论生成式人工智能数据训练合理使用的界限认定

李 子豪
贵州财经大学法学院

摘要

随着生成式人工智能（GenerativeAI）的快速发展，其在大规模数据训练中的版权问题引发了广泛关注。现有著作
权法中的合理使用制度在 AI 训练过程中显得不够灵活，难以满足其对海量数据的需求。本文通过对我国现行著作权法及国
际相关立法模式的对比分析，指出了生成式 AI 在使用受保护作品时的法律困境，并探讨了合理使用制度的改进方向。美国、
加拿大等国家采用开放性较高的因素主义立法，通过四要素分析判断合理性，而中国则采取穷尽式列举的规则主义立法模
式，对合理使用的情形进行了严格限制。这种封闭性模式使得生成式 AI 在使用数据进行训练时，面临诸多法律障碍，尤其
是在对版权作品进行存储和处理时，难以被认定为合理使用，导致版权许可流程复杂、成本高昂，限制了技术的创新与发展。
为解决上述问题，本文提出了合理使用制度的改进建议。首先，适度扩展合理使用制度的适用范围，特别是在非商业性和
科研性的 AI 数据训练中，使生成式 AI 能够在法律框架内更有效地利用受保护作品。此外，本文建议引入集体管理和法定
许可制度，以替代传统的“一对一”授权模式。集体管理制度能够简化 AI 开发者的获取许可流程，降低交易成本；而法定
许可制度则在特定条件下允许 AI 开发者合法使用受版权保护的作品，同时确保版权人获得合理的经济补偿。通过合理使用
制度的扩展与集体管理、法定许可制度的引入，可以有效解决生成式 AI 数据训练中的版权授权问题，为 AI 的发展提供必
要的法律支持，促进技术的创新与进步，实现著作权法保护与技术发展的平衡。

关键词

人工智能；著作权法；合理使用；非表达性模型；法定许可

参考

[1] 张进 . 论 ChatGPT 对著作权法的挑战及其应对 J 时

代法学 [J].2023,21(06):45-57.

[2] 孙静 , 靖鸣 .ChatGPT 赋能数字出版的风险与归因

探析 J 中国传媒科技 [J].2024,03):7-13.

[3] 郑海山 . 生成式人工智能驱动下的学术成果版权规

范探讨 J 理论导刊 [J].2024,10):77-81.

[4] 李媛 . 诉讼上自认的法律效力研究 [D]; 上海大

学 ,2021.

[5] 周强 . 最高人民法院关于人民法院加强民事审判工

作依法服务保障经济社会持续健康发展情况的报告 %J 人民

法院报 [N].2020-10-18.