论文部分内容阅读
机械的应用解放了人类的双手，机器学习则在解放人类大脑的功能上大有可为。不同于以往对创作的工具性介入方式，机器学习以大数据为依托，自主抓取的数据信息数以万计。暂且不论如何辨别某种数据信息是否属于作品，如果对构成作品的信息一一进行取得许可同意，那么从事研发机器学习技术的组织（企业）将不堪重负，将严重阻碍技术发展和应用。与此同时，如果机器学习对作品数据的利用构成合理使用，那么权利限制事由极容易为人工智能企业所滥用，反而危害处于相对弱势地位的作者利益。机器学习的作品使用陷入著作权侵权的窘境，为我国人工智能技术端的开发蒙上了阴影。
机器学习引发的著作权侵权问题值得深思。因此，本文运用比较分析法、实证分析法和价值分析法对机器学习技术发展中的著作权风险及其化解机制进行探索。全文除引言和结语外，主要分为五个部分：
第一部分是机器学习技术概述。本部分首先对机器学习原理进行阐述，一方面，从机器学习概念出发，以人工智能与机器学习的关系为着眼点，分析机器学习在人工智能领域的准确定位，根据对训练数据标注的不同对机器学习进行分类，以明晰本文的探讨对象。另一方面，从机器学习“创作”过程出发，根据机器学习“创作”阶段任务的不同，将其拆解为数据准备和数据利用两个阶段，并结合机器学习系统基础架构，简要梳理其与现有著作权制度的矛盾根源。
第二部分是对机器学习技术各个应用阶段的侵权分析。首先，在数据准备阶段，机器学习可能通过违背爬虫协议、私自抓取数据库作品素材、强制达成用户许可协议和规避技术保护措施等多样化的数据收集方式面临侵权风险。其次，在数据利用阶段，机器学习的行为过程可拆解为文本和数据挖掘行为和计算机数据分析行为，仍然分别存在着不同程度的侵权可能性。
第三部分是探讨机器学习技术冲击下著作权基础架构的调整问题。首先溯本清源，分别梳理《著作权法》的正当性基础和权利本位，以明确传统《著作权法》的基础架构。其次立足当下，《著作权法》不确定性加剧，著作权扩张与社会公众对于知识分享的诉求日渐失衡，分析机器学习技术给著作权制度平衡带来的影 响。最后展望未来，《著作权法》应在宽松与严苛之间寻求利益保护平衡点，并应更注重回应技术发展对知识共享需要的呼声。
第四部分重点为机器学习在数据准备阶段的侵权风险提供化解机制。从使用人角度来讲，传统“先授权后使用”的著作权授权模式在不同商业模式下满足新型互联网技术主体利用和传播作品的需要方面已略显捉襟见肘，为此提出构建著作权弹性授权机制。对于权利人而言，技术保护措施的正当性问题逐渐成为争议的焦点。在此通过比较美国和欧盟版权立法中关于限制技术措施的规定，以期为我国技术保护措施规制提供镜鉴。
第五部分重点探寻机器学习数据分析阶段的侵权风险化解机制。首先是对域外著作权例外保护模式的立法评鉴。美国、欧盟和日本等为代表的发达国家分别立足于自身版权体系的立法传统并积极进行立法或司法的有益尝试。为我国机器学习数据分析阶段著作权例外保护模式研究提供了范式。其次是对我国机器学习著作权例外保护模式的立法构建。我国学者以合理使用规则为范本，在证成机器学习分析和使用作品行为的合法性问题上已提供了多种可选方案。为此，在逐个分析以上可选方案的基础上，根据《伯尔尼公约》和TRIPs中规定的“三步检测法”，拟提出对机器学习之数据分析行为的著作权保护例外制度设计，以明确机器学习对作品利用的合法性。
机器学习引发的著作权侵权问题值得深思。因此，本文运用比较分析法、实证分析法和价值分析法对机器学习技术发展中的著作权风险及其化解机制进行探索。全文除引言和结语外，主要分为五个部分：
第一部分是机器学习技术概述。本部分首先对机器学习原理进行阐述，一方面，从机器学习概念出发，以人工智能与机器学习的关系为着眼点，分析机器学习在人工智能领域的准确定位，根据对训练数据标注的不同对机器学习进行分类，以明晰本文的探讨对象。另一方面，从机器学习“创作”过程出发，根据机器学习“创作”阶段任务的不同，将其拆解为数据准备和数据利用两个阶段，并结合机器学习系统基础架构，简要梳理其与现有著作权制度的矛盾根源。
第二部分是对机器学习技术各个应用阶段的侵权分析。首先，在数据准备阶段，机器学习可能通过违背爬虫协议、私自抓取数据库作品素材、强制达成用户许可协议和规避技术保护措施等多样化的数据收集方式面临侵权风险。其次，在数据利用阶段，机器学习的行为过程可拆解为文本和数据挖掘行为和计算机数据分析行为，仍然分别存在着不同程度的侵权可能性。
第三部分是探讨机器学习技术冲击下著作权基础架构的调整问题。首先溯本清源，分别梳理《著作权法》的正当性基础和权利本位，以明确传统《著作权法》的基础架构。其次立足当下，《著作权法》不确定性加剧，著作权扩张与社会公众对于知识分享的诉求日渐失衡，分析机器学习技术给著作权制度平衡带来的影 响。最后展望未来，《著作权法》应在宽松与严苛之间寻求利益保护平衡点，并应更注重回应技术发展对知识共享需要的呼声。
第四部分重点为机器学习在数据准备阶段的侵权风险提供化解机制。从使用人角度来讲，传统“先授权后使用”的著作权授权模式在不同商业模式下满足新型互联网技术主体利用和传播作品的需要方面已略显捉襟见肘，为此提出构建著作权弹性授权机制。对于权利人而言，技术保护措施的正当性问题逐渐成为争议的焦点。在此通过比较美国和欧盟版权立法中关于限制技术措施的规定，以期为我国技术保护措施规制提供镜鉴。
第五部分重点探寻机器学习数据分析阶段的侵权风险化解机制。首先是对域外著作权例外保护模式的立法评鉴。美国、欧盟和日本等为代表的发达国家分别立足于自身版权体系的立法传统并积极进行立法或司法的有益尝试。为我国机器学习数据分析阶段著作权例外保护模式研究提供了范式。其次是对我国机器学习著作权例外保护模式的立法构建。我国学者以合理使用规则为范本，在证成机器学习分析和使用作品行为的合法性问题上已提供了多种可选方案。为此，在逐个分析以上可选方案的基础上，根据《伯尔尼公约》和TRIPs中规定的“三步检测法”，拟提出对机器学习之数据分析行为的著作权保护例外制度设计，以明确机器学习对作品利用的合法性。