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

本文讨论了生成式人工智能生成物与版权材料构成的实质性相似时的法律定性。作者指出，大模型在生成内容时可能照搬训练数据中的版权材料，引发侵权纠纷。尽管大模型并非复制工具，但其在特定条件下可能产生类似行为。作者探讨了“索尼案”中的实质性非侵权用途标准是否适用于大模型，并认为大模型更类似于信息社会的新型服务，应适用“避风港”规则。服务提供者在开发、部署大模型时采取了技术可行且考虑合理使用情形的必要措施，故不承担赔偿责任。大模型输出的生成物类似于用户通过使用搜索引擎获得相应结果，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。

关键观点总结

关键观点1: 生成式人工智能输出物可能照搬版权材料

生成式人工智能在训练时可能使用版权材料作为训练数据，导致输出的生成物与版权材料构成实质性相似。

关键观点2: 大模型的技术本质

大模型通过分解训练数据样本来确定内容特征上的统计相关性，其输出过程具有统计相关性特征的随机性重组。它不是一个复制工具，而是依赖于训练数据，通过提示词生成人类能理解的作品。

关键观点3: 版权责任规则

大模型生成物的版权责任规则应聚焦于其传播及其他商业利用行为，而后者将构成直接侵犯版权的行为。服务提供者在其开发、部署大模型时采取了技术可行且考虑合理使用情形的必要措施，故不承担赔偿责任。

关键观点4: 避风港规则的适用性

大模型应受“通知移除”制度的庇护。服务提供者需采取技术手段避免输出侵权材料，且在收到权利人的侵权通知后必须采取“必要措施”。

关键观点5: 技术中立原则的限制

尽管大模型具有双重用途，但它不符合“索尼案”确立的实质性非侵权用途标准，因为它不仅为了合法用途而设计，也可能产生非法用途。大模型应被视为信息社会的新型服务提供者，其责任应受“避风港”规则的限制。