日本著作權法應對文本與數據挖掘的制度邏輯考察

引言

在2023年的G7峰會上，知識產權侵權被列為生成型人工智能的最主要風險之一。」目前，人工智能與著作權方面的某些爭議，被認為可以在既有理論下被“充分而妥當地”2解決，但既有的著作權與版權法律框架并不完全適應人工智能的生產模式。人工智能的文本與數據挖掘（TextandDataMining，以下稱“文本與數據挖掘”）問題就屬于仍有爭議的問題之一。2025年，在 Thomson Reuters v.Ross Intelligence一案中，美國特拉華州地方法院判決使用Westlaw數據庫進行非生成型人工智能機械學習的行為侵犯版權，且不適用于美國的合理使用（Fair Use）條款。‘這一結論使得原本被認為能夠依托合理使用進行大膽發展的人工智能產業再次蒙上了可能侵犯著作權的陰影。文本與數據挖掘可謂是人工智能進行工作的基礎，也是發展人工智能產業必須保障的行為。但這一行為在現有的著作權體系下能否獲得侵權抗辯，目前還有許多不明之處需要厘清。

作為與我們文化相近，著作權體系多有共通之處的鄰國，日本在機械學習方面可謂是開了不少綠燈。由于日本《著作權法》中的數條明文規定，包括文本與數據挖掘在內的機器學習理論上不僅不被視為侵犯著作權，而且無須支付任何對價。因此，日本也被稱為“機器學習的天堂”。4然而，在缺少相關案例與司法實踐的日本，關于機械學習的條文應當如何使用仍存在一定爭議。中國在人工智能相關的案例方面比日本更加豐富，但在文本與數據挖掘的合法性上還缺乏相應的案例和立法。因此，結合日本在此方面既有的立法與學術討論，對其司法應用及其實踐挑戰進行評估分析，應當有益于完善我國著作權法在文本與數據挖掘方面的規制體系。

一、文本與數據挖掘的定義與著作權困境

（一）文本與數據挖掘的定義與主體

文本與數據挖掘的主要定義是從結構化或半結構化的文本、數據中收集信息，發現潛在的模式、規律以及知識。‘法律上，歐盟的《數字單一市場版權指令》第二條第二款將文本與數據挖掘描述為：“任何旨在分析數字形式的文本和數據的自動化分析技術，以生成包括但不限于模式、趨勢和相關性的信息。”人工智能的深度學習需要分析大量的數據，“這類分析過程會使得人工智能的算法模型逐漸成形。可以說，文本與數據挖掘構成了人工智能發展的技術基礎。沒有文本與數據挖掘的過程，就不會有能夠被稱為人工智能的算法模型出現。因此，人工智能的開發者必然要使用這項核心技術。

在主體結構方面，其他主體也可能構成文本與數據挖掘的主體。日本學者將生成型人工智能的工作流程分為處理與學習階段以及生成和利用階段。而在生成和利用階段，人工智能的使用者可能會向人工智能模型預輸入（proput）一些基礎的數據、資料以及要求。該階段的預輸入也同樣符合文本與數據挖掘的定義。因此，人工智能的文本與數據挖掘問題實際上存在不同的主體。其次，兩者的主要自的也不同。人工智能開發者的主要目的在于建立人工智能模型，而人工智能使用者的主要目的則在于使人工智能生成作品。

（二）文本與數據挖掘的著作權困境

在人工智能的訓練與使用領域，文本與數據挖掘通常包含兩種不同的形式：一是使用特定的資源文本數據，二是在網絡上大量抓取來自博客、網站、書籍、社交媒體的數據。1這些數據中包含著著作物與非著作物。對于非作品的使用，自然不會侵犯著作權。然而，對于著作物的使用又如何呢？

首先需要明確的是，人工智能的文本與數據挖掘可能會侵害怎樣的著作權。根據《伯爾尼公約》，著作權人就作品擁有精神權利和財產權利。《伯爾尼公約》中規定了署名權和保護作品完整權等精神權利，以及翻譯權、復制權、改編權、公開表演權、廣播權、信息網絡傳播權、發行權、展覽權等財產權利。除此之外，各國通常還會規定其他的精神或財產權利，譬如我國還規定了發表權和修改權作為作者的精神權利。一般來說，人工智能的文本與數據挖掘可能涉及以上權利的相關內容，“而這也是主要的爭議點。12

首先是修改權，修改權是作者本人修改作品或授權他人修改作品的權利；其次是保護作品完整權，即原作者保護自己的作品不受歪曲和篡改的權利。《伯爾尼公約》對保護作品完整權的規定包括“有損作者聲譽”13，而中國的《著作權法》則去除了這一要件，只看作品有沒有受到歪曲和篡改。14修改權和保護作品完整權共同構成了作者對“改動作品”這一行為的排他性的獨占，因此不經作者允許改動作品的行為就可能構成侵權。人工智能進行文本與數據挖掘的行為的確對作品進行了轉碼、標記與整理，這些行為或許可以視為對作品的改動。如果將文本與數據挖掘的結果與人工智能所生成的作品直接聯系起來，那么生成作品也涉及對原作品的改動。

在保護作品完整這一領域，開發者與使用者都可能做出“讓AI修改作品”這類性質的行為。然而，需要注意的是，修改權和保護作品完整權是建立在作者與作品的聯系之上的，所保護的是作者通過作品與讀者進行交流的形式，“5這同時也包含著作者基于作品而產生的名譽。在此基礎上，原作品需要以作品的形式存在，作者才能行使修改權和保護作品完整權的前提。但在人工智能以原作品為素材進行文本與數據挖掘的過程中，原作品的形式在某種意義上已經滅失。在開發者為訓練人工智能而進行的文本與數據挖掘中，并不涉及人類的讀者，同時也不會向公眾揭露作者的名字。原作品不會以作品形式得到傳播，而作者與讀者交流的方式以及作者的名譽也并未受到損害。具體說，原作品作為生成素材將會被分解為表達的元素集合。在此過程中，原作品的形式和性質不復存在，而是和其他要素一同組合，成為新作品的要素。這與人類將原作品當作參考創作新作品是相同的情況。因此，在目的是創作新作品，而非冒認原作者和原作品身份的情況下，并沒有進一步規制的理由。

其次，和作者的精神權利比起來，人工智能對于作品的改動更有可能侵犯翻譯權和改編權這類財產權利。翻譯本身是包含翻譯者對原文的理解與再創作的行為，翻譯者在譯制作品上的獨特貢獻已經被著作權法所承認，“而譯制作品亦可視為一種改編程度較輕且更加忠實于原作品的二次創作。翻譯權和改編權這兩種財產權的侵權行為，具有類似的侵權要件。這些要件包括改變原作品，在原作品基礎上產生新作品或譯制作品，而后產出的新作品令原作者對原作品的類似利用喪失了排他性。新作品或譯制作品若不存在，作者對作品的排他性利用也不會受到損害，因此也不存在侵權的情形。在開發者訓練人工智能時所進行的文本與數據挖掘中，有可能將作品翻譯為其他語言，或轉變為機器可以閱讀的程序語言，這固然是對原作品的改變。但是，這種改變的直接目的并不是創作新作品，也并非對作品的閱讀性、欣賞性使用，而更多地是數據挖掘的基礎性工作。17因此，人工智能開發者所進行的文本與數據挖掘過程并不會侵犯翻譯權和改編權。

第三，文本與數據挖掘所涉及到的更大的侵權風險，在于可能侵犯作者的復制權、廣播權、信息網絡傳播權等權利。人工智能的文本與數據挖掘會復制原作品，在人工智能的數據庫內保存原作品的備份，構成復制行為，可能構成對復制權的侵犯。而將原作品跟隨人工智能數據庫向同行發送以供評閱，18或是在互聯網上進行傳輸、上載、分享，則可能侵犯廣播權和信息網絡傳播權。在前文中，由于不會直接利用人工智能創作作品，開發者在理論上能夠規避大部分的侵權風險。但在復制權、廣播權和信息網絡傳播權的場合，無論是人工智能的開發者還是使用者，都難以規避侵權行為。

有學者認為，在特定情況下，文本與數據挖掘并不會侵害著作權人的財產權利。因為知識產權的價值在于傳播，傳播是作品經濟價值實現的具體途徑，19“知識產品只有在向公眾傳播的語境下，討論侵權才具有實際意義\"。人工智能所進行的文本與數據挖掘，沒有向公眾提供原作品的獨創性表達，其生成作品也并未替代原作品的市場。因此，文本與數據挖掘中的作品使用行為，在不與原作品構成實質性相似的情況下，均不會侵犯著作權人的任何財產利益。2而這種結論似乎也自然地包含了開發者的訓練階段和使用者的生成階段。

不過，這種看法在某種程度上忽略了著作權法一貫的保護模式及保護對象。著作權法賦予權利人相關的著作權，是為了防止其他人未經許可而商業性地利用其智力活動成果22。而某些基本的商業性利用，譬如復制權，并不以對作品內容的傳播為要件。從知識產權的本質來看，無形的智力活動只有在有形物質上才能被了解、知悉或感知。因此對于智力活動成果的規制，也必然涉及對有形物的規制。復制權是最早的著作權，而其誕生之初的目的，就是為了防止作品的有形體現，即印刷物不受限制地增加。24在傳播技術不斷發展的現代，廣播和互聯網即使本身無形，但由于其能夠被輕易獲取、復制的性質，成為新的作品的有形媒介，因此才會增加廣播權和信息網絡傳播權，對其作進一步規制。盡管數字時代對于復制行為的規制非常困難，但著作權法對于作品的獲取渠道以及復制行為仍應當有所反應，而不能對其進行放任，自然地使其合法化。

筆者認為，在現有的著作權法框架下，將文本與數據挖掘中的作品使用行為自然地合法化缺乏足夠的正當性。即使可以對某些權利的要件進行分析，從而避免侵權判定，但在涉及復制權這樣的最基本的權利時，文本與數據挖掘對作品的使用就需要更加明確的法律證明作為侵權抗辯。人工智能文本與數據挖掘的著作權困境真實存在，為此才需要在著作權法中為這種行為附加正當性，以達到促進人工智能發展和減少侵權風險的目的。

一般而言，只有兩種情況能夠避免對作品的使用落入侵權范疇。一種是獲得權利人的許可，另外一種是符合權利限制的要件。權利限制，或稱合理使用，是一種著作權法上的例外，其作用是為依據著作權法已經被判定為侵權的行為提供辯解，以避免侵權責任。25

獲得權利人的許可是最不容易產生爭議的行為。日本《AI與著作權相關的檢查表與指導》中針對人工智能相關的著作權爭議，提出的首要建議就是獲得原作者及權利人的許可。2然而，對于人工智能的文本與數據挖掘來說，要獲得權利人許可存在幾點困難。首先，文本與數據挖掘不僅包含使用特定資源的方式，也包含在網絡上進行大范圍抓取的方式。在這種情況下，可能涉及的權利人十分繁雜，人工智能的開發者自身可能也不知道使用了哪些材料，需要向哪些相關人士提出許可請求。其次，不是所有的權利人在任何場合下都會同意許可。在英國的調查中，僅有 34.6% 的企業通常會授予許可，而 52.9% 的企業僅僅是偶爾授予許可。2此外，還有許可費用的問題。對于人工智能的一般使用者來說，支付許可費用可能會構成一定負擔。而對于開發者來說，要對所有使用過的作品支付許可費用也是相當大的成本。

一般認為，權利限制的正當性主要來自公益目的、對既有的著作權進行調整和平衡，以及辨明本就不屬于權利人的權利領域，不會影響權利人合法權益等三種類型。在各國關于權利限制的立法中，對應以上三種正當性的緣由，一般允許為了公益或學術研究等方面的利用，以及個人的私下使用。商業性的利用一般情況下則不被允許，因為商業性的使用非常容易損害權利人的利益。人工智能的使用者較容易達成“個人使用”和“研究使用”的要件。但對于人工智能的開發者來說，如果沒有商業性的回報和激勵，恐怕沒有足夠的動力去進行人工智能的開發。因此，能否通過權利限制，在一定的條件下允許文本與數據挖掘對作品的商業性使用，便成為對人工智能發展勢頭具有決定性影響的關鍵問題。

二、日本柔性合理使用制度的應對方案

（一）日本法對著作權的限制方式

著作權權利限制的形式分為開放、半開放、封閉三種模式。2開放模式主要指的是美國式的立法制度，其特點是不限定使用目的，而是依靠使用的具體情況以及法官的判斷來決定是否侵權。半開放式指的是限定使用目的，將其他要素交給法官判斷的半開放式。第三種則被視為著作權的例外，以窮盡式列舉和狹義解釋為其主要特征。盡管其內容依據地域發展各有不同，但往往統一稱作合理使用或權利的限制。

日本過往使用的是例外式的權利限制模式。在法律上采取列舉式的立法，并且原則上法院也不被允許認定著作權法上沒有明確規定的權利限制。2這就使得能被允許的作品使用方式非常有限，除了學校、圖書館等公益使用目的之外，以往的日本著作權法僅承認“引用”這種商業化使用方式，而且對引用的量和實質有著相當嚴苛的要求。即使能夠對法條進行類推解釋，其過于寬泛的解釋也會違反立法的宗旨，因此終究是存在界限的。3°從“引用”所要求的質和量來看，在大數據或人工智能中所使用的文本域數據挖掘技術將無法被認定為引用。有些日本學者認為，落后于時代的著作權法解釋是阻礙日本IT產業進行創新的元兇。1也有學者表示，即使促進創新，發展科學技術及產業被認為是專利法或其他法律的相關內容，但著作權法應當也能夠通過法律解釋，說明其立法意圖中包含不應阻礙創新或技術發展的“消極技術因素”。32

2016年，日本政府開始規劃人工智能的發展愿景。2017年，日本政府制定了《人工智能技術戰略》及其產業化路線圖，確立了AI技術作為國家戰略的核心地位。3在此背景下，僅提供了“引用”這樣一條窄路的原著作權法就不太能夠滿足人工智能發展或其他高新IT產業的需求。為此，有必要引入一般式的權利限制條款，或是將權利限制的具體應用場景拓寬。早在2008 年，日本知識產權戰略本部就設置了數字·網絡時代的知產專門調查會，提倡建立“能夠靈活應對技術進步與新商業模式的法律制度”34，以及“在不被認為不當損害權利人利益的一般范圍內，在個別列舉的法律規定之上引入允許公平利用和全面允許的一般規定”。 ³⁵2018 年，日本對著作權法進行修改，為了促進新技術的運用，提高生產力水平，將目標定為擴大合理使用條款的開放性，加入了被稱為“柔性合理使用條款”的數條權利限制。這些權利限制包括新版日本著作權法的第三十條之四，第四十七條之四以及第四十七條之五，覆蓋內容包括（1）第三十條之四所規定的作品非享受性利用，特別列舉了對作品的情報解析；（2）第四十七條之四規定的關于計算機使用過程中對作品的附隨性利用，以及（3）第四十七條之五所規定的關于計算機信息處理，創造新信息的輕微利用。

（二）日本限制著作權方式的特點與優勢

在這些條款之中，日本新版著作權法第三十條之四特別規定“不以享受作品的思想感情為要件”，這被認為是受到了商標機能論的影響。商標機能論認為，損害商標標記出處的功能與品質保證的功能將構成實質性的違法，而不損害這兩種功能的行為則不會被判定為違法。這一理論最早用來處理商品的平行進口，日本最高法院在弗萊德派瑞一案中判決：“該商品與我國商標權人標注注冊商標的商品在該注冊商標所保證的質量上沒有實質差異時，作為所謂平行進口的真正商品，判定缺乏作為商標權侵害的實質性違法性。”7而在應用于著作權上時，這一理論將著作物的全部經濟價值視為“為了滿足知識、精神上的需求而支付的對價”38。因此，若是作品的使用方式不能滿足知識、精神上的需求，就不會被認為損害了作品的經濟價值。

日本著作權法第三十條之四的規定具備抽象性與一般性，與美式的合理使用十分相似，但整體來看，日本的著作權法改革仍沒有完全采用美式的做法，盡管美國式的合理使用是最為開放的，也被一些學者認為是促進創新的極致。日本著作權法的改革所采用的則是“概括條款 + 肯定列舉 + 兜底條款”的構造模式，4兼具概括條款與列舉條款，以及對于合理使用自身的限制。一般認為，概括條款的意義在于提供明確規則之外的標準，將評判的責任轉移至司法領域、減少立法偏見的影響。41而列舉條款則更能確保法律的確定性。對于日本來說，不全盤采用一般條款的理由主要包括以下幾點：首先，在日本民眾尚不完全了解著作權法的情況下，貿然使用開放性的法律標準可能會使侵權行為增加。“2因此，比起全盤否定法律的開放性，更有必要保留法律的確定性。其次，日本的立法和司法分立具備悠久的歷史，將公共利益與政治對立相關的事項從立法機關轉移到司法機關，未必是理想的做法。4再其次，由于日本是大陸法系國家，沒有判例法的傳統和基礎，再加上維權訴訟的成本較高，45盡可能減少訴訟的負擔也是日本立法所考慮的要點之一。最后，由于日本的柔性合理使用條款與其他合理使用制度各自分離，在促進新產業發展的同時，并不會過度動搖傳統產業領域的格局。4可以說，日本的著作權法改革基本實現了新法律體系與既有法律體系的和諧。

與美國法上合理使用所依賴的市場失靈理論與轉換性使用理論不同，日本著作權法新引入的權利限制方式主要以不影響權利人的合法權益為正當性基礎，根據對權利人的損害程度等要素，將對著作物的利用分為三個層次。即：（1）不屬于著作物原本的利用方式，通常不會損害著作權人利益的類型；（2）屬于著作物原本的利用方式，但對于著作權人只有輕微不利影響的類型；（3）包含著作物原有的利用方式，但其利用有望促進公益政策實現的類型。由此，日本著作權法的改革以盡量不對權利人的利益產生重大影響為核心理念，導入了靈活的限制性規定。47在這樣的分層制度中，日本著作權法第三十條之四所提到的“不以享受作品思想感情為目的”要件，由于不涉及對原作品的經濟利用，被認為是屬于第一層的限制性規定。48

除了日本之外，其他國家或地區也存在針對文本與數據挖掘的專門限制性立法。英國、歐盟、瑞士和新加坡都有針對文本與數據挖掘的專門規定，并在著作權沖突中將文本與數據挖掘在一定程度上進行了合法化。基本上，這些專門規定并不會特別限定進行文本與數據挖掘的主體，但也有例外，如歐盟《數字單一市場權指令》第三條提出研究組織或文化遺產機關的限定。此外，在文本與數據挖掘的目的上，多限定為情報研究或學術解析目的，英國《版權、設計與專利法》第29A條在此之上還限定了非盈利目的。在出于驗證和共同研究的目的時，新加坡法允許復制之外的利用行為。

與這些國家和地區的立法相比，日本法在文本與數據挖掘的允許力度上存在諸多優勢。首先，日本法的情報解析不局限于研究目的，而是同樣適用于營利和商業目的，這一點比起英國法更加開放。其次，日本并沒有限定數據利用的方式。根據歐洲的指令，能被允許的行為僅有復制和數據分析。但日本沒有這種限制，可以進行轉售、共享數據等多種形式的利用。 49最后，日本法并沒有就文本與數據挖掘所使用的數據來源進行規定。根據歐盟法，文本與數據挖掘所使用的材料只能是具有合法閱覽權限的資料，但對于日本法來說，即使是盜版網站上的材料也可以用作機器學習。5這不僅拓寬了文本與數據挖掘可用的資料范疇，也大幅降低了成本。早稻田大學的上野達弘教授認為，基于其有用性，日本著作權法上的規定在將來必能得到活用。51

三、“通貫”對日本柔性合理使用制度正當性依據的挑戰

（一）“通貫”場合下的法律適用沖突

然而，日本在文本與數據挖掘問題上仍有一些疑問沒有解決。如前文所述，日本柔性合理使用的正當性依據是不對權利人的利益產生重大影響。而第三十條之四中的“不以享受思想感情為目的”，則構成了三層論中第一層的前提。但在使用人工智能進行文本與數據挖掘時，可能存在利用人工智能生成新內容的情況。在這種情況下，原作品的思想與感情不可避免地會出現在新作品中。此時便不能稱使用者的行為符合沒有享受目的的要件，而是同時存在享受目的與非享受目的。日本學者稱這種情況為“通貫”，并認為這種場合下，并不能適用第三十條之四，而是應當適用第四十七條之五，52也就是使用電子計算機對受著作權保護的作品進行信息處理，來創造新的知識或信息時對附隨作品的公布和輕微利用。該條款限定的主體是“按照內閣規定，將信息處理結果提供給公眾的人”。由于主體需要提供信息處理的結果，因此在第四十七條之五所設定的場景下，主體進行文本與數據挖掘必須以生成結果為自的。根據第四十七條之五的文義，如果開發者沒有利用人工智能生成新信息的直接目的，那么就不能適用第四十七條之五進行合理使用。

由此看來，日本著作權法的第三十條之四與第四十七條之五似乎形成了完美的分工。對于沒有生產新作品自的的開發者，可以適用第三十條之四進行合理使用。而對于有產出目的的使用者，則可以適用第四十七條之五進行合理使用。在日本，有一些法律事務所的職業人士已經得出了這樣的結論。不過，京都大學的愛知靖之教授認為，第三十條之四可以獨立處理存在享受目的的文本與數據挖掘。因為第三十條之四的“不以享受思想感情為目的”并不是唯一的要件，而是與列舉的具體情況并存的，只需符合第三十條之四所列舉的具體情況中的一種，即可主張合理使用。54而第三十條之四的第二號明確規定了機器學習的合法性。

此外，愛知教授也不認為第四十七條之五能夠處理文本與數據挖掘的問題。因為第四十七條之五的適用范圍其實相當受限，且需要滿足附隨性要件。附隨性要件要求新信息是主要內容，而屬于原著作物的內容是次要內容。以圖像生成型人工智能為例，新作品與原作品進行了混雜和同一化，導致難以判斷作品中的主次。55愛知教授認為，在第三十條之四第二號已經規定了機械學習的合理使用的情況下，沒有必要依據第四十七條之五分類處理。基于這種解釋，日本著作權法對于文本與數據挖掘問題的處理形成了以第三十條之四為中心的統一體系。56

（二）“通貫”場合下對權利人的影響評估

根據上述思路，在存在新作品生成的情況下，也必須重新評估三層論下特定文本與數據挖掘行為是否具備權利限制的正當性依據。生成新作品的行為，是作品原本的利用方式，不能援引第一層的正當性依據。而日本法不對使用人工智能的主體做限定，相關主體不一定基于公益政策而使用人工智能，難以援引第三層的正當性依據。因此在大部分情況下，必須參考第二層的正當性依據，在屬于著作物原本利用方式的情況下，通過特定行為對權利人的影響來判斷，是否可能落入第三十條之四但書所提到的“基于該著作物的種類及用途，以及利用的形態導致著作權人的利益受到不當損害時”的情況，而導致侵權抗辯失敗。

對于權利人的影響，主要是通過對作品的市場來判斷的。在基于原作品由人工智能進行創作的情況下，根據目前的案例，主要的侵權依據是人工智能作品與原作品之間的實質性相似。然而，實質性相似并不能完全說是文本與數據挖掘所帶來的問題，因為人工智能的學習和生成是兩個可以互相分離的不同過程。實質性相似往往被認為是生成階段的問題，而不是學習階段的。上野達弘教授認為，日本作為“機器學習的天堂”對機器學習的容許，并不意味著對于生成作品侵權的容許，學習階段和生成階段必須分開。57既然生成階段與學習階段應當分開，那么生成作品因相似而侵權，也不應當影響到學習過程才對。以目前的中美兩國案例為例，在中國的“奧特曼”一案中，法院判決被告刪除涉案模型，但并未支持原告刪除所有學習物料和相關數據的請求。5而在美國的 Thomson Reuters Enterprise Centre GMBH andWEST Publishing Corp. v. Ross Intelligence Inc.一案中，法官也并未判決學習過程本身侵犯著作權。從目前的案例和理論可以得出，即使生成結果侵權，學習過程也有可能并不侵權。

不過，人工智能的發展，目前仍處于未知階段。即使能夠將生成結果與學習過程分開，學習所產生的成果也可能為將來的生成提供某種便利，并侵害權利人將來的市場。這種影響有可能突破學習與生成之間的區分，并依據但書造成侵權抗辯無效的效果。具體而言，如果有人利用人工智能專門對著名作品的風格進行學習，那么就可以輕易地大量生產類似風格的作品，從而影響原作品的潛在市場。美國版權局的報告中曾談到，有許多藝術家表示應當規制人工智能模仿人類創作者的創作風格。有實例稱，在搜索引擎上搜索特定藝術家的名字，排在首位的并不是其本人的作品而是人工智能的模仿作品。5從這個角度來看，專門性的文本與數據挖掘的正當性依據并不夠。但如果要對“風格”這類抽象的概念進行規制，就需要突破著作權法的界限。在傳統的著作權法框架下，僅有表達領域能夠作為作品被保護，而作品風格一般被視為思想范疇。對于這一點，日本文化廳出臺的《AI與著作權相關的考量》給出了兩種不同意見。一種認為，使用作品的思想并不侵犯著作權，如果該生成物與學習源著作物的創作性表現不共通，則不屬于著作權法上的“不當損害著作權人利益的情況”。另一種則認為，應當進行個案討論，特定創作者或著作物在被AI生成物取代的情況下，也有被認為是“不當損害著作權人利益”的余地。就目前而言，日本文化廳并不建議對知名風格作品進行專門性的機械學習。在日本著作權法框架下，這一行為的侵權風險仍然存在。這也說明人工智能相關的法律設計仍有許多未明之處亟待探索。

四、結語

對于目前的文本與數據挖掘與著作權沖突，各國都傾向于在既有的著作權法體系之內解決。但隨著人工智能技術的發展，著作權法的理論與實踐也顯現出一些問題，且難以通過既存的著作權法解決，甚至在某些程度上觸及著作權法的根本，需要進一步探討并予以改善。在人工智能領域，我國的相關案例已經相當豐富，但在立法上卻沒有足夠的正當性依據。我國的著作權法采取由第二十四條統一規定，限定列舉式的權利限制制度，且主要限定在個人使用與公益使用等領域，沒有為文本與數據挖掘留下發展空間。在《信息網絡傳播權保護條例》以及《生成式人工智能服務管理暫行辦法》中，也沒有提供文本與數據挖掘的合理依據。在此背景下，參考日本法對于著作權權利限制的法律設計思路，或許是一種回應市場和產業發展趨勢的有效方法。

Abstract：Inthisboomingartificialintellgenceera，textanddataminingisakeypointinthetrainingandinnovationof artificial intellgence，yet which facesseverechallengesunderthe existingcopyrightlawsystem.Japan introducedfexiblefair use provisionsthrough therevisionofCopyrightLawin 2018，providinglegal spacefor textanddata mining，whichisarather uniqueandhighlyopenlegislativeexample.Tisarticleakes thelatestcopyrightlegislationinJapanasastarting pointtoclarify thekeypointsandissuestobeexploredintheproessoflegalizingtextanddatamining.Itaimstopromotethesustainable developmentoftheartificialintellgenceindustrytroughinstitutionalinnovationhilesafeguardingtheinterestsofcopight holders.

Keywords：ComparativeLaw;CopyrightLaw;FairUse