使用受版权保护的作品训练人工智能模型而无需获得权利持有人许可,在欧盟是可能的。这是欧盟法院驻卢森堡的总法律顾问马切伊·什普纳尔的说法。
马切伊·什普纳尔表示,用版权作品训练大型语言模型(LLM)通常构成版权侵权,但此类活动可能属于欧盟版权法规定的“文本和数据挖掘(TDM)”例外情形。是否可以援引TDM例外条款用于LLM训练,应当逐案评估。如果相关权利人明确以机器可读格式将作品排除在TDM范围之外,AI 开发者就必须获得许可。
什普纳尔在为欧盟法院(CJEU)发布的一份不具约束力意见中,回答了欧盟版权法如何适用于AI训练的问题。尽管他认为,这一事项超出了CJEU在该案中被要求裁决的范围,但仍对此发表了意见。CJEU案件的核心在于一家匈牙利出版商主张其在欧盟享有的新闻出版权,并指控谷歌通过人工智能聊天机器人“Gemini”生成的内容侵犯了该权利。
大型语言模型训练能否适用TDM例外
什普纳尔认为,将版权作品用于LLM训练涉及复制行为,可能触及版权所有者的权利,但这种复制原则上可以适用TDM例外。他表示,欧盟版权法允许在一定条件下,为文本和数据挖掘目的复制、提取可合法获取的作品及其他受保护客体,包括商业背景下的相关使用。
能否援引TDM例外,需要逐案评估。如果权利人以机器可读方式明确排除作品用于TDM,AI 开发者就必须获得许可。什普纳尔还表示,在某些情况下,AI提供商无许可使用版权作品训练LLM可能无法援引TDM例外,包括“此类使用……将不合理地损害”权利持有人合法利益的情况。
他指出,LLM 开发者若要援引该例外,还需履行《欧盟人工智能法案》规定的透明度义务,特别是针对用于训练模型的作品。权利人能获得多少补偿,也可能成为判断的重要因素。什普纳尔表示,没有任何规定能阻止欧盟各国通过立法,要求依赖TDM例外条款的公司向相关内容的创作者支付补偿。
对于在欧盟境外进行的LLM训练,他也探讨了欧盟版权法的地域适用问题。谷歌主张,应由训练所使用主要计算机基础设施所在国家的法律规范相关侵权问题;一些欧盟国家政府则主张,当境外训练的模型在欧盟境内提供时,也应给予保护。对此,什普纳尔表示,立法机构最好明确欧盟版权保护的地域范围。
大型语言模型会不会“记忆”训练数据
在进一步探讨经过训练的大语言模型是否在模型本身中复制了训练作品时,什普纳尔对此表示怀疑。他指出,大型语言模型通常并非为了“记忆”和“复述”训练文本,而是根据训练期间“学习”到的统计模式和关系生成新文本。
根据现有相关文献,当模型不仅“学习”抽象的语言模式,还“学习”训练数据集中某段特定文本特有的模式时,就会发生“记忆化”现象。这似乎是“过拟合”的结果:当一段文本在训练数据集中被多次复制,模型可能会“学会”与该文本对应的特定词元序列。当用户提示该文本的开头时,模型可能背诵其余部分。
什普纳尔认为,当LLM根据用户提示生成与受保护作品或其部分完全相同或近乎相同的文本时,这可能是模型“记忆”并“复述”所致,此类输出本身可能构成对该作品的复制,从而侵犯相关作者的专有权,但应根据具体情况逐案判定。
他同时区分了LLM训练与聊天机器人利用“检索增强生成(RAG)”技术从互联网实时检索信息的行为。后者可能涉及对新闻出版物的技术性复制,但这些复制可属于欧盟版权法下的临时复制例外范畴。
新闻出版商权利如何适用于生成式AI
本案还涉及欧盟新闻出版商权利。什普纳尔确认,该权利仅适用于新闻出版物中表达事实的方式,而不适用于事实本身。
他认为,LLM训练不构成对新闻出版物的在线使用,因此Like Company不能仅据此主张新闻出版商权利。但对于聊天机器人生成的内容,则需要具体分析。什普纳尔表示,合法从网上检索内容,并以“无法识别”的方式重新利用这些内容来提供特定主题信息的在线聊天机器人,应当能够自由运行。
如果聊天机器人显示的答案“可识别”,或者绕过付费墙检索内容,这些因素可能导致提供者承担侵犯新闻出版商权利的责任。不过,如果提供者能够证明其已采取“一个合理勤勉的运营者在其所处情况下理应采取的适当措施,以可信且有效地防止通过聊天机器人实施此类行为”,则可作为抗辩理由。
CJEU法官可以不采纳总法律顾问提出的意见。这些意见旨在帮助法官分析相关法律并得出自己的解释。法官们经常遵循这些意见,但并非总是如此。该案的裁决预计要到2027年中期某个时候才会作出。
