数字化背景下作品非表达性使用的著作权法应对

作品非表达性使用指不以阅读、欣赏作品为目的,在结果上也没有再现作品表达的作品利用行为。作品非表达性使用没有剥夺著作权人交易机会,没有在对话场域使用作品,不属于著作权侵权行为。作品非表达性使用不契合合理使用的本质属性,其实践亦无需合理使用制度介入,合理使用并非适宜的应对方案。构建作品非表达性使用制度在理论层面有助于区分作品性使用与非作品性使用、技术中立与科技向善;在制度层面能够发挥权能公示、解释基准与例外排除等功能。通过主体、对象、目的等关键范畴可将作品非表达性使用制度条文拟为:为实现特定技术目标,不以获取作品内容也不以向公众传播为目的使用他人已经发表的作品,不侵害著作权;但计算机软件作品除外。

机器学习的著作权侵权判定:超越非表达性使用理论

针对人工智能机器学习的著作权侵权判定难题,近期引人注目的非表达性使用理论根据“表达性机器学习”和“非表达性机器学习”的类型化方法划分侵权责任,并提倡禁止人工智能模仿特定作者的个人创作风格。然而,复制权的目的解释、历史解释和判例分析表明,非表达性使用理论未能走出长久以来“实施复制即侵权”的理论误区,面临逻辑、法理和现实层面的三重困境。对此,应当对非表达性使用理论进行扬弃,重构机器学习的著作权侵权判定标准,以公众接触原作品表达的高度盖然性取代“实施复制即侵权”的形式主义理念。

论“标准”的表达性使用及其法律调整

"标准"是指"衡量事物的准则",对其使用包括功能性和表达性两个层面。前者是指对"标准"内容的利用,如根据法律规定去履行义务或依照技术规范去制造产品;后者是指围绕着"标准"之表达所进行的复制、发行等行为。对于"标准"之表达的可版权性分析应从版权激励的必要性、接触"标准"内容的可能性及表达方式的可选择性等三个维度进行。与普通作品相比,对于表达性使用"标准"之情形,被告的合理使用与默示许可抗辩更容易获得成功,版权人禁令救济请求获得支持的难度也更大。对于"标准"的表达性使用行为可通过反不正当竞争法进行调整,但只能局限于特定范围之内。

表达型人工智能版权合理使用制度研究

人工智能高效的机器学习技术正在大量消费人类作品,未经版权人许可使用作品数据来培训人工智能的行为,可能会面临版权侵权的风险。尤其是表达型人工智能的使用,不敷适用合理使用制度的条件。若将其定性为合理使用,将会违背合理使用制度的衡平之义;反之,则会阻碍先进技术产业的发展。面对这一困境,需要在人工智能语境下对传统的合理使用制度规范价值作重新审视和创新调适,以期对失衡扭曲的版权利益关系实现公平的再分配。

AIGC创作适用著作权合理使用的困境与出路

根据现行著作权法的规定,AIGC创作存在侵犯复制权、改编权和传播权等多项著作权风险,现行合理使用制度难以有效适用于AIGC创作,扩大解释合理使用一般条款是AIGC适用合理使用制度的可行性路径。应建立“一般条款为主+法定列举情形为辅”的合理使用制度框架;从主体范围、商业性的使用、作品的正常使用、作者的合法权益等方面细化合理使用考量因素的判断标准,并根据是否构成非表达性使用对AIGC分类型适用合理使用制度;在合理使用制度外为AIGC创作增设义务,一方面要求AIGC开发者公开详细的训练数据摘要,证明其数字化作品来源合法,另一方面探索建立AIGC创作的训练数据统一登记平台,为著作权人在著作权框架范围外设置奖励。

社交媒体使用能否推动绿色消费行为?——自我效能和个体结果期望的链式中介效应

在社会主义生态文明建设背景下,探索社交媒体对绿色消费行为的作用机制具有重要的理论与现实意义。基于社会认知理论,通过结构方程模型以及Bootstrap方法对社交媒体使用与绿色消费行为的关系机制进行研究,并探究了自我效能和个体结果期望在社交媒体使用与绿色消费行为之间的链式中介作用。基于371份样本数据的实证检验结果发现:社交媒体的信息性使用与表达性使用均正向影响绿色消费行为。同时,在“表达性使用—自我效能—个体结果期望—绿色消费行为”链式中介模型中,所有中介的作用均显著;在“信息性使用—自我效能—个体结果期望—绿色消费行为”链式中介模型中,除个体结果期望的中介作用不显著以外,其他变量的中介作用均显著。研究结论的启示意义在于:企业和政府应灵活运用社交媒体,通过差异化的社交媒体策略来强化个体的自我效能和结果期望,惟其如此,才能提升消费者的绿色购买意愿。

类型化视角下机器学习的合理使用分析

以复制权的依附性为逻辑起点,机器学习可分为表达型、混合型和非表达型机器学习。其中,表达型和混合型机器学习从事传播效果导向的复制面临侵犯复制权的风险,继而加剧算法偏见问题。鉴于合理使用制度秉持的公平理念、限制复制权的历史逻辑以及应对市场失灵的经济价值,合理使用制度可有效规制机器学习。三步检验法中,第一步“特定、特殊情形”的僵化可通过援引司法经验并寄希望于未来修改《著作权法实施条例》来解决;第二步将损害法定权利经济价值的复制行为排除在外;第三步则采用比例原则并辅以因素分析法为合理范围内损害权利人利益的行为提供自由裁量标准。依此逻辑,表达型和混合型机器学习因其使用行为特点不同而具有不同的合理使用适用范围:相较于前者的内容转换性,后者的目的转换性更利于合理使用的认定。

大数据时代文本挖掘的版权例外

大数据时代的文本挖掘技术具有极强的应用价值与极高的商业价值,但其开发与应用面临着难以克服的版权困境,因而催生出三种不同模式的化解措施。《谷歌和解协议》中的"选择退出"模式意图通过授权机制的变革降低交易成本,英国立法所采用的"有条件例外"模式体现了增进公共福利的政策取向,而美国判例所确立的"无条件例外"模式则契合了大数据产业发展战略的需要。基于大数据发展战略的需要,我国《著作权法》修订时应综合运用版权客体排除规则与合理使用规则构建我国文本挖掘的版权例外规则。

欧盟版权法改革中的大数据与人工智能问题研究

欧盟最新的网络版权立法《单一数字市场版权指令》,不仅结合数字技术和网络服务发展对美国DMCA奠定的避风港规则进行了扬弃,将特定类型的在线内容分享服务提供者定性为直接实施了向公众传播行为,从而有义务获得版权权利人的授权或者采取措施阻止侵权内容出现在其平台上。而且对数据科学、人工智能应用中为了文本与数据挖掘等目的复制、使用作品的行为进行回应,创设了新的合理使用情形。其对技术和商业模式发展中的版权新问题的积极回应,具有启发和借鉴意义。

机器阅读的复制权问题探究

随着新技术的产生,著作权便面临新的挑战。近30年来,当学者对作品权属争议不下时,人工智能作品产生前的著作权问题也亟待解决。人工智能产生作品的前提便是快速且大规模的机器阅读,而机器阅读一般涉及复制行为。机器阅读作为一种非表达性使用,其发展体现了科技发展与传统著作权之间的冲突。虽然机器阅读不是著作权法意义上的使用行为,但是其复制行为仍然法律风险,因此需将其纳入合理使用的范围。

论人工智能编创应适用版权合理使用制度

人工智能编创是通过机器学习自主抓取并整合信息,形成独创性的表达。市场失灵理论肯定了人工智能编创版权合理使用制度的必然性,政策选择理论彰显了人工智能编创版权合理使用制度的时代性。人工智能编创具有内容和目的的转换性,在原作品的基础上创作出新的作品,属于非表达性使用,契合合理使用的判断要素,同时也不与作品的正常使用相冲突。

基础模型训练的著作权问题:理论澄清与规则适用

人工智能基础模型训练使用作品引发的侵权争议不断发生,对此需要从著作权法的基本法理出发,在解释学视角下进行行为定性和分类分级施加合规义务。从行为主体上,区分数据集创建者和模型开发者;从行为对象上,区分作为内容的作品与作为载体的数据;从行为样态上,将模型训练流程解构为数据准备、数据投喂与机器学习三个阶段。在第一阶段,数据集创建者在使用自有数据、购买第三方数据和抓取公开数据三种情形下对著作权侵权内容的注意义务程度依次减轻。数据集创建者复制作品是否侵权,需区分对待通用数据集和专门数据集,前者在公共利益原则下能够豁免侵权责任,后者因其整体价值与作品价值的重合性,则难辞其咎;在第二阶段,基础模型开发者通过交易行为获得数据集产品时,对数据内容的著作权合规义务有限。其将数据集投喂给模型时,对数据样本中的作品的复制是一种过程性复制,不构成侵权;在第三阶段,机器学习的对象是数据,核心目的是获取表达符号之间的分布规律,未发生对作品的呈现式或演绎式使用。鉴于著作权法意义上的作品使用指向的是“表达性使用”,故这种“非表达性使用”不落入著作权人专有权利的控制范围。

人工智能创作授权机制的完善

为促进人工智能技术的发展,避免人工智能创作过程中侵权问题,其授权机制有待完善.对于人工智能非表达性使用,应当适用合理使用制度;对于人工智能表达性使用,因其和原作品处于同一竞争领域,若使用合理使用制度将存在一定的争议性.同时,考虑到授权便捷性对于人工智能技术发展的重要性,可以使用集体管理制度.