以ChatGPT为代表的生成式AI内容的可版权性研究

以ChatGPT为代表的生成式AI内容具有可版权性。就激励创作而言，被激励的对象并非生成式AI本身，而是使用生成式AI创作的人，生成式AI起到的依然是创作工具的作用，依可版权性将生成式AI内容置于版权法体系框架下进行保护符合最便宜保护形式的需要，同时能够为确定生成式AI内容版权侵权的责任主体提供依据。在生成式AI作品认定上，区别于传统作品的认定，应依独创性和实质性贡献来综合判断生成式AI内容是否为著作权法调整的作品。在生成式AI作品版权归属规则上，确定生成式AI作品的版权归属于真正创作该作品的人，即生成式AI的使用者，但允许通过约定的形式，借鉴合作作品权益分享规则，形成生成式AI开发者和使用者共有作品版权的权益归属规则。     

生成式人工智能侵权责任探析

生成式人工智能的侵权责任，在理论上可以从产品责任和一般侵权责任两种路径进行分析。在当前的法律框架下，对于以大语言模型为代表的生成式人工智能系统而言，不宜将其纳入到产品责任的范畴，而宜通过一般侵权责任制度并辅之以过错推定规则，这样既可以解决受害人的举证困难问题，也便于通过司法控制机制对生成式人工智能提供者的责任负担进行动态调整。为了维持生成式人工智能提供者与受害人之间的利益平衡，可以通过“通知—处置”规则对提供者施加消除侵权信息影响并防止系统再次生成侵权信息的义务。     

人工智能生成内容的著作权保护研究

生成式人工智能的出现,引发了是否需要给予人工智能生成内容（包括图片、文章等）著作权保护的讨论。人工智能生成内容是否构成作品的关键在于外观上是否具备独创性,而无需考虑创作主体和创作过程。但是,著作权法保护的是人类作品,生成式人工智能无法成为适格作者,仅仅是自然人作者实施创作的辅助工具。生成式人工智能使用者的操作过程可以被理解为创作,但是应进行个案判断。使用者基于创作行为取得作者身份和著作权,同时,投资者、开发者、所有者等主体的权益也能够得到充分实现。由于人工智能生成内容的著作权问题尚未形成共识,目前认定第三人侵权时应持审慎态度,赔偿数额宜低不宜高,不宜判处惩罚性赔偿。     

生成式人工智能机器学习中的著作权风险及其化解路径

作为一种基于机器学习的人工智能技术，生成式人工智能通过大规模数据集的学习训练来生成新的内容。生成式人工智能的快速迭代发展与机器学习的强数据依赖，在带来“创作”便利的同时，也给传统著作权理论带来了挑战。尤其是机器学习中的大规模素材训练所面临的著作权风险，亟待理论上的剖析厘清、司法实践上的准则确立。笔者从生成式人工智能的技术原理出发，通过梳理其素材来源与使用方式，分析机器学习素材训练中的典型侵权类型。并从理论基础、国内司法、欧盟立法等方面分析合理使用制度相对于法定许可制度的可行性。最终提出将生成式人工智能机器学习中的版权作品使用行为纳入合理使用制度范畴，既是当今科技发展浪潮中促进人工智能产业发展的最优解，也是维持“个人利益”与“公共利益”之间平衡的理性考量。     

论生成式人工智能侵权中服务提供者过错的认定——以“现有技术水平”为标准

从促进和规范人工智能产业发展、鼓励科技创新出发，应当对生成式人工智能致害的侵权责任采过错责任原则。在认定生成式人工智能服务提供者的过错时，应当以现有技术水平作为判断标准，现有技术水平需要考虑时间维度、行业维度和地域维度。在按照现有技术标准认定服务提供者的过错时，应当考虑生成式人工智能服务提供者在输入信息的真实性、输出信息的真实性以及服务提供者违反个人信息安全保证义务等方面，在现有技术条件下是否尽到了采取了必要措施的义务，是否尽到了预防和防范的义务，从而认定其是否具有过错。同时，考虑到现有技术条件下生成式人工智能侵权的特殊性，应当对服务提供者变通适用通知规则。     

论人工智能生成内容的可版权性标准

生成式人工智能将著作权法在独创性表达之上创设的稀缺性和激励转移至表达背后的智力投入,即提示词的迭代中,人工智能生成内容由此具备可版权性基础。现有反对意见过度关注作者身份问题,造成诸多论证困境。“意志论”未能区分作者的范畴意图和语义意图,忽视了所有作品的表达内容均不可能在绝对意义上为作者的自由意志所决定、预见和控制,且诉诸“创作辅助人”条款将赋予人工智能法律主体资格,无法成立。而“过程论”将作品可版权性与具体创作方法联系在一起,不符合著作权法的规则和目的。人工智能生成内容的可版权性标准应该从作者身份转向独创性。由于排他权范围极其有限,对人工智能生成内容适用最低限度独创性理论不会造成权利“井喷”现象。     

类ChatGPT生成式人工智能的运行机制、法律风险与规制路径

生成式人工智能通过“准备-运算-生成”的运行模式为人们提供了创造性和高效的内容生成工具,深刻改变了创作、沟通和信息传播方式。但其在给人们带来便利的同时也带来了一系列的法律风险,如在准备阶段出现了数据安全和算法偏见风险等问题,在运算阶段存在隐私泄露和网络侵权、欺诈风险等问题,在生成阶段引发了版权及版权归属不明和商业秘密泄露及其导致的不正当竞争等问题。对于以上法律风险问题,需要以安全负责和科技向善为着眼点,选择相对应的法律规制路径,这有助于平衡技术创新与社会稳定之间的关系,保障公众权益。     

生成式人工智能绘画侵权的样态分析与规制路径

生成式人工智能绘画的出现为人工智能行业带来了巨大的发展机遇，但也带来了一系列挑战，如侵权行为的普遍存在、造假行为的猖獗以及生成式人工智能绘画的售卖牟利和侵犯隐私等。这些问题都成为阻碍生成式人工智能绘画产业健康可持续发展的主要因素。生成式人工智能绘画侵权保护是一个包括政策、法律、科技、产业等多个领域和方面的系统性工程，要汇集多种力量共同推进。为了有效地防止生成式人工智能绘画侵权行为，应从生成式人工智能绘画的发展历程出发，系统分析生成式人工智能绘画侵权模式，深入探究生成式人工智能绘画的规制路径，从机制、主体、创新等多方面提出有效的优化策略，以期达到更好的法律规制效果。     

人工智能创作物是作品吗？

对人工智能创作物的可版权性判断,应该以“额头出汗”原则建立起独创性判断的客观标准。虽然人工智能不是“人”,但也不是“物”。不能因为人工智能创作物的创作主体不是自然人,就否定其可版权性。将智能作品纳入传统版权分析框架,它实际上是一种人工智能对设计版权的演绎作品。人工智能之“智能”,将设计者之设计版权与智能作品上的版权区分开来。而对于智能作品上的权利配置,应该以所有者与使用者之间的约定优先,建立起以所有者为核心的权利构造,以鼓励投资人并促进人工智能技术的长足发展。     

人工智能与版权——法律涵摄技术的路径选择

生成式人工智能的普及,使普通网络用户得以通过输入提示语的方式来进行创作,形成了“用户创造内容”与“人工智能生成内容”叠加的趋势,也再次引发了人工智能生成内容的可版权性与版权归属之争。回顾版权制度史可以发现,无论是机器介入、计算机介入还是人工智能介入,百余年来人类与作品独创性的关联性论证,始终围绕“构想”和“实施”两个要件展开。鉴于设计者从人工智能核心代码、训练数据来源和偏好,以及自身发展方向来把控“构想”,应该将人工智能的设计者视为作者。在使用者仅以提示方式生成作品的情况下,人工智能设计者与使用者之间的关系应纳入委托作品的范围,使用者作为委托人,依据“最终用户服务协议”取得所生成作品版权。如果所生成内容中包含训练数据中他人作品的独创性元素,设计者则应在合同中将该内容限定于非商业性使用。     

对人工智能产品侵权相关问题的思考

人工智能产品的不断推陈出新特别是ChatGPT的横空出世，给传统侵权责任法的框架体系和司法适用带来的很大冲击。本文结合相关案例和国内外立法，探讨数字时代如何把握人工智能产品的概念，并对各类人工智能产品引发的侵权应适用《民法典》网络侵权条款还是《产品质量法》，以及适用何种归责原则进行讨论，提出应以过错原则作为生成式人工智能侵权的归责原则，应进一步完善侵权免责事由、合理分配举证责任、细化人工智能产品各参与主体的义务和责任，并配套规定强制保险制度和赔偿基金，以完善我国人工智能产品侵权救济体系。     

机器学习的版权规则:历史启示与当代方案

在人工智能时代,作品是机器学习的高质量数据资源。如何对机器学习的版权规则作出抉择以促进文化、技术两个领域的创新,是当前的一个重要问题。临时复制和自动钢琴的版权史提示我们：合理使用不是解决机器学习版权纠纷的唯一制度选择,非作品性使用和侵权责任对其有补充作用,应在分类讨论的基础上对机器学习版权规则进行梯度设置。具体来说,机器学习分为“非表达型”和“表达型”。前者属于非作品性使用,无侵权责任;后者进入专有权范围,推定为侵权：若学习大众表达则应设定合理使用免除侵权责任但允许权利保留,若模仿个别作者则未获许可应负侵权责任,若为科研活动则应认定合理使用免除侵权责任。我国应将作品性使用作为版权侵权成立要件之一,将大众表达型机器学习规定为附但书的合理使用情形,同时对算法训练数据版权信息披露义务作出规定。     

信息存储空间提供者的版权侵权责任——以“土豆案”为视角

信息存储空间提供者的版权侵权责任是信息时代新传播技术冲击传统版权制度的激烈表现之一。本文以“土豆案”为视角,分析了信息存储空间提供者版权侵权的责任形态、责任构成,并审视了新技术与版权制度的未来发展方向。     

人工智能生成物中用户的独创性贡献

在生成式人工智能系统与传统绘图软件的功能逐渐融合的背景下,用户在利用AI工具创作图片时,无论是在“文生图”还是“图生图”模式下,用户是否作出独创性贡献,只能个案判断,不能一概而论。在“用户输入文字或图形指令,然后AI输出内容”的单一回合中,用户的确可能因为没有具体构思并无法预见输出结果而未对该回合的AI输出内容作出独创性贡献。不过,如果用户在选定AI输出初稿后,继续指引AI对它的表达细节进行修改,并在诸多环节作出个性化的选择,则用户很有可能对AI输出内容作出独创性的贡献,可以对AI生成物主张版权。     

人工智能生成内容“可版权性”的法哲学基础——以人工智能哲学理论为视角

论证人工智能生成内容可版权性领域有结果主义模式与历史主义模式两种典型模式,它们分别与人工智能哲学中的图灵测试和中文屋试验相勾连。这两种模式论证有失偏颇,正确的路径应该是将结果主义、历史主义与创作主体三者融合统一,将图灵测试、中文屋试验与具身人工智能这三种人工智能哲学理论整合起来,作为其合法性基础。当前人工智能生成内容高度依赖于人类的参与,其缺乏可版权性的合法性基础;“道成肉身”的具身人工智能具有“类人”的智能,其生成内容具有可版权性的合法性基础。     

生成式人工智能的犯罪风险及刑法规制

以ChatGPT为代表的生成式人工智能在推动生产、生活方式发生颠覆性变革的同时,也给人类社会带来了巨大的技术风险。从刑事法治的角度来看,生成式人工智能数据处理不透明、生成过程不可控、输出内容复合性,以及技术滥用等蕴含着较大的犯罪风险,极易造成严重的危害结果。生成式人工智能带来的犯罪风险使刑法出现了行为规制缺漏、责任判断困难等问题,并对刑法人类中心主义造成了冲击。对此,刑法应当树立与智能时代相适应的基本理念,坚持刑法立法与刑法解释并重,兼顾安全保障与技术进步,在前瞻思考与现实理性之间实现有效平衡。在具体应对路径上,可以通过解释路径解决行为规制和责任归属问题,立法路径弥补现有规范的行为规制漏洞,并在刑法中明确服务提供者的保证人地位和刑事监管义务。     

生成式人工智能的刑法规制问题研究

利用生成式人工智能实施诈骗等犯罪的定性较为复杂,实现生成式人工智能提供者与使用者的相关行为合理的刑法规制需要区别对待。针对生成式人工智能提供者,因无法适用《刑法》第285条第3款、第286条之一以及第287条之二,合适的做法是依据新过失论对其适用过失责任,同时通过立法明确生成式人工智能提供者的责任依据;针对生成式人工智能的使用者,因《刑法》第253条之一无法评价“合法获取、非法使用”的情形,使用者不构成侵犯公民个人信息罪,但其使用行为可构成非法利用信息网络罪,若构成非法利用信息网络罪与诈骗罪的牵连,应依据处罚较重的罪名定罪处罚。     

大型语言模型的法律风险与治理路径

大型语言模型促进了生成式人工智能的蓬勃发展。大型语言模型通常作为通用生成式人工智能的技术底层发挥作用,具备信息价值、情感价值、思维价值和劳动价值,也包含信息内容风险、数据与算法安全风险、侵权风险、诚信风险等系列法律风险。大型语言模型及相关应用的法律风险治理面临微观和宏观层面的系列挑战,需要平衡多方面的目标,应当基于包容审慎监管、分层治理、深度治理和敏捷治理的路径对大型语言模型的法律风险治理开展谨慎、灵活的探索性制度实践,进而逐步完善生成式人工智能的风险治理体系。     

生成式人工智能应用的伦理立场与治理之道：以ChatGPT为例

随着以ChatGPT为代表的生成式人工智能技术的突飞猛进,人工智能的伦理问题受到了广泛关注。生成式人工智能引发了削弱人类主体价值、加剧算法偏见与歧视、过度依赖拟态环境输出结果、人机协作双向价值对齐困难等伦理难题,亟须从人工智能伦理治理组织机制、人工智能伦理规范机制两方面入手,明确生成式人工智能应用中的人本主义立场,建构生成式人工智能治理的伦理规则,为增进人类福祉提供有力的伦理支撑。     

人工智能医疗影像诊断侵权损害赔偿法律问题

人工智能医疗影像诊断侵权损害是指临床医生根据人工智能医疗影像辅助诊断结论所实施的医疗行为对患者造成的损害。人工智能与医疗影像技术的融合应用,大大提高了疾病诊断的效率与质量,其诊断错误所引发的侵权损害赔偿问题也不容忽视。人工智能医疗影像诊断模式多样、责任主体多元、损害原因各异、责任份额不同,其引起的侵权责任错综复杂。人工智能医疗影像诊断侵权应定性为多数人侵权中的分别侵权行为。现阶段人工智能医疗影像诊断侵权损害赔偿的判定,应以人工智能医疗影像诊断设备的民事法律关系客体定位为逻辑起点,根据人工智能医疗影像诊断模式、侵权场景、错误发生原因等因素来判定责任主体,综合原因力大小、过错程度等因素来确定赔偿份额,并从“利益平衡”视角对侵权损害赔偿的责任范围进行适当限制,以促进人工智能技术在医疗影像行业的广泛应用和大健康产业的长足发展。