构建多层次、体系化的版权治理框架

　　生成式人工智能机器学习的版权合法性问题关乎版权保护与技术创新之间的价值平衡。面对合理使用制度的失灵，笔者主张以利益平衡为理念，依据生成式人工智能机器学习被认定为合理使用的可能性光谱，既从著作权法的制度工具入手，又向商业实践中的自治措施延展，构建多层次、体系化的版权治理框架，以期为相关市场主体开展商业活动提供稳定的预期。

　　增设非营利性生成式人工智能机器学习的合理使用情形

　　合理使用制度的规范目标在于调和多元价值冲突，以增进社会公共福祉。非营利性的机器学习行为不仅便于公众享受技术进步带来的益处，而且在产业实践中占比较小，对著作权人的合法权益影响有限，被认定为合理使用的可能性极高。然而，在我国合理使用制度规定的12种法定情形因使用主体、数量和范围等方面的诸多限制，未能有效涵盖涉及海量作品使用的机器学习。因此，有必要单独为非营利性的机器学习设置法定情形，从而为市场主体提供明确的合规指引。

　　还可以考虑设立商业性生成式人工智能机器学习的法定许可情形，商业性的生成式人工智能机器学习因输出结果可能与版权作品构成实质性相似，难以受到合理使用原则的保护。这导致基础模型的研发者在实践中仍要采取技术措施，尽可能地避免输出版权侵权内容。面对合理使用制度的失灵，法定许可制度是更为适宜的制度选择，其作为事前的责任限制规则，在简化交易程序的同时，保障了著作权人的利益。

　　此制度的实施依赖于集体授权机制，应从技术支持和制度保障两方面着力完善我国的集体管理制度，推动该制度的运行。此外，法定许可制度能够扭转著作权人在市场中的弱势地位，激励技术研发者在市场尚未形成复杂的交易环境前，与著作权人自主协商，或通过产业实践中的自治方案降低著作权侵权风险。

　　借鉴遵循动态规制逻辑的“避风港原则”

　　在合理使用制度失灵的情形下，结合商业和技术环境的实际情况，为生成式人工智能平台设定适当的注意义务，不仅能够将促进技术创新的政策纳入考量，而且能够为市场主体提供明确的合规方案。

　　在实践中，生成式人工智能的产业链主要分为三个层次，即基础模型层、专业模型层和服务应用层，其中服务应用层直接面向终端用户，遵循传统网络平台的运行逻辑，能从生成内容中获利并具有防范侵权的能力，要求其承担合理的注意义务具有正当性。在“奥特曼案”中，法院根据公法上的义务性规定，为生成式人工智能平台设定了相应的注意义务，包括设置举报机制、潜在风险的提示义务和显著标识义务，并要求其采取关键词过滤等技术措施来停止生成被控侵权内容。通过设定注意义务将人工智能企业合规成本控制在合理范围，有助于推动技术产业的创新发展。未来，随着技术进步和商业模式演变，注意义务将在个案中被适时调整，以平衡版权保护与技术发展的双重价值。

　　在人工智能时代，以“事前授权”为核心的著作权制度已难以满足海量作品使用的现实需求，这推动商业实践不断探索和创新，衍生出一系列灵活的自治手段，为生成式人工智能机器学习的版权治理提供新思路。

　　用户协议以合同的方式明确用户和服务提供者之间的权利和义务，在互联网环境中具有广泛的使用场景，比如在以“服务换数据”商业模式中，互联网企业便以用户协议为中介，在为用户提供免费服务的同时获取用户生成的数据。再比如，OpenAI就在服务条款中推出了“版权保护盾”（Copyright Shield），声明若用户因使用ChatGPT企业版和API而面临版权侵权诉讼时，OpenAI将介入帮助用户应诉并承担因诉讼产生的相关费用。此外，版权保险制度也能帮助人工智能企业有效应对内生性的版权侵权风险。从技术原理来说，基础模型的“记忆”现象是不可避免的，第三方保险机构的引入可以帮助企业分担潜在的版权侵权风险，有利于其提升抗风险能力和降低合规成本。同时，知识产权共享协议有助于构建“版权共享池”，支持中小企业共享更丰富的作品数据资源，推动人工智能产业创新发展。

　　因此，合理使用并非生成式人工智能机器学习绝对免责事由。避免生成版权侵权内容才是人工智能企业规避著作权侵权风险的核心策略。为提供更明确的合规指引并激励技术创新，应构建融合著作权制度工具与行业自治规则的版权治理框架，以实现版权保护与技术进步的协同发展。

　　声明：《版权监管周刊》部分插图源自网络，版权归作者所有。作者可通过左上角的联系方式与编辑部取得联系，编辑部将及时支付稿酬。