人工智能训练模型训练使用数据需要征得著作权人许可

人工智能训练模型训练使用数据不需要征得著作权人许可

　　尊敬的评委、对方辩友大家好，我方今天的立场是，人工智能模型训练使用数据需要征得著作权许可。

　　首先，从法律层面来讲，受著作权法保护的文本、图片、音视频等作品在保护期内都享有完整的著作权。AI模型训练过程中，必然要对作品进行复制、存储、学习，这一行为直接落入著作权法中复制权、信息网络传播权的控制范围。根据我国著作权法第10条规定，著作权享有专有使用权，任何人未经许可不得擅自使用。

　　其次，网络公开不等于授权使用。很多人误以为网上能搜到的内容就可以随意抓取训练，这是典型的法律误区。公开是传播行为，不是授权行为，著作权人从未放弃自己的财产性权利。《生成式人工智能服务管理暂行办法》也明确要求AI训练必须使用合法来源数据，而合法来源的核心就是获得许可或符合法定例外。

　　第三，从价值导向来看，著作权制度的目的是激励创作、保护创新。如果AI企业可以不经许可、不顾报酬，随意抓取海量原创内容进行商业化训练，本质上是用他人的创作成果为自己盈利，严重损害创作者的积极性。长此以往，没有人会愿意投入创作，AI最终也会变成无源之水、无本之木。

　　最后，我方从不否认合理使用、法定许可、公有领域作品的存在，但这些都只是例外情形，不能推翻需要许可的原则性要求。法律从来都是以许可为原则，以例外为补充。

　　综上，人工智能模型训练使用数据应当征得著作权人许可。我方立论结束，感谢对方辩友的论述，下面请反方质询，质询计时。

　　好的，感谢正方的立论。我刚才听到正方提到，AI训练数据使用作品时的复制并非单纯复现原作品，而是抽取其风格特征等。在思想表达二分法中，这些层面的内容显然属于思想，而思想不受著作权法保护。

　　你还提到著作权是财产性权利，这点我同意。但AI训练时，其目的并非向市场投入原作品的表达，而是通过分析原作品生成全新、独立的表达。这就像使用普通软件时，我们不会去查看其后端存储的数据一样，AI的训练过程也不会直接复制原作品供市场使用，因此不会侵占著作权人的财产性权益。

　　其次，你提到AI随意使用其他作品会形成商业化垄断，这其实是“搭便车”的担忧。但AI训练数据并非直接取用他人作品，而是通过分析原作品生成新的独立表达。这些新表达与原作品的语言表达是不同的，因此不会影响原作者的创作，反而可能让读者对原作品产生兴趣，从侧面帮助原作者。

　　咨询环节应由质询方提问，被质询方回答，如此循环。不过既然你主动选择放弃质询，我们也尊重你的意见。

　　好的，环节继续。感谢反方的发言，下面请反方进行立论，计时3分钟。

　　感谢主席。我方的观点是：人工智能训练书籍使用作品不需要征得著作权人许可。

　　当前人工智能应用领域已出现许多架构成熟的APP，这些APP导入了自主研发的人工智能。人工智能训练数据年增长需求超过百万亿%，参数模型需要万亿级的单词级数据。人工智能在训练数据涉及作品方面的问题，已到了无法回避的境界。就这一现象，我方今天从法律解释、技术本质以及公共利益领域来论述人工智能训练涉及作品时，是否需要获得作者著作权许可的问题。

　　第一个方面，法律解释方面。
　　AI训练的核心是学习作品中的知识规律、语言模式和创作风格，而被复制和生成输出的结果与原作品在表达上无实质性相似，属于典型的转换型应用，符合作权法第24条促进创新与科学进步的立法目的。同时，AI训练作品、训练数据的使用符合合理使用的三步检验法原理。著作权法保护的是作者的表达，而非思想、事实和规律。AI训练抽取的是非表现、非表达性的信息，不属于复制权控制的范畴。当然，海量作品许可存在交易成本过高的问题，单个许可成本远低于谈判成本，符合法定许可的制度，能解决市场适应的适用场景。

　　第二个方面，从技术本质来讲。
　　人类阅读学习观看电影后创作新作品，无需得到原作者的许可。AI作为数字学习者，其训练过程与人类学习知识、获取创新输出的本质是一致的，应该适用相同的法律规则。如果对AI施加更加严格的限制，将形成制度歧视，阻碍人工智能发展。同时，训练后的AI模型不存储完整的作品，仅保留抽象特征，输出的内容是全新创作，而非原作者的复制与改编。司法实践中也更多倾向于在输出端确定侵权。

　　第三个方面，在公共利益的角度考虑。
　　著作权的立法动机是促进作品的创作与传播，而非单纯保护权利人的垄断利益。AI技术作为新一轮科技革命的核心驱动力，其发展将极大提升社会生产力，符合公共利益最大化原则。

　　综上，我方认为：AI训练、人工智能训练数据使用作品不需要征得著作权人许可。感谢反方的论述。

　　正方进行质询，计时两分钟。请对方辩友回答：AR训练对受版权保护的作品进行大规模复制，是否属于著作权法意义上的使用行为？

　　反方未开麦，主持人暂停计时，要求正方重复问题。

　　正方重复提问：请问对方辩友，AR训练对受版权保护的作品进行大规模复制，是否属于著作权法意义上的使用行为？

　　反方回答：AI训练数据使用作品的复制其实并不是著作权法的一个复制。著作权法的复制是传播或复现原作品的表达性要素，但AI训练数据是拆解原作品的一些风格特征，保留一些抽象性的要素，其实不是向用户提供原作品的表达，所以它并不是著作权法意义上的复制。同时，复制权作为著作财产权，其本质是保护作者的财产性权利。AI训练数据并未向用户或市场投入原作品的表达，因此不会侵犯作者的财产性权利。

　　正方追问：你之前说学习AI进行训练不等于复制，它是一种转化性应用。但是在法律层面上，复制就是复制，不管是叫学习还是训练，将作品复制入数据并应用于训练，直接侵犯了复制权，不符合我国著作权法。如果未经许可的商业性使用都不算侵权，那著作权人如何获得合理回报？

　　反方回应：这里涉及一个临时复制的问题。AI训练数据并不包含完整的一个表达，是否属于临时复制目前仍在讨论中，尚未确定为侵犯复制权的范畴。同时，你提到如果作者权利受到侵犯应如何维权，其实在司法实践中，若输出端出现原作品的表达，作者完全可以在输出端起诉侵权并要求赔偿，这已能解决问题。没有必要在训练端限制训练数据，这完全不符合著作权法激励创造和创新的立法目的。

　　正方质疑：您方认为无需许可，是要把所有的AR训练都强行纳入合理使用吗？可是合理使用要求非商业、少量使用，且不影响正常使用，这和大模型训练完全不符，您方如何自圆其说？

　　反方回答：刚才说到合理使用，其实在著作权法中合理使用需经过三步法的检验。AI训练（如大模型）的数据使用属于三步法的检验。第一，训练目的是为技术创新创建基础；第二，训练过程不直接向公众提供原作品，本身不影响作品的正常使用；第三，对著作权人市场利益的影响有限，且AI产业发展将为创作者带来新的变现渠道。我的质询结束了，感谢双方。

　　感谢正方的小结，下面进行双方对辩环节，计时各3分钟。

　　你好，正好刚才你提到了一个商业性使用，其实我刚才已经说了，商业性使用我并不否定其商业性质，但是它并未侵犯作者的财产权。它并未向市场投入语言表达，同时你说它运用原作品会挤占市场，我并不认可。我已经在说了，它的输出端输出的是全新的独立表达，与原作的表达并不一样。难道说，单纯的思想层面的相同就要否定表达也不能一样吗？就好比网络小说，我们可以看到它们很多的思想架构都是一样的，只是表达方面不同，难道这样也不可以吗？你说会挤占原创的市场，我觉得这并不会。

　　你说人工智能模型使用数据不需要征得著作权的许可，但是如果著作权不被许可，那为什么要设立著作权呢？著作权人的权利难道就不是权利了吗？他们的利益谁来保护？如果今天每个人都允许AI进行数据训练，不需要征得著作权的许可，而完全无视原作者的权利，这难道不是双重标准吗？

　　OK，我需要先明确一点：知识产权包括著作权在内，它并不是自然法，而是由人为规定的，是社会利益与个人权利平衡的产物。其实个人权利是在公共利益的保护过程中向公共妥协的产物。许可本身并不能……AI训练作品。它的许可本身，现在AI训练使用的作品是海量的，就好像美国的Google Books案中，它训练数据使用到了数百万部作品，如果让AI公司去获得这数百万部作品的许可，完全是不现实的，社会成本完全大于个人利益。这完全违背了著作权法的立法目的——激励创新与发展。著作权保护本来就是有成本的，这是保护创作、激励供给的必要代价。如果没有许可，数据源头创作者将没有收益，最终数据将会枯竭，产业才叫真的死亡。

　　AI训练数据使用作品需要许可，你说其权利受到侵害，我已经在说了，它的输出端同样可以保障自己的权利。如果输出了原表达，其市场完全可以在输出端去诉请恢复权利、获得赔偿，这完全不会导致其权利受损，输出端已经将权利完全保护好了。你如果在训练端过度要求AI公司去获得许可，如此巨量的成本，完全就是否定了AI的发展。

　　那我想请问，为什么现在国家大力打击盗版而支持正版呢？人工智能模型训练使用数据，如果不需要征得著作权许可，那它是不是一种变相的、相当于是在侵犯著作权的权益，也是一种盗版呢？

　　你说的这个盗版，美国的Google Books案查询的数百万作品，其实确实判决了赔偿，但是它同样也允许了合理使用，这两项并不冲突。盗版的话，同样可以判决赔偿。

　　（时间提示：双方共用时间，不能同时发言。若一方时间用完，另一方单独发言。）

　　那，人工智能模型训练使用数据，如果不需要征得著作权许可的话，那它一定程度上就是从源头上在扼杀创新。虽然你之前说大数据也需要数据，如果不许可大数据训练的时候也会恶化创新，但是如果不能征得著作权许可的话，难道不是一种变相的扼杀创新吗？它是在保护知识产权，鼓励创作、激励供给的行为。而且真正的技术一定要是尊重知识产权的进步，而非一味追求进步。

　　我们可以看到，从法律解释和立法目的来看，无论是法律层面的解释还是AI训练数据使用平台本身的功能，都完全符合著作权法的立法目的。从技术本质而言，AI训练与人类学习作品并通过学习创造新作品的本质并无不同。从公共利益角度，AI训练数据的使用能更激励AI的发展。

　　从司法趋势来看，美国PPC案中法院裁定，认定利用受版权保护的书籍训练大型语言模型属于合理使用，具有高度转化性。同时，谷歌图算中也对转化应用予以认可。

　　根据思想表达二分法，AI训练数据使用作品时，是对作品进行数字化转化，抽取其中的特征向量及语言风格、描述特点等信息。这些信息仍处于思想表达的范畴，本身不受著作权法保护。

　　从市场角度来说，作品的数字化转化有助于实现作品的多样化应用，激发作者的潜在价值，从而为作者创造更多经济价值。近期，包括李瑜伽的一些关于生成式人工智能训练合理使用的论文，也从合理性和必要性方面论证了不需要著作权人许可的正确性。

　　感谢反方的小结，下面有请正方进行质询小结，计时两分钟。谢谢评委。

　　刚刚的质询已经非常清晰，对方始终无法回答：大规模AI训练凭什么可以突破著作权的基本原则。对方一味地强调技术发展，以及“AR学习不等于复制”是一种对数据的转化性应用，却无视了最基本的法律逻辑。著作权是私权，使用他人作品就应当获得许可，这是法治社会的底线，更是对创作者最基本的尊重。

　　对方把AR学习无限扩大，却始终不敢承认大多数AR训练都是带有商业目的的。合理使用有其法定边界，不能是商业性使用，不能是大规模使用，更不能是替代原作品的市场价值。而AI训练恰恰是海量复制、商业驱动、直接冲击原创内容市场的产业行为，早已超出了合理使用的范围。AR训练不是个人学习，不是课堂笔记，而是企业投入巨资追求商业回报的产业行为。这样的行为凭什么不尊重著作权？凭什么不获得许可？

　　著作权本身就是一种私权。我方再次强调，许可不是阻碍技术，而是规范发展。只有先获得授权，AI产业才能走得稳、走得远。我的小结结束。