万字长文！深入大模型版权归属问题 | 新程序员
内容提要
本文讨论了大模型的知识产权和开源许可问题，包括司法案例和开源许可证。文章还讨论了负责任的人工智能许可中的道德条款。对于这些限制性条款的实际效果还有待研究和实践。
延伸解读
合理使用抗辩：美中司法路径差异
文章对比了美国版权法“四要素分析法”与中国著作权法合理使用列举情形。美国法院在 Stability AI 案中认为可能构成合理使用，而中国法院在谷歌图书馆案中认定全书扫描侵权。这意味着大模型训练者若依赖合理使用抗辩，在不同司法辖区面临的不确定性不同，需谨慎评估训练数据来源的合法性。
开源许可证覆盖不足：数据与权重的法律真空
传统开源许可证主要针对源代码和二进制代码，而大模型涉及数据、参数和权重。BLOOM 许可证明确不授予数据许可，木兰启智许可证也未明确数据授权。我国法律未确立“数据权”，司法实践多通过反不正当竞争法或商业秘密保护数据权益。因此，仅靠版权和专利许可可能不足以让接收方充分使用模型。
道德条款的实际效力存疑
OpenRAIL 等负责任人工智能许可证增加了禁止违法、伤害未成年人等道德限制条款。但作者指出，这些限制大多与现有法律重合，且当贡献者判断冲突或涉及不同司法辖区时，条款难以执行。若缺乏明确的裁判准则和冲突解决机制，道德条款可能更多是宣示性的，实际法律效果有待实践检验。
Q&A
大模型训练使用公开代码或作品，在司法实践中有哪些典型侵权案例？
典型案例如：OpenAI和微软因Codex和Copilot使用“数十亿行”公开代码训练被起诉，指控其未遵守开源许可证的归属要求；《纽约时报》起诉微软和OpenAI侵犯版权，涉及ChatGPT复制其内容并减少其流量；美国艺术家集体起诉Stability AI、Midjourney等公司，法院初步认为可能构成合理使用。
开源大模型许可证（如OpenRAIL）和传统开源许可证有什么不同？
传统开源许可证主要涵盖源代码和二进制代码，而开源大模型还涉及数据、参数、权重等元素。OpenRAIL等负责任的人工智能许可证增加了道德条款，限制某些使用行为（如不得用于违法活动、伤害未成年人等），并要求下游使用至少包含相同的使用限制，以降低风险。
大模型的权重和参数是否受版权保护？
文章指出，权重和参数是否属于受版权保护的作品或受专利权保护的发明创造尚待商榷。例如，它们可能被视为机器自动生成的结果而不受版权保护，也可能不属于技术方案而无法成为专利。目前法律没有明确规定，存在争议。
中国《生成式人工智能服务管理暂行办法》对训练数据有哪些要求？
该办法要求使用具有合法来源的数据和基础模型，采取有效措施提高训练数据质量，增强真实性、准确性、客观性、多样性。在数据采集阶段，应审查来源和内容合法性；从互联网爬取数据需遵守Robots协议，不得违规爬取；从第三方获得数据需进行尽职调查并签订法律协议；直接来自数据主体的数据需确保合法性基础并获得明确授权。对于著作权作品，应尽量获得明确授权。
《纽约时报》起诉微软和OpenAI的案件中，除了版权侵权还涉及什么法律问题？
除了版权侵权，还涉及不正当竞争问题。即即使合理使用抗辩成立，但由于聊天机器人的存在使得读者不再访问《纽约时报》网站，从而失去转化为广告和订阅收入的网络流量，可能构成不正当竞争。我国法院已在多起案件中认定类似行为构成不正当竞争。
负责任的人工智能许可证中的道德条款可能面临哪些实际效果上的问题？
文章指出，这些限制条款可能大多没有实际意义，因为即使没有这些条款，使用大模型违法、侵害儿童等行为本身也是被法律禁止的。此外，裁判准则不明确：是依据法律、许可方判断还是许可证发布方判断？不同司法辖区法律冲突怎么办？许可方是否有权以私法替代公法？众多贡献者判断冲突时如何处理？如果这些问题不能解决，限制性条款可能只是宣示性条款，难以产生实际法律效果。
