法学∣梁志文：版权法上生成式人工智能输出的定性及其责任规则

主要观点总结

行政法上关于“瑕疵”的理解存在狭义与广义之分，能被补救的行政行为瑕疵限于“行政上微小的缺点”，且仅限于行政行为在实施程序、事实与证据、规范依据方面的瑕疵。面向程序瑕疵与实体瑕疵的补救机制分别为补正制度与理由之替换，二者均产生治愈违法行为的效果。但行为意义上的替换理由不等于结果意义上的替换，前者仅在一定范围内才产生治愈效果。在我国，补正行政行为程序瑕疵的时点被限于提起行政诉讼前，进入诉讼阶段后补正效果将被推翻。理由之替换在适用时面临三项限制，用作替换的证据须在行政行为作出时收集，不得架空法定程序，且不得改变行政行为的同一性。在生成式人工智能生成物与版权材料构成实质性相似时，从技术本质出发，生成式人工智能的基础是大模型，它将训练数据样本分解成令牌以确定内容特征上的统计相关性，输出过程是具有统计相关性特征的随机性重组。大模型通过API与用户交互形成人类能理解的作品，但可能照搬训练数据中的版权材料。大模型并非复制工具，不属于“索尼案”实质性非侵权用途标准的适用范围，但属于具有双重用途的技术。大模型既未主动输出、也未存储生成物，用户输入提示词、参数等并选择成品；其应用场景与搜索引擎类似，属于信息社会的新型服务，应适用“通知移除”制度等“避风港”规则，并不负有公法上网络治理规则施加的义务。服务提供者采取了技术可行且考虑合理使用情形的必要措施，不承担赔偿责任。大模型输出生成物类似于用户使用搜索引擎获得结果，故“避风港”规则不能延伸适用于生成物的传播和商业利用行为，后者将构成直接侵犯版权的行为。

关键观点总结

关键观点1: 瑕疵补救机制

补正制度与理由之替换，二者均产生治愈违法行为的效果。

关键观点2: 补正时效

在我国，补正行政行为程序瑕疵的时点被限于提起行政诉讼前，进入诉讼阶段后补正效果将被推翻。

关键观点3: 理由之替换的限制

用作替换的证据须在行政行为作出时收集，不得架空法定程序，且不得改变行政行为的同一性。

关键观点4: 生成式人工智能技术特性

大模型通过API与用户交互形成人类能理解的作品，可能照搬训练数据中的版权材料，但并非复制工具，属于具有双重用途的技术。

关键观点5: 避风港规则适用

大模型输出生成物类似于用户使用搜索引擎获得结果，故“避风港”规则不能延伸适用于生成物的传播和商业利用行为，后者将构成直接侵犯版权的行为。

免责声明