］，會對人工智能技術造成毀滅性的打擊。人工智能技術的應用引發了“所有權和財產權的界定”“價值的創造、分配和分享”等一系列基本法律領域的新問題［11］，當前的生成式人工智能對作品的利用方式和規模均是傳統著作權法所難以預測的，需要防止著作權法不恰當地“阻礙”技術進步［12］，但又應保證著作權人從科技發展中獲得應得的利益。輸入階段的合理使用定性可以促進人工智能技術的發展，輸出階段的單純獲酬權設定在人工智能技術投入市場之后再收費將具有可持續性，二者的結合可以平衡各方主體的權益。

三、配套制度的設計

單純獲酬權是法定的直接分配制度，其正常運行需要配套制度的構建和完善。生成式人工智能提供者的透明度義務可以奠定作品利用情況的事實記錄基礎，合理確定報酬費率對應著報酬支付標準，集體管理新功能的拓展則是落實報酬收取與支付的保障。

1．明確規定透明度義務

技術的發展使得作品利用電子記錄和公開成為可能。就生成式人工智能對作品的利用情況記錄方面，著作權人根本不可能具備此種能力，只有生成式人工智能自身通過程序設定才可能完成。因此，歐盟最近通過的《人工智能法案》專門規定了人工智能提供者的透明度義務——公開提供受版權法保護的訓練數據或其他材料使用情況的詳細記錄。但該規定針對的是輸入階段，筆者主張人工智能提供者還應對輸出階段作品利用情況進行記錄，此時投入市場的生成式人工智能已經可以成為創收的工具，對輸出階段內容生成時具體利用的作品支付報酬具有現實可能性。歐盟《人工智能法案》規定設立人工智能辦公室，該種機構可以承擔對透明度義務的檢查職責。當地時間2024年5月29日，歐盟宣布成立人工智能辦公室，開始落實對人工智能的監管，我國未來也可以借鑒歐盟的監管做法。

2．合理確定報酬費率

受制于生成式人工智能作品利用的數量和規模，如果生成式人工智能提供者按照傳統市場費率來支付著作權報酬，將形成非常沉重的成本和壓力。考慮到作品利用的海量特點，將來行業可以參照法定許可的費率乘以相對低的系數來確定單純獲酬權的取酬金額。有觀點提出單純獲酬權事后獲酬的做法類似于著作權人以作品“入股”，從而使著作權人參與人工智能企業的收益分配［3］。問題在于，股東是以輸入階段數據訓練中的貢獻大小為依據，還是以輸出階段的作品利用情況為依據，抑或是綜合二者的情況？如果是以輸出階段的作品利用情況為依據，則股東的數量將一直處于變動之中，不同的作品利用數量和程度也將處于動態化狀態，股東分紅比例的確定將非常困難。還有一個更嚴峻的問題，著作權人是否需要對人工智能企業的虧損承擔責任？如果要承擔虧損，則還需要以著作權人的意思自治為前提，結果將與專有權許可磋商機制一樣不具有可行性。此外，著作權人一旦成為股東，就有義務參與人工智能企業管理，至少需要關注企業的營利與分紅，而其中大多數著作權人的特長在于創作，不宜在企業管理、利益分配等問題上投入過多的精力。生成式人工智能如果已經研發成功并投入市場，就應由提供者承擔市場檢驗的結果，著作權人需接受的是作品投入市場的檢驗結果，兩種市場檢驗不能混淆。

當前，部分生成式人工智能程序需要通過會員充值或算力購買等增值服務付費方式才能使用，提供者因此獲取收益。若規定該部分收益為單純獲酬權，則屬于對利益的直接分配，具有直觀的合理性。此處可以借鑒版權補償金的做法。1965年的《德國著作權與鄰接權法》最先對版權補償金進行了規定，此種做法運用到生成式人工智能領域，即對相應的收入預征一定比例歸入著作權人收益賬戶，再根據作品利用情況進行分配，由此可以提高收取與分配的效率［13］。

3．集體管理組織新功能的拓展

目前，在記錄作品利用的事實并確定報酬費率后，將報酬支付給具體的著作權人還存在不少困難。由人工智能企業直接支付報酬給海量著作權人的結果很可能是支付行為的成本大于支付的報酬，直接支付的方式并不現實，如果就單純獲酬權另行設立收支機構也將大幅增加運行成本。是否突破作品類型，針對算法訓練使用作品建立專門的集體管理組織［14］仍需進一步論證。行業可以考慮在現有集體管理組織職能的基礎上，參照既有職能就單純獲酬權的收取與分發增加新的職能。

當前的現實問題在于，由于我國的著作權登記并未普及，人工智能在使用作品時難以識別其著作權狀況，也就難以將作品準確定位至著作權人名下，加之有些作者使用化名、假名、別名甚至匿名等，增加了識別的難度。此外，有些作品沒有對應的集體管理組織，還可能涉及強制集體管理或延伸集體管理的選擇，這些事項均需要以立法的形式進行明確才具有可操作性。在具體技術層面，區塊鏈技術、智能合約、用戶收益賬戶等途徑均可探索［15］，以提高通過集體組織進行管理的可行性。

四、結語

目前，各國的生成式人工智能技術基于作品利用的合理使用或事實上的無償使用才迅速發展起來。最新研究表明，美國許多出版商和在線平臺在過去一年通過機器人協議、設置付費墻和更改服務條款等方式限制人工智能進行數據抓取與使用，給人工智能的研發與運用造成極大不便，這意味著對著作權人權益訴求的回應已經具有相當的緊迫性。合理使用制度與單純獲酬權均屬于法定內容，還需要在未來加以論證、設計并明確。在當前缺乏相關立法規定的情況下，司法可以通過法律方法的充分運用，將訓練階段的作品利用非侵權化，而對于當前語境下輸出階段的作品利用，可以參考法定許可的費率標準判令支付一定的報酬，促進著作權保護與科技發展的平衡。

｜參考文獻｜

［1］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（2）：68-79.

［2］張惠彬，王懷賓. 版權優先還是技術優先？：法國應對AIGC版權風險的趨勢及啟示［J］. 編輯之友，2024（5）：103-112.

［3］黃紹坤. 人工智能訓練數據收集的合法性困境與制度建構［J］. 荊楚法學，2024（3）：89-100.

［4］李安. 機器學習的版權規則：歷史啟示與當代方案［J］. 環球法律評論，2023（6）：97-113.

［5］馬蘭. 與AI爭奪未來：好萊塢編劇首次罷工 直稱人工智能是剽竊機器［EB/OL］. （2023-05-05）［2024-10-05］. https：//mp.weixin.qq.com/s？__biz=Mzg5MzEyNzEwNQ==&mid=2247629360&idx=6&sn=091af016ba9afc4e46aedd47d174889b.

［6］朱冬. 著作權法上單純獲酬權的制度邏輯與規范構造［J］. 環球法律評論，2024（3）：130-143.

［7］克里斯托弗·梅，蘇珊·K. 塞爾. 知識產權批判史［M］. 馬騰，譯. 北京：商務印書館，2024.

［8］P. S. 阿蒂亞. 合同自由的興起與衰落：一部合同思想史（下冊）［M］. 范雪飛，譯. 北京：中國法制出版社，2022.

［9］BENJAMIN L WSOBEL. Artificial Intelligence's Fair Use Crisis［J］. Columbia Journal of Law & the Arts，2018（1）：45-97.

［10］王淵. 版權豁免與許可合同沖突［M］. 北京：商務印書館，2021.

［11］凱倫·楊，馬丁·洛奇. 馴服算法：數字歧視與算法規制［M］. 林少偉，唐林垚，譯. 上海：上海人民出版社，2020.

［12］張吉豫，汪賽飛. 大模型數據訓練中的著作權合理使用研究［J］. 華東政法大學學報，2024（4）：20-33.

［13］袁真富，夏子軒. 機器學習中作品利用的著作權補償金制度研究［J］. 科技與出版，2024（7）：28-36.

［14］李青文. 算法訓練使用作品的著作權法規制路徑［J］. 科技與出版，2024（7）：16-27.

［15］申衛星，李夏旭. 個人數據所有權的賦權邏輯與制度展開［J］. 法學評論，2023（5）：114-128.