版权合作密集，AI公司打算如何分蛋糕？丨AI版权战事
编者按
站在2024年，AI带来的版权问题日渐白热化，国内外已有不少案件涌入司法并落槌，争议、担忧、混沌……新产业与旧秩序缠斗在一起，左右互搏。训练数据版权侵权何解？生成物是否为作品，谁拥有著作权？生成物侵权责任如何划分？产业链愈发精细下，权责如何分配？避风港原则如何适用？......
当然这不仅仅是法律问题，也事关经济业态、商业模式、产业健康可持续发展。AI的幻影叠落进现实，传统行业寻求新出路，新的利益分配格局需要新的规则，我们处在哪里，要抵达到何处？依旧没有答案。4月26日是世界知识产权日，南财合规科技研究院基于此前长期对AI治理的研究，将推出“AI版权战事”系列，与各界共同寻求解法。
随着版权摩擦的加剧，AI公司们已经意识到，要在这个竞争激烈的新兴地带分一杯羹，必须调整和重视它们的版权战略。
就在最近，谷歌因未妥善使用法国新闻内容训练AI而被罚款2.5亿欧元，目前正和法国新闻出版商重新商谈合作。去年12月以来，OpenAI与多家新闻出版商官宣商业合作关系，谷歌与“美国贴吧”Reddit达成版权合作……
这些密集合作中，我们能看到哪些版权纠纷的解法？一方面，欧盟做出了一个示范，强调提供退出机制和透明度，保障版权方利益。另一方面，21世纪经济报道记者梳理全球AI方和版权方的合作动态，发现版权报酬、责任分配仍然是谈判中的暗雷。
在给美国知识产权局的回复函中，几乎所有AI大公司都否认了版权付费的合理性。受访专家指出，这是因为大模型的训练过程到底能归类于版权法上的何种行为，还没有明确结论。合作如同在不稳地基上搭建起来的积木楼，充满不确定性。
违反透明谈判原则
单看法国这一次对谷歌2.5亿欧元的罚款，是基于谷歌曾经的版权合作承诺，以及欧盟的《单一数字市场版权指令》。
2022年，谷歌跟280家法国新闻媒体机构签署了版权承诺，如果搜索引擎继续抓取新闻，要向新闻出版商支付版权补偿费用。除此之外，协议还确定了“透明、客观、非歧视”的版权报酬谈判原则。
而法国竞争管理局今年发现，谷歌在训练Gemini的过程中违背了承诺：在透明度上，谷歌没有告知新闻机构Gemini使用了它们版权内容，更没有说明使用方法；在退出机制上，尽管谷歌推出了Google Extended技术——新闻媒体可以在网页中插入名为““no index”的标签，拒绝被网络爬虫抓取成为大模型Gemini的训练素材。但插入这一标签也意味着新闻将在谷歌搜索中完全消失，因此并不是一种有效的拒绝方式，阻碍了新闻机构的谈判能力。
同济大学法学院助理教授、上海市人工智能社会治理协同创新中心研究员朱悦此前向21世纪经济报道记者解释，对于版权方的利益保护，退出机制和透明度很重要。比如透明度能为各方提供充分信息，版权方就能有更多证据去争取有利的补偿。
朱悦指出，欧盟的《人工智能法案》也基本沿用了这一表述，包括尊重版权方作出保留的权利，要求AI系统的透明度。不过AI具体要披露哪些信息、如何披露，《人工智能法案》没有详细规定，各国监管可能会逐步细化细则。
根据法国竞争管理局的要求，谷歌下一步要做的，首先是详细向法国新闻出版商说明，Gemini从训练到输出如何使用了他们的新闻报道。谷歌还需要提供一种技术解决方案，能让新闻机构拒绝为谷歌大模型提供训练素材，这一退出机制的有效性是法国监管机构未来的关注重点。
“和出版商的谈判变得复杂”
事实上，从去年7月以来，谷歌、OpenAI、苹果已经在就AI版权问题与多家版权方洽谈合作，但不同于谷歌跟法国新闻机构有着明确约定，AI方与版权方的合作存在更多模糊地带。
拥有超过230家出版物的欧洲媒体巨头Axel Springer是全球第一个分到蛋糕的版权方。去年12月OpenAI在博客中表示，公司今后可以在大模型的训练中使用Axel Springer的报道，此外，ChatGPT还能帮用户总结Axel Springer的报道，并展示原始报道的出处和完整链接。
这笔交易的财务信息并没有披露，据《华尔街日报》报道，作为各自行业的巨头，交易费用预计为数千万美元。
规模更小、更独立的出版机构能分到的蛋糕要小得多。The Information透露，OpenAI计划每年向一些媒体公司提供100万到500万美元的费用，以用其新闻训练大模型。这个数额对于小型媒体来说也非常微薄，因此交易结果并不被大众看好。
定价是版权合作中的烫手山芋，《纽约时报》就是“谈崩了”的典型例子。去年4月《纽约时报》开始与OpenAI谈判，但始终没能达成任何付费许可协议。12月27日，《纽约时报》正式将OpenAI告上法庭，指控它们未经许可使报道内容训练AI，要求承担“数十亿美元的法定和实际损失”，标志合作彻底破裂。
北京大学新闻与传播学院教授胡泳在文章中分析，OpenAI的报价很可能与《纽约时报》的预期相差过大，定价策略将非常关键。
胡泳认为，作为AI“训练素材”的数据价值已经有了根本性调整：以前获得价值要开放数据，现在则要锁定数据。在搜索引擎时代，数字版权报价主要基于内容的曝光量和曝光带来的广告收入，而现在根据大模型公司的盈利方式定价可能是最合理的模式，比如利润分享或者按API访问次数收费。
但难题在于大模型产业尚未成熟，盈利能力、营收方式还充满变数。胡泳也提到：“所有现在采用统一定价的公司将来都会后悔这样做。它们没有意识到自己的数据到底有多值钱，也没有意识到货币化窗口有多小。”
同济大学法学院副教授陈吉栋在采访中表示，随着AI训练的需求变化，利用“作品表达”逐渐演变为利用“数据”，而数据在我国的法律定性还未明确，这确实为开展AI训练带来一定的不确定性。
陈吉栋指出AI公司主动寻求和版权方合作，本质是在规避风险。尤其需要注意的问题是合作授权是否存在瑕疵——比如有没有使用有个人信息的数据、能不能保证数据安全底线。以及如果未来出现侵权问题，双方约定怎么分配责任。
这些版权利益谈判的难题，从谷歌的经历中可见一斑。谷歌在官方博客中写道：“由于缺乏明确的要求，以及接二连三的法律诉讼，我们与新闻出版商的谈判变得很复杂，这阻碍了我们未来投资法国信息领域的考虑。我们以及其他市场参与者需要更清楚地了解，我们到底要向谁付费，要为什么付费。”“在无法预测准确方向的情况下，确定行动方针非常复杂。”
AI“学习过程”难定性
归根结底，训练AI到底涉及哪些版权法规制的行为？
美国版权局（Copyright Office)在去年8月到11月之间，公开要求各界回复对训练AI使用版权材料的看法。21世纪经济报道记者整理后发现，几乎所有AI公司都反对训练AI需要版权许可和付费。
谷歌在回复函中解释，如果拆开看大模型训练过程的每一步——从抓取信息、复制输入到处理分析，只有最初的复制行为能落在版权法范畴中，其他行为不触发版权法。这也是许多大公司认可的观点。
OpenAI这样说明自己训练AI的技术步骤：首先，抓取互联网上公开可用的信息，或者是根据第三方商业协议获得信息；第二步，向模型“投喂”输入信息；第三步，模型将文本信息分解成一个个单词长度的token，计算哪些token经常一起出现，并转换为一串统计概率；Transformer架构进一步分析所有文本，比如哪个单词对于理解一句话的意思最重要，让AI捕捉到语言的深层结构和模式；最后将这些统计关系留在模型中，完成大模型的预训练。
简而言之，大模型记住的是统计关系，而不是文本本身。OpenAI表示，大模型的每串数字（即权重）反映了不同单词在不同情况下的统计关系。当有人发出指令时，大模型调用权重预测下一个词和句子——不会通过数据库重新访问版权作品，也不会直接复制粘贴作品的内容。
但上海大邦律师事务所高级合伙人游云庭提醒，人们可能不知道、也很难证明作品输入进大模型后就“不存在了”。事实上AI完全可以重现版权作品的副本，《纽约时报》起诉OpenAI的声明，就指出了ChatGPT可以几乎一字不差地复述《纽约时报》报道原文，这是训练AI需要获得版权授权的一个有力证据。
在陈吉栋看来，AI的困惑之处在于，它看起来在同时进行“精确复制”和“合理使用”。如果细看大模型训练过程的每一步，可能没办法归类于现在版权法中的任何一种行为，因此难以进行法律定性。
广东财经大学法学院教授姚志伟也认为，AI的训练过程，确实很难认定为复制等著作权专有权利。现在很流行的观点是训练AI是一种学习行为，类似于读一本书。
“但问题是，在所谓的学习过程中肯定会复制作品，这就涉及了版权法的复制权。理论上也可以说训练大模型不是为了复制作品，复制只是一种‘中间’行为。所以如果训练AI本身是合理使用，那么复制这种中间行为应该被吸收，有复制行为也不构成侵权。”姚志伟指出，这种理论在日本《著作权法》和美国的司法案件中有一定体现，但在中国法中没有立法依据，能否在司法上得到认可具有很强的不确定性。
陈吉栋认为，将机器学习类比为人类学习是一种技术解读。如果回归到立法初衷，会发现著作权法旨在鼓励人们学习、创造、推动知识的传播，而AI背后直接承载着商业目的、间接负担着知识传播，跟人类学习有着本质区别。在陈吉栋看来，即使是普通人在利用作品学习的时候，一般也要付出相应的代价，只有部分情景才会被认定是合理使用。就算AI训练被认定为学习行为，也很难适用合理使用这样的豁免性条款，不去支付对价、承担侵权风险。
“值得继续思考的是，在传统观念中，只有人类才能从事创造性活动，所以要制止损害人类创造性活动的行为。现在AI开始展现出创造能力，版权法的作品根基可能被撼动。AI技术迅速发展并汇聚了大量投资，是否还需要版权制度来激励？如果未来投资热潮过去，是否又应该探索新的方式来激励创新活动？”陈吉栋告诉21世纪经济报道记者。
