□ 李建忠（湖北民族大學法學院講師）

隨著生成式人工智能技術(shù)的快速發(fā)展，訓練數(shù)據(jù)使用引發(fā)的復制權(quán)侵權(quán)認定困境日益凸顯。當前，實踐中仍采用傳統(tǒng)著作權(quán)法的“接觸+實質(zhì)性相似”標準，忽視了AI技術(shù)通過向量化處理實現(xiàn)數(shù)據(jù)碎片化存儲的本質(zhì)特征。筆者旨在分析現(xiàn)行法律制度與生成式AI技術(shù)特征的結(jié)構(gòu)性矛盾，從立法創(chuàng)新、監(jiān)管協(xié)同與責任分層三個維度，構(gòu)建適應技術(shù)發(fā)展的法治調(diào)適路徑，為平衡著作權(quán)保護與AI產(chǎn)業(yè)創(chuàng)新提供理論支撐。

生成式AI數(shù)據(jù)訓練中復制權(quán)侵權(quán)認定困境分析

一、技術(shù)特征與法律定性的爭議

生成式AI在數(shù)據(jù)訓練時引發(fā)的復制權(quán)侵權(quán)認定困境，本質(zhì)上是其技術(shù)特點與現(xiàn)有法律體系之間出現(xiàn)的結(jié)構(gòu)性錯位。從技術(shù)角度看，AI訓練通過算法把文本向量進行數(shù)學上的表征處理，最終形成碎片化、不連續(xù)的分布式存儲方式。這種方式與著作權(quán)法上完整表達形式固定的復制概念存在差異，著作權(quán)法對復制權(quán)的定義是以機械化復制的時代為基礎，難以適應深度學習的技術(shù)現(xiàn)狀，導致實踐中“功能等同論”和“技術(shù)例外論”存在分歧。處理訓練數(shù)據(jù)的目的是對模型的參數(shù)進行優(yōu)化，是技術(shù)實現(xiàn)的必要環(huán)節(jié)，與以傳播為目的的內(nèi)容復制存在根本區(qū)別。但是，法律的滯后性讓司法認定直接套用“接觸+實質(zhì)性相似”標準，未考慮AI系統(tǒng)是通過海量數(shù)據(jù)學習抽象的特征，而不是復制具體表達內(nèi)容這個運行邏輯。

二、現(xiàn)行法律制度適應困境

生成式AI在數(shù)據(jù)訓練時引發(fā)的復制權(quán)侵權(quán)認定困境，暴露出現(xiàn)行法律制度和技術(shù)發(fā)展之間存在深層的脫節(jié)，我國著作權(quán)法對復制權(quán)的界定以傳統(tǒng)復制行為作為基準，無法覆蓋AI訓練中數(shù)據(jù)碎片化存儲、向量化處理等新型技術(shù)特點。實踐中機械適用“接觸+實質(zhì)性相似”標準，未考慮AI系統(tǒng)是通過海量數(shù)據(jù)學習抽象特征而不是復制具體表達內(nèi)容的運行邏輯，導致裁判尺度不一、證據(jù)規(guī)則體系也面臨挑戰(zhàn)。AI訓練的“黑箱”特點讓權(quán)利人很難獲得完整的證據(jù)鏈，而且舉證責任分配機制未適配技術(shù)特性，導致維權(quán)成本較高。

法治調(diào)適的系統(tǒng)性建構(gòu)路徑

一、立法層面的創(chuàng)新突破

立法層面的創(chuàng)新突破是破解生成式AI數(shù)據(jù)訓練復制權(quán)侵權(quán)認定困境的關鍵。需構(gòu)建“技術(shù)性復制”與“傳播性復制”的二元立法框架：前者明確訓練數(shù)據(jù)必要處理行為的合法性邊界，后者規(guī)范內(nèi)容傳播環(huán)節(jié)的侵權(quán)責任。應借鑒《生成式人工智能服務管理暫行辦法》的監(jiān)管思路，在著作權(quán)法中增設“算法透明度”條款，要求AI企業(yè)披露訓練數(shù)據(jù)來源及處理方式。同時，建立著作權(quán)補償金制度，按訓練數(shù)據(jù)規(guī)模由AI企業(yè)繳納專項基金，通過集體管理組織分配收益；需明確“合理使用”的適用標準，對非營利性研究、文化遺產(chǎn)保護等場景給予特別豁免。這些創(chuàng)新突破需與司法實踐、行業(yè)自律形成合力，最終實現(xiàn)技術(shù)創(chuàng)新與權(quán)利保護的動態(tài)平衡。

二、監(jiān)管機制的協(xié)同配套

生成式AI數(shù)據(jù)訓練的法治調(diào)適需構(gòu)建監(jiān)管協(xié)同機制。當前《生成式人工智能服務管理暫行辦法》確立的備案制與算法備案制度，為監(jiān)管協(xié)同提供了制度基礎。需建立“技術(shù)—法律—行業(yè)”三維監(jiān)管框架：技術(shù)層面推行區(qū)塊鏈存證系統(tǒng)，實現(xiàn)訓練數(shù)據(jù)全流程可追溯；法律層面完善“通知—刪除”規(guī)則，要求平臺建立侵權(quán)內(nèi)容過濾機制；行業(yè)層面推動成立AI數(shù)據(jù)合規(guī)聯(lián)盟，制定數(shù)據(jù)使用白名單。針對監(jiān)管主體碎片化問題，可構(gòu)建多部門參與的聯(lián)合監(jiān)管模式，建立跨部門數(shù)據(jù)共享平臺。在責任分配上，應區(qū)分基礎模型提供商與垂直應用開發(fā)商的責任邊界，對開源模型實施差異化監(jiān)管。通過監(jiān)管沙盒機制，在保障安全的前提下促進技術(shù)創(chuàng)新，實現(xiàn)從被動應對到主動治理的轉(zhuǎn)變。

三、責任認定的分層機制

現(xiàn)行侵權(quán)責任認定機制在應對生成式AI數(shù)據(jù)訓練時面臨主體模糊困境，亟須構(gòu)建分層責任體系。根據(jù)《生成式人工智能服務管理暫行辦法》，應以“控制力+獲益程度”標準劃分責任。AI模型開發(fā)者作為核心控制方，承擔數(shù)據(jù)來源合法性審查義務，對訓練數(shù)據(jù)侵權(quán)負首要責任；數(shù)據(jù)提供者若明知侵權(quán)仍參與的，應承擔連帶責任；平臺運營者需履行“通知—刪除”義務，可基于技術(shù)中立性獲得責任豁免。

在責任認定程序上，應建立“技術(shù)溯源+過錯推定”機制。通過區(qū)塊鏈存證固定訓練數(shù)據(jù)調(diào)用路徑，對無法自證清白的開發(fā)者推定過錯。同時，引入“避風港規(guī)則”的升級版，要求開發(fā)者建立數(shù)據(jù)過濾系統(tǒng)，對明顯侵權(quán)內(nèi)容自動攔截。這種分層機制既符合民法典侵權(quán)責任編的立法精神，又能適應AI產(chǎn)業(yè)快速迭代的特性，為司法實踐提供可操作的判斷標準。

在人工智能技術(shù)飛速發(fā)展的時代背景下，通過構(gòu)建科學合理的法治調(diào)適體系，能夠在保護著作權(quán)人合法權(quán)益與促進AI產(chǎn)業(yè)創(chuàng)新發(fā)展之間找到平衡點，為生成式人工智能的健康可持續(xù)發(fā)展保駕護航。