引言
人工智能 (AI)，尤其是生成式AI，已成为数字世界不可或缺的一部分，并为娱乐、医疗、教育等众多领域做出了贡献。然而，AI创新的高速发展正日益与现行法律规则产生冲突，特别是在版权领域。随着AI在内容创作方面变得愈发熟练，有关版权侵权、数据抓取、责任归属以及自动生成材料保护的问题也随之浮现。
现有的法律框架被证明不足以应对这些问题。许多企业处于模糊的法律地带，对其行为的合法性感到不确定，这在一定程度上减缓了创新步伐。我们需要全面的法律更新，为AI用户和开发者制定明确的规则，以鼓励AI的发展，同时防范潜在的有害后果。
法律挑战与法律应对
近期，针对生成式AI的法律诉讼有所增加，大多与版权侵权有关。这些诉讼往往源于对使用从开放互联网收集的数据来训练AI模型的不确定性。例如，生成式AI公司使用公开数据训练其系统，随后又禁止他人对其系统输出的内容进行同样的操作，这种做法是否合法，目前尚不明确。
此外，如果生成式AI系统生成的内容与现有材料相似，那么导致版权侵权责任的相似程度界限依然不明确。这些悬而未决的问题使得企业，尤其是更容易面临诉讼的大型企业，对使用生成式AI技术持谨慎态度。
全球监管机构已开始着手限制AI带来的危害，但版权问题同样值得关注。明确且公平的规则将确保更多人能够更快地从AI中受益。
未决问题
目前，在这一法律博弈领域，仍有若干问题悬而未决：
- AI公司在未经网站运营商明确同意的情况下，利用从开放互联网上收集的数据来训练其模型，这种做法是否合法？
- 生成式AI公司能否在利用自由获取的数据进行训练的同时，禁止他人利用其系统的输出结果进行训练？
- 如果生成式AI系统创作出的内容与现有素材相似，该AI公司是否应承担侵犯版权的责任？素材的相似度需要达到什么程度才构成侵权？
- 在AI生成内容侵犯版权的情况下，责任方是谁——是客户还是云服务提供商？
- 自动生成的内容是否受版权保护？如果受保护，所有权归谁？如果两名用户使用相同的AI模型生成了相似的内容，会发生什么？
建议解决方案
为解决上述问题，特提出以下解决方案：
- 信息准入：如果互联网上的信息对人类而言是自由获取且可学习的，那么AI系统也应享有同样的权利。这种方法通过鼓励创新和加速知识传播，造福社会。值得注意的是，日本明确允许AI使用信息，即使是那些非公开可用的信息。
- 数据的相互使用：如果一家AI公司用他人的数据训练其系统，则不应限制他人使用其系统的输出结果进行训练。这有助于促进公平竞争并推动创新。
- 明确“合理使用”（fair use）的标准：美国目前的“合理使用”条款定义模糊，导致了困惑并阻碍了进步。更明确的标准（例如定义与训练数据重叠的阈值）将使企业能够在社会可接受的公平范围内进行创新。
- 避风港法律：制定相关规则将大有裨益，即如果在生成内容时遵循这些规则，则可确保所生成媒体的完整性。这将为用户和AI公司提供明确的指引。
尽管减轻AI的潜在危害至关重要，但我们也应投入同等的努力来加速AI带来的益处。明确的版权立法是朝着这个方向迈出的重要一步，但我们同样需要明确规定何种行为是可被允许的监管法规。
近期进展
近期的法律诉讼凸显了局势的紧迫性。包括Alphabet、Meta和OpenAI在内的一些AI公司已遭到版权所有者的起诉，指控其未经许可使用他们的作品来训练AI模型。这些案件对AI界长期以来认为现有版权法允许训练机器学习模型的假设提出了质疑。
对此，OpenAI已与多方达成协议，以使用其高质量的训练数据。在一项史无前例的协议中，OpenAI同意向美联社（Associated Press）支付费用，以使用其追溯至1985年的新闻文章来训练其算法。作为交换，美联社将获得许可费并有权使用OpenAI的技术。
美国立法者也在审议这一问题。参议院知识产权小组委员会已就AI对版权的影响举行了听证会，并会见了来自Adobe和Stability AI的代表，以及一位艺术家、一位法学教授和一位来自环球音乐集团（Universal Music Group）的律师。
结论
这些事件强调了现行版权法已过时，亟需改革。AI生产创意作品的能力日益增强，且往往模仿特定艺术家和作家的风格，这使得人们更加关注公平性的必要性。对大量数据（通常通过开放互联网收集）的访问推动了机器学习的近期进步。对这种访问的任何限制都可能减缓进步，或从根本上改变当前研究的经济层面，从而加剧现有的缺陷和不平等。
现在是时候对版权和生成式AI问题进行明确界定了。立法者、企业家、科学家、艺术家和公民必须共同努力，在继续保护版权的同时，制定新法律并确保公平获取信息。
