人工智能深度学习的合理使用研究

沈玥

摘 要：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;转换性使用;四要素标准;三步检验法

一、问题的提出

在数字经济时代下，各国都在借助数字信息技术谋求更为高效、合理的经济产业新布局。2022年1月1日实施的《中华人民共和国科学技术进步法》指出，要坚持科技创新在国家现代化建设全局中的核心地位。数据搜索、交换和使用能力的发展催生出了全新的人工智能深度学习技术，这一技术收集海量相关数据建立数据库，通过深度数据分析建立函数模型，由此理解并掌握人类行为规律，进而利用此函数模型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。无论是新闻报道、信息播报，还是美术绘画、音乐创作，这一技术为便利人类生活、提高生产力带来了积极作用。

值得注意的是，人工智能强大的创造能力建立在其前期大量接触现有作品并进行数据分析的基础之上，这一过程中对版权作品的复制、分析行为可能侵犯作者的复制权和改编权[1]。而现有立法无法解决这一著作权风险，《著作权法》第24条明确列举了12种合理使用的情形，但是人工智能深度学习并不属于其中任何一种;除此之外，还增加了三步检验法的后两步作为一般规定，但也由于缺乏具体适用标准而难以将人工智能深度学习行为归为合理使用。在司法实践中，虽然最高人民法院曾发布文件将四要素标准作为认定合理使用时的判断因素①，但这一文件只是政策指导性文件，不宜直接作为法律适用依据[2]。相关案件对于深度学习行为能否构成合理使用争议不断，但仍未形成统一的裁判依据，例如王莘诉谷歌案②、吴锐诉北京世纪读秀案③、菲林诉百度案④、腾讯诉盈讯案⑤等。在理论研究上，学者对于这种深度学习应当采取何种著作权保护模式众说纷纭，例如纳入《著作权法》第24条“评论或说明问题”一项中适用[3]、设定人工智能深度学习新权利[4]、纳入法定许可的范围中[5]等。

在新修《著作权法》实施的背景下，为方便人工智能进行更大体量的数据分析和深度学习、拓宽我国人工智能技術的发展空间，应当针对人工智能深度学习行为能否认定为合理使用、如何在司法实践中进行具体判定两个问题进行研究，这对人工智能时代背景下新型著作权保护体系的建设有着重要意义。

二、人工智能深度学习与合理使用

人工智能深度学习技术（Deep Learning/DL）是指计算机利用人工神经网络（Deep Neural Networks），不依靠人类提前编程即拥有某一领域学习能力的技术[6]。这一技术效果的实现依赖于前期对版权作品的数据复制行为，存在著作权侵权风险。为了化解这一风险、维持利益平衡，有必要将人工智能深度学习判定为合理使用，这有助于避免算法偏见、降低研发成本、推动产业进步及我国数字经济发展。

（一）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[7]。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。例如，西门子的智能云MindSphere可以学习并作出调整燃油值的决策以实现最佳性能;AI Powered Equity ETF（AIEQ.US）管理的基金可以提供更高的回报率;腾讯研发的写作机器人“Dreamwriter”可以撰写经济领域的新闻报道等。

人工智能的深度学习过程可以分为以下5个阶段：第一，收集数据，为构建深度学习数据库做准备。第二，预处理数据，指进行计算机语言转化和初步数据筛选，建立深度学习数据库。第三，标注数据，人工智能根据预设目标的具体内容对数据库进行分类标注，形成初级函数模型。第四，训练模型，依次选取各个分类类别下的数据计算其关联关系，以达到完善初级模型的效果。第五，固定模型，通过海量运算后形成符合人类思维模式和行为特征的最终模型，以完成预设目标。

人工智能深度学习的著作权风险，主要产生于收集和预处理数据阶段的复制行为。复制是指将作品固定在物质载体中，形成作品复制件的行为[8]，是作品的原样重现。现行《著作权法》第10条第1款第（五）项将“数字化”方式纳入到复制权范围，表明信息网络环境下将作品存储在机器中形成复制件的行为受著作权法保护。在前期收集、预处理数据时，人工智能需要挖掘、复制足够数量的相关数据，其中就可能包括大量受著作权法保护的作品。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。

（二）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[9]。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[10]99。合理使用通过限制著作权人的专有权利，能够实现权利人的创作热情与社会公众创作能力之间的平衡。数字经济环境下，著作权保护的利益失衡，是造成人工智能深度学习与我国现有著作权保护体系冲突的深层原因。著作权人希望获得合理经济利益及相应的创作激励，限制作品获取;而人工智能深度学习技术的发展希望自由、大量地获取数据，以加强公众对知识的接触和信息传播，促进科学文化发展。二者之间的矛盾需要通过利益平衡得到调和。与此同时，《著作权法》第49条、第50条规定了允许权利人设置技术保护措施，以限制网络环境下作品的公众接触，这一做法扩大了著作权人的权利控制范围，使著作权保护的天平倾斜于权利人一方。为重新达到平衡，应当允许社会公众自由使用相关作品，其合理性在于二次使用者抱有以原作为基础进行新创作的目标，有利于知识传播和社会文化进步。如果没有合理使用制度予以调整，过于严格地保护著作权人利益，则不利于技术创新和数字产业发展，不利于满足社会公众需要。

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[11]。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。但出于历史文化因素，这种做法可能导致输出成果偏向某一结论，例如智能生成裁判文书倾向于判决黑人和女性为败方。将人工智能深度学习进行合理使用判定后，人工智能在前期数据收集环节就可以获取更加客观全面的数据资源作为技术支撑，进而避免了数据质量造成的算法偏见。

从市场经济规律来看，将人工智能深度学习判定为合理使用，有助于控制交易成本。如果市场失灵现象对著作权人和使用人之间可能的自由交易造成损害，则应当通过合理使用进行限制[12]87。由于人工智能仅识别作品数据，不进行权属分辨，在浩如烟海的使用作品中找出具体的著作权属信息并非易事。即使掌握了全部作品的著作权属信息，一一获得授权也会花费巨大的时间和金钱成本，而过高的交易成本往往令人工智能开发者望而却步。若人工智能深度学习构成合理使用，能够降低交易成本、促进交易达成，解决开发者的后顾之忧。

从国家战略部署来看，将人工智能深度学习判定为合理使用，有助于促进产业发展。根据政策选择理论，版权保护取向应当与国家政策取向保持一致，保护水平应当反映国家的政治经济发展水平[13]37。国务院2017年发布的《关于印发新一代人工智能发展规划的通知》强调加紧建立人工智能法律制度建设，以在国际科技竞争中取得主导地位，提出到2025年人工智能理论实现重大突破，部分应用实践达到世界领先水平;到2030年总体达到世界领先水平。为了实现这一目标，应当适用合理使用制度为人工智能深度学习产业提供政策支持，在制度规定层面引领产业发展，最终实现以政策促产业的积极效果。

三、人工智能深度学习合理使用判定的两个主要因素

在国际司法实践中，判断合理使用有“三步检验法”和“四要素标准”两种方法。我国现行《著作权法》第24条引入了“三步检验法”的后两步作为判定合理使用的一般条款，但在具体适用时仍有困难。“四要素标准”采用概括方式，对判例中的实践经验作出了总结，其内涵具有开放性、动态化的特点，因此能够更加灵活地应对新情形，对于人工智能深度学习的合理使用判定具有启发意义。在四要素中，发挥主要作用的是第一要素“使用性质和目的”和第四要素“对原作潜在市场价值的影响”。第一要素项下发展出了“转换性使用”理论，人工智能深度学习能够脱离原有作品的具体内容创造出独立的新价值，具备内容轉换性;某些二次使用行为不涉及原作品内容表达，仅改变使用目的，具备目的转换性，因此构成转换性使用。人工智能深度学习以数据科技手段为支持发掘了新市场，通过“转换性”实现了新旧市场的区分，因此不损害原作品潜在市场利益。

（一）从使用性质和目的判断

使用性质和目的是“四要素标准”中的第一个要素，其后衍生出“转换性使用”理论，内涵是在新作品的创作过程中以不同的方式或不同的目的使用原作品，赋予新作品创造性，从而达到激励创作和加速知识传播的效果。1976年，《美国版权法》为认定合理使用的范围规定了四条标准⑥，1990年皮埃尔·莱瓦尔（Pierre N.Leval）法官指出四要素中第一条“使用行为的目的和特点”的重要性，并针对性地提出了转换性使用理论，他认为转换性使用产生的新作品应当与原作品在方式或目的上有不同之处，并且必须对原作品增添新的价值[14]1105。转换性程度与认定构成合理使用的可能性成正相关，二次使用行为的转换程度越高，与原著作权独创性表达的距离就越远，对原著作权人损害就越小，越容易被认定为合理使用⑦。

判断人工智能深度学习的使用性质和目的，需要关注目的转换性使用和内容转换性使用两种类别。

1. 内容转换性是指以原作品为原材料，创作出新内容、新表达，使新作品包含有不同于原作品的新价值。例如在Cariou v. Prince案⑧中，新画作将原画作进行各种局部放大、缩小、上色、添加图案的操作，这种大幅改动使新画作具备了新的思想表达形式，原画作仅作为素材使用。虽然目前著作权法尚未对人工智能创作作品的权利主体做出认定，但作品中包含的创造性是不可否认的。这种创造性的产生要归功于人工智能深度学习的函数模型，其能够在学习现有作品后理解了行为规律，进而可以脱离原有作品的具体内容进行富含创造性的新创作。

这一特点奠定了函数模型创作物的知识增值独立性。函数模型对原有作品的使用，是在作品“原样呈现”的原始价值之外挖掘出新价值的过程，这种知识增值是独立于原作品的[15]。因此，人工智能深度学习输出的创作成果并没有使用某一具体原有作品的独创性表达，或对其进行增添删改，而是将原有作品整体作为原材料，挖掘出独立的知识增值并创作出新信息、新见解，具有内容转换性。但需要注意的是，一些以特定作者为学习对象的特殊学习行为不具有内容转换性，例如巴黎一科学实验室使用音乐家巴赫的乐曲训练人工智能专门创作巴赫风格的音乐[16]，这种特殊学习行为是实质性相似的模仿行为，使用了具体作者的特定独创性表达，没有挖掘出独立的知识增值，不能认定为具有内容转换性。

2. 目的转换性又称功能转换性，是指仅改变利用目的，不包含创作行为的使用，例如将原作品欣赏、阅读的目的转化为评论、报道、说明、检索等新目的。目的转换性使用的特点在于作品的二次使用与作品本身的表达内容无关，即“非表达性使用”，例如Bill Graham Archives v. Dorling Kindersley案中，全幅照片的使用目的由展示、欣赏转化为记录、说明历史变化⑨;上海美术电影制片厂诉华谊兄弟案中，特定美术作品的价值已从艺术欣赏转变为说明问题⑩。人工智能深度学习利用深层数据分析技术，可以挖掘数据潜在价值，转换数据使用领域，在不进行内容创造的前提下，通过数据叠加、分组、重新整合等技术手段开发原有数据的全新价值，进而实现数据使用目的转变。

（二）从对原作品潜在市场的影响判断

使用性质和目的不是合理使用的唯一判定要件，不能由于仅满足转换性使用而进行合理使用判定[17]。如果新技术的出现改变了传统交易平衡，自由交易市场无法实现作品使用效益最大化的交易最优情形时，著作权法就主动配置法定权利，保护使用者接触作品的路径。因此，合理使用判定必须以克服市场失灵为目标，被用作品的潜在市场价值是否受到损害是重要判断因素。

市场影响因素的判断标准在于潜在市场价值。Campbell案首次提出了“潜在市场”的定义和判断标准。认为二次使用行为的转换性越大，对原作品市场产生影响的可能性就越小，作品潜在市场指“传统、合理或很可能發展起来的市场”，即传统许可市场[18]。在此基础上，应当通过分析生成相关市场的难易程度来判断潜在市场。如果一个相关市场很容易形成，则为潜在市场;很难形成，则说明此相关市场已经超出权利人的合理预见范围，不是潜在市场。我国学者从著作权保护立法目的出发，以“激励效果”作为评价某一行为市场影响的依据，如果二次使用行为减小了原作权利人的创作激励，则损害了潜在市场利益[19]。除此之外，美国提出了“实质损害标准”，即二次使用后的新作品是否取代了原作品的正常市场，是否实质损害了原作品权利人的市场利益。回到立法当中，“不得影响作品的正常使用，也不得不合理地损害著作权人的合法利益”可以看做损害潜在市场利益的判定标准。作品的“正常使用”指常规、传统意义上的使用，与权利人的经济利益挂钩，例如许可使用费的收取;“不合理”的损害合法利益指对权利人现有或潜在利益的严重损害。

人工智能深度学习不损害原作品潜在市场利益，不侵犯原有著作权。人工智能深度学习创造的作品获取相当的“转换性”后，会形成新的作品受众和市场，这种市场区分避免了二者互相竞争，因此人工智能深度学习的末端输出作品不会取代原作品市场，不会严重损害权利人市场利益。人工智能深度学习技术挖掘的新市场需要大量数据和科技手段的支持，是非传统性、形成难度较大的市场，已经超越了权利人可能并能够预见的市场范围，因此不能再给予传统范围的著作权保护。单一原有作品的权利人无法仅通过一部作品实施人工智能深度学习技术，也无法仅利用个人力量将单一作品的市场价值拓宽到人工智能深度学习领域中来。版权保护不是保护作品所有可能产生的利益，而应当以权利人能够预见的范围为限，即使人工智能深度学习技术发掘并占有了现有作品在新应用领域的价值，也不影响权利人在原应用领域内的创作积极性和市场利益。

四、完善人工智能深度学习合理使用判定标准的对策建议

对人工智能深度学习进行合理使用判定，有两个思路：一方面，我国可以效仿某些发达国家的做法，在制度层面上，将人工智能深度学习明确规定为一种新的合理使用情形，《著作权法》第24条第13款已经打开了利用其他法律法规（例如《著作权法实施条例》）扩大合理使用法定情形的通道。另一方面，我国也可以不进行立法增设，而是在司法实践中具体适用一般条款作出判定，可以为一般条款设置配套的司法解释，以四要素标准为主要内容，重点关注转换性使用和市场影响因素两个方面。

（一）通过《著作权法实施条例》明确新的合理使用情形

在立法层面，我国可以借鉴欧盟和日本的做法，在立法中明确规定人工智能深度学习的著作权例外。日本在2009年规定，在计算机统计分析功能下，允许在介质中存储信息或对信息进行改编[20]。到了2018年，日本摒弃了对计算机数据处理方法仅限于“统计分析”的技术限制，引入了美国的转换性使用原则，将合理使用的目的设置为“并非为了享受作品所表达的思想或情感”，理论内涵是此种使用必须提供新知识或信息、具备转换性质，同时强调信息处理者在复制作品、向大众公开作品时不得损害原有作品权益[21]。欧盟在《单一数字市场版权指令》中明确了人工智能深度学习的著作权例外，允许其复制使用文本数据。欧盟对人工智能深度学习合理使用的态度经过了非商业性到商业性的转变。在2016年提出的《单一数字市场版权指令草案》中，欧盟仍然将认定合理使用的范围限制在非商业性的科研领域，规定只有科研机构在为了科学研究目的进行工作时才可以对现有作品进行复制[22]。但2019年正式通过的《单一数字市场版权指令》中，具有商业性目的的复制和数据处理也被允许，同时规定了著作权利人可以明示排除文本数据被使用者进行商业性复制的权利[23]。

具体来说，以著作权法第24条第13款中的“其他法律法规”为支撑，通过《著作权法实施条例》将人工智能深度学习技术增设为一种新的合理使用情形。《著作权法》第24条在列举合理使用法定情形时，添加了第13种情况：“法律、行政法规规定的其他情形”。此举一是方便法官在司法实践中利用一般条款对实际情况灵活做出判断，二是方便通过其他法律法规扩大合理使用的法定情形，以适应社会变化。在通道选择上，以《著作权法实施条例》《信息网络传播权保护条例》或《计算机软件保护条例》为通道，将人工智能通过数据分析、数学建模进行深度学习的行为具体列出，增设为合理使用的一种情形[24];在具体规定上，可以参照《日本著作权法》第30条之非享受性使用条款，以“用于信息分析的情形”为切入点，将人工智能深度学习归属于合理使用行为。需要注意的是，不应当将认定合理使用的范围限制在“非商业性”领域。国家鼓励面向市场的科学研究活动，且鼓励企业与科研机构进行联合研发。公立科研院所与企业进行具有商业目的的科学研究非常普遍，企业自己设立的商业性科研部门也是我国科研成果产出的中坚力量。只有将人工智能深度学习的合理使用范围放宽至商业性领域，才能顺应国家政策导向，推动人工智能深度学习技术发展。

因此，在修订《著作权法实施条例》时，可以增加新的人工智能深度学习合理使用情形：“为人工智能利用数据分析进行创作，存储、复制他人作品，并将创作结果提供于社会公众。”

（二）建立合理使用一般条款的司法实践指导体系

构建合理使用制度模式，应当结合规则主义与因素主义。在合理使用制度选择上，美国采用“因素主义模式”，开放式地对合理使用进行因素判断;我国采用“规则主义模式”[25]167，未接受完全开放的布局，但通过兜底条款与一般条款的结合增加条文适用弹性。以上两种模式可以相互补充适用，以现有的“三步检验法”一般条款为基础，补充四要素标准作为司法解释，设立以转换性使用为主，以市场影响要素为辅的规则，从而具化三步检验法的抽象标准，最终构建一条符合我国特色的合理使用判定道路。

四要素标准中的第一、第四要素与三步检验法中的后两步有一定的对应性，前者可以为后者提供更加具体的标准。因此，司法解释对合理使用一般条款的细化应当体现在以下两个方面。

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。

但需要强调的是，由于四要素标准的目的在于提供合理使用判断的四个方向，不以四个要素全部满足为必要条件[26]，因此我国司法解释也应当允许法官对以上两个要素进行单一或叠加考虑。

因此，可以设置司法解释条文：“使用可以不经著作权人许可、不向其支付报酬的作品的，人民法院在判断是否影响作品的正常使用及著作权人的合法权益时，应当考虑使用行为是否进行新内容或价值创造、是否在其他领域以其他目的进行、是否严重影响原作品的潜在市场价值等情节综合确定。”

五、结语

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。可以通过《著作权法实施条例》为人工智能深度学习增设新合理使用情形;或者也可以对合理使用一般条款的实施方式进行附加解释，在司法解释中补充四要素标准，这是取因素主义模式之长，补规则主义模式之短的方法，能够有效帮助司法实践中人工智能深度学习技术的合理使用判定。

注 释：

① 最高人民法院《关于充分发挥知识产权审判职能作用推动社会主义文化大发展大繁荣和促进经济自主协调发展若干问题的意见》第8条，法发[2011]18号。

② 谷歌公司与王莘侵害著作权纠纷上诉案，北京市高级人民法院（2013）高民终字第1221号民事判决书。

③ 吴锐与北京世纪读秀技术有限公司侵犯著作权纠纷案，北京市海淀区人民法院（2007）海民初字第8079号民事判决书。

④ 北京菲林律师事务所诉北京百度网讯科技有限公司著作权侵权纠纷案，北京互联网法院（2018）京0491民初字第239号民事判决书。

⑤ 深圳市腾讯计算机系统有限公司与上海盈讯科技有限公司著作权权属、侵权纠纷、商业贿赂不正当竞争纠纷案，广东省深圳市南山区人民法院（2019）粵0305民初字第14010号民事判决书。

⑥ 四要素标准：（1）要看有关使用行为的目的和特点;（2）要看被使用的作品的性质;（3）在所使用的作品中，被使用的部分与整个作品的比例关系;（4）看使用行为对被用作品的潜在市场价值有无重大不利影响。刘春田：《知识产权法》，中国人民大学出版社2014年版，第120页。

⑦ 深圳市騰讯计算机系统有限公司，腾讯科技（成都）有限公司等与重庆天极畅娱网络有限公司，北京字节跳动科技有限公司等不正当竞争纠纷案，重庆市第一中级人民法院（2021）渝民终3805号二审民事判决书。

⑧ Cariou v. Prince， 714 F.3d 694 （2nd Cir. 2013）。

⑨ Bill Graham Archives v. Dorling Kindersley， 448 F.3d 605 （2nd Cir. 2006）。

⑩ 上海美术电影制片厂诉浙江新影年代文化传播有限公司案，上海知识产权法院（2015）沪知民终字第730号民事判决书。

11 Harper&Row，471 U.S. at 566-68， 105 S.Ct.at 2234，2235。

12 《日本著作权法》（平成30年法律第30号）第30条之4规定：“在如下所列情形以及其他情形下，当对作品的利用并非为了自己或他人享受作品所表达的思想或情感时，在使用的必要范围内，可以以任何方式利用作品。但是，如果根据作品的种类及用途，作品利用方式会对著作权人利益产生不当损害的情形下，不适用本规定。第一，用于与作品的录音、录像或其他使用相关的技术开发或实用化试验情形;第二，用于信息分析的情形;第三，除上述两种情形以外，在电子计算机信息处理过程中对作品表达所进行的不被人类感知和识别的利用情形，但不包括电子计算机执行计算机程序作品的行为。” 参见郑重：《日本著作权法柔性合理使用条款及其启示》，《知识产权》2022年第1期，第128页。

13 参见《科学技术进步法》（2022年1月1日施行）第29条：“国家鼓励以企业为主导，开展面向市场和产业化应用的研究开发活动。”第31条：“国家鼓励企业、科学技术研究开发机构、高等学校和其他组织……按照市场机制联合组建研究开发平台。”

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.

[5] 刘友华，魏远山.机器学习的著作权侵权问题及其解决[J].华东政法大学学报，2019，22（2）：68-79.

[6] ARTHUR.L.SAMUEL.Some Studies in Machine Learning Using the Game of Checkers[J].IBM Journal of Research and Development，Vol.3，No.3，1959，p.211.

[7] CASTIGLIONI ISABELLA，ISABELLA，RUNDO LEONARDO，CODARI MARINA，DI LEO GIOVANNI，SALVATORE CHRISTIAN，INTERLENGHI MATTEO，GALLIVANONE FRANCESCA，COZZI ANDREA， D'AMICO NATASCHA CLAUDIA，SARDANELLI FRANCESCO. AI Applications to Medical Images：From Machine Learning to Deep Learning[J].Physica Medica，2021，83.

[8] 王迁.复制权与信息网络传播权的关系[J].湖南师范大学社会科学报，2022，51（2）：1-9.

[9] 焦和平.人工智能创作中数据获取与利用的著作权风险及化解路径[J].当代法学，2022，36（4）：128-140.

[10] 吴汉东.知识产权法[M].北京：法律出版社，2014：99.

[11] Amanda Levendowski.How Copyright Law Can Fix Artificial Intelligences Implicit Bias Problem [J].Washington Law Review，Vol.93，No.2，2018，pp.583-584.

[12] 曾琳.版权法第三次修正下的“限制与例外”制度应用研究[M].北京：中国政法大学出版社，2016：87.

[13] 梅术文.版权法：原理、规范和实例[M].北京：知识产权出版社，2014：37.

[14] PIERRE N.LEVAL.Toward a Fair Use Standard [J].Harvard Law Review，Vol.103.Issue 5.1990.pp.1105.

[15] 徐小奔，杨依楠.论人工智能深度学习中著作权的合理使用[J].交大法学，2019（3）：32-42.

[16] COLIN MARSSHALL. Artificial Intelligence Writes a Piece in the Style of Bach：Can You Tell the Difference Between JS Bach and AI Bach？[OL].[2022-10-11].OPENCULTURE，http：//www.openculture.com/2018/01/artificial-intelligence-writes-a-piece-in-the-style-of-bach.html.

[17] 种晓明.著作权合理使用中“转换性使用”原则的再界定——美国“Kinder Guides案”及其启示[J].今传媒，2019，27（2）：21-25.

[18] 谢琳.论著作权合理使用的扩展适用——回归以市场为中心的判定路径[J].中山大学学报（社会科学版），2017，57（4）：162-174.

[19] 蒋珂.论合理使用中的“行为”——兼评谷歌图书案[J].法学评论，2015，33（6）：185-193.

[20] JAPAN AMENDS ITS COPYRIGHT LEGISLATION TO MEET FUTURE DEMANDS IN AI AND BIG DATA.Available at https：//eare.eu/japan-amends-tdm-exception-copyright/. 2022，10.

[21] Copyright Law of Japan Article 47-5（Minor Exploitation Incidental to Computerized Data  Processing and the Provision of the Results Thereof）.Available at https：//www.cric.or.jp/english/clj/cl2.html#chapter2sect3sub5.2022，10.

[22] Proposal for a Directive of the European Parliament and of the Council on Copyright in the Digital Single Market，COM（2016）593final（Sept.14，2016），Art.3.

[23]  DIRECTIVE（EU）2019/790 OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL of 17 April 2019 on Copyright and Related Rights in the Digital Single Market and amending Directives 96/9 EC and 2001/29/EC， Art.3，4，7.

[24] 王遷.《著作权法》修改：关键条款的解读与分析（上）[J].知识产权，2021（1）：20-35.

[25] 王清.著作权限制制度比较研究[M].北京：人民出版社，2007：167.

[26] 姜亦周.中国著作权合理使用制度之演变与完善研究——从1991年《著作权法》到2014年《著作权法（修订草案送审稿）》[J].出版科学，2019，27（3）：45-52.