人工智能深度学习的合理使用研究

人工智能深度学习的合理使用研究

宋博韬

身份证号码：230802198803090739

摘要：随着科技的快速发展，人工智能深度学习技术通过海量数据收集、分析和建模，不依赖人类事前编程即可自主习得创造能力，已在艺术科学等领域广泛应用，但其数据输入阶段的复制行为可能引发著作权侵权风险。为了维持利益平衡，促进技术发展，有必要将人工智能深度学习行为判定为合理使用。影响判定的主要因素有两个：使用性质和目的、对原作品潜在市场利益的影响。完善我国的人工智能深度学习合理使用判定规则，或是可以通过《著作权法实施条例》明确新的合理使用情形；或是可以细化合理使用一般条款，在三步检验法的基础上，设置以四要素标准为内容的司法解释，重点考量转换性使用和市场影响因素。

关键词：人工智能；深度学习；合理使用；研究

引言

我国经济在实现数十年的跨越式增长后，正面临结构性矛盾和周期性问题叠加局面。从外部环境来看，国际形势更趋复杂严峻和不确定，经济全球化遭遇逆流，西方国家对我国实施核心关键技术封锁遏制。从国内来看，人口红利和廉价劳动力优势逐渐消失，经济发展受到资源与环境瓶颈约束。因此，党的二十大报告指出，要坚持以推动高质量发展为主题，加快建设现代化经济体系。随着我国经济进入新发展阶段，发展的重点从数量增长转变为质量提升，推动高质量发展成为构建现代化经济体系的有力支撑和必然要求。

1人工智能概述

人工智能是包含信息化技术、传感技术、计算机应用及网络技术的综合应用，对科技发展有其重要意义，其价值在不断地突显。人工智能的应用可大幅度提高生产率和产品质量、降低人工成本和劳动强度。自动化控制是工业生产的重要组成，更能体现出人工智能应用的价值，可视作工业生产与人工智能相结合的范例。在当前自动化控制的产业化趋势下，人工智能的深度应用，具有必要性和紧迫性。人工智能深度地应用于自动化控制过程中，再配合计算机人工智能技术的应用，综合了代理技术应用、智能制造机器应用、材料技术应用、现代管理技术以及系统工程的理论和方法的支持，按照标准化要求使整个自动化控制趋于开放性、智能化。高度智能化自动化控制可以实现无人干预下批量生产，这也正是自动化控制人工智能应用的最主要目标。自动化控制中的人工智能应用，可以使得自动化控制的效率、精度得以显著地提高，使企业的经济效益和竞争力得到革命性的提升。自动化控制利用人工智能，从根本上整体性提高了产业发展水平。自动化控制是我国工业的新兴产业，是我国经济的重要组成。由于人工智能的广泛应用，自动化控制的生产效率、产品质量等都大幅度提高。

2人工智能深度学习与合理使用

2.1人工智能深度学习的著作权侵权风险

人工智能深度学习技术以“机器学习”（又称“数据训练”）为创作方式，人类仅在筛选提供前期数据分析源的过程中提供帮助，之后由其自主利用人工神经网络直接处理原始数据，在多层次结构中学习数据的不同含义，分析建模后依据此模型输出创新性结果，实现端到端预测模型的开发。深度学习的“深度”体现在人工智能可以通过自己的能力（信息检索、分类、转化、标注、分析、计算等）“学会”某一领域的基本知识和思维特征，并据此“创造”出新的内容，与人类学习知识并灵活运用再创造的模式相似。在进行文本数据挖掘之后，人工智能可以形成自身专用的数据库并进行接下来的建模工作，这一数据库的建立需要人工智能在不改变现有作品的情况下，对数据进行全部复制与原样重现，即属于《著作权法》中的“复制”行为，因此可能侵犯原权利人的复制权。

2.2对人工智能深度学习进行合理使用判定的必要性

原则上，所有影响原权利人控制作品复制的行为都应当认定为著作权侵权行为，但基于对公共利益的考量，著作权法规定了对著作权的限制，即合理使用、法定许可和强制许可。我国尚不存在强制许可制度；现有法定许可的规定中未包含人工智能深度学习情形，且巨额的许可费可能导致开发者在数据训练时放弃使用版权保护数据，降低开发者的研发积极性，反而对人工智能深度学习的发展造成障碍。因此，合理使用判定成了更优的选择。人工智能深度学习的合理使用以利益平衡为主要内容。合理使用，是指法律允许他人在特定的条件下自由使用享有著作权的作品，无需获得权利人许可，也无需向权利人支付报酬。从技术本身特点来看，将人工智能深度学习判定为合理使用，有助于避免算法偏见。当算法设计使用的数据库不完整或具备某种同质化特征时，就会出现算法偏见。为了规避版权保护成本，人工智能开发者在设计之初可能将数据库范围设定为低限制的数据，例如仅使用处于公共领域内的作品。

3完善人工智能深度学习合理使用判定标准的对策建议

3.1安全性要求

随着人工智能技术的大规模应用，人工智能的安全性已得到越来越多的关注，特别是在智能工厂领域，在一些场景下，比如流水线控制，对于错误的容忍率很低，准确率要求达到99.9%或者更高，此时模型的鲁棒性就显得非常重要。同时，随着联邦学习应用越来越广泛，需要保证各个边缘设备间协同模型训练方式的安全性以及模型参数共享的安全性。在部分场景下，AI模型可能具有自学习能力，可以在运行时通过收集新的数据不断训练并进行参数更新。在这种情况下，将通过自学习产生的模型应用到可能影响机器运行或流程操作的环境中，必须实施严格的验证以防止安全隐患或者意外结果的发生。

3.2建立合理使用一般条款的司法实践指导体系

（1）“使用行为的目的和特点”，主要以转换性使用理论作为判断依据。司法解释中要明确转换性使用的本土含义以及配套的判断标准，以提高其含义的稳定性和可预测性，防止转换性使用原则范围不当扩张后用以规避侵权责任。四要素标准中的第二、三要素“被使用作品的性质”“被使用部分与整个作品的比例关系”可以作为判定转换性使用的辅助因素，一般来说，二次使用行为的转换性程度越高，被使用作品的独创性越低，使用部分占整个作品的比例越低，行为构成合理使用的可能性就越大。除此之外，还应适当补充对社会公共利益的价值判断，涉及危害社会公共利益的行为不能被判定为合理使用。

（2）“使用行为对被用作品的潜在市场价值有无重大不利影响”，即市场价值判断。这一要素的本质是转换性使用在结果层面上的反映，二次使用行为的转换性程度越高，对原有作品市场的影响就越小，因为这种高度转换性产生了区分市场、避免竞争的效果。在四个要素中着重强调第四因素对转换性使用判断的影响，一是基于四要素标准和转换性使用发展历程的回顾，对市场中心主义回复趋势的肯定和强调，二是基于四要素标准和三步检验法在“市场因素”领域产生了重合，第四要素与我国实际立法情况紧密结合，且市场因素在公众认知范围较为熟悉、易于接受，有利于降低实际办案过程中的操作难度。

结语

综上所述，人工智能深度学习能够理解并掌握人类行为规律，创造出符合人类审美规则的新作品，或者开发出原有作品不曾涉及的新领域用途。然而，目前我国严格的著作权保护措施阻碍了这一新兴技术的高速发展。合理使用规则对人工智能深度学习技术的数据利用提供了更深厚的底气，不至于使技术开发者因为高昂的许可成本望而却步，也不至于使深度学习技术因为无法获取足够数量和质量的数据而偃旗息鼓。对人工智能深度学习进行合理使用判定，主要应当关注其使用性质和目的，以及它对原作品潜在市场的影响。

参考文献

[1]徐龙．机器学习的著作权困境及制度方案[J]．东南学术，2022（2）：237-245．

[2]焦和平．网络游戏在线直播的著作权合理使用研究[J]．法律科学（西北政法大学学报），2019，37（5）：71-81．

[3]熊琦．著作权转换性使用的本土法释义[J]．法学家，2019（2）：124．

[4]宋雅馨．文本与数据挖掘的版权例外—以欧盟版权指令修改草案为视角[J]．电子知识产权，2017（6）：42-51．