人工智能数据训练阶段相关风险简析

生成式人工智能绘图著作权侵权第一案一审于近日宣判，引发了学界、业界对人工智能生成物可版权性问题的又一轮热烈讨论，而生成式人工智能所涉及的问题，除了尚无定论的人工智能生成物可版权性问题外，生成式人工智能数据训练阶段是否侵犯相关权利人权益亦有部分争议。对此问题，笔者将于本文作简要梳理与汇总，不足之处，还请批评指正。

●生成式人工智能数据训练涉及哪些方面的法律风险？

根据《生成式人工智能服务管理暂行办法》第七条对生成式人工智能服务提供者训练数据提出的相关具体要求：

”（一）使用具有合法来源的数据和基础模型；

（二）涉及知识产权的，不得侵害他人依法享有的知识产权；

（三）涉及个人信息的，应当取得个人同意或者符合法律、行政法规规定的其他情形；

（四）采取有效措施提高训练数据质量，增强训练数据的真实性、准确性、客观性、多样性；

（五）《中华人民共和国网络安全法》、《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》等法律、行政法规的其他有关规定和有关主管部门的相关监管要求。”

下文中笔者将对（一）至（三）项作具体阐述。

一、使用具有合法来源的数据。

要求源于第七条第（一）项，使用“具有合法来源的数据” 。实践中不合法多体现为不正当地爬取数据、以撞库手段获取他人数据库等等，构成不正当竞争的^【1】，由《反不正当竞争法》规制，相关判例如下：

另，笔者注意到有文章提及《著作权法》第49条、53条同样对合法的获取方式做了规定。但49条第三款明确定义“本法所称的技术措施，是指用于防止、限制未经权利人许可浏览、欣赏作品、表演、录音录像制品或者通过信息网络向公众提供作品、表演、录音录像制品的有效技术、装置或者部件。”因生成式人工智能服务提供者绝大多数情况下上并不涉及原样提供相关作品，笔者认为可能并不能适用此条。

二、涉及知识产权的情形

要求源于第七条第（二）项，“涉及知识产权的，不得侵害他人依法享有的知识产权”。生成式人工智能在数据训练阶段，通常涉及数据挖掘，将非电子数据数字化的过程可能构成对复制权的侵害。尤其是在永久复制的场景下^【4】。

刘友华提及“著作权制度的严苛保护模式将会限制机器学习技术的发展”，同时，“宽松的著作权保护模式将抑制作者创作的积极性”，“当前不宜将机器学习完全排除在合理使用制度之外，也不可将其完全纳入，而应针对机器学习的具体情形做具体分析。”具体而言以商业与非商业作区分。^【14】

同样有学者对司法裁量予以肯定，如从立先等认为“合理使用兜底条款属司法路径中较为可行的一种解决方式。但作为对权利的限制不应被过度‘打开’，较为可行的做法是在个案中叠加适用三步检验法与美国的四要件规则进行综合判断”。^【15】

三、涉及个人信息的情形

对于第（三）项，涉及个人信息的情形，生成式人工智能服务提供者可参考的典型案例为“脉脉”非法抓取使用微博用户信息不正当竞争纠纷案，该案确立了“三重授权原则”。

新浪———脉脉案入选 2016 年度北京法院知识产权司法保护十大案例，影响了后续的诸多类似案件裁判。2021 年《个人信息保护法》第二十三条在立法上回应了 三重授权原则：“个人信息处理者向其他个人信息处理者提供其处理的个人信息的，应当向个人告知接收方的名称或者姓名、联系方式、处理目的、处理方式和个人信息的种类，并取得个人的单独同意。接收方应当在上述处理目的、处理方式和个人信息的种类等范围内处理个人信息。接收方变更原先的处理目的、处理方式的，应当依照本法规定重新取得个人同意”。

而对于三重授权原则，学界与业界同样有不同观点。持肯定意见的如薛军，认为三重授权较好地平衡了各方利益，“对于我国未来个人信息保护以及数据信息产业的健康发展具有指导意义”^【16】。持反对意见的如徐娟，在博弈均衡模型下对企业决策进行分析，认为三重授权原则“不符合效益决策模型” ，“既不利于技术创新，也存在伪隐私保护的嫌疑，没有根据强市场保护的效果决策”^【17】。折衷观点如徐伟认为，三重授权原则不应当普遍适用于所有数据类型，应将涉及个人信息的数据类型分为可识别的原生数据与非可识别的衍生数据，对不同情形采取不同规则^【18】。

注   释