AI训练版权材料是否构成合理使用？美国法院观点及对我国的借鉴

“AI训练版权材料是否构成合理使用”可能是目前AI大模型训练面临的核心的版权法法律问题之一。Thomson Reuters Enterprise Center GMBH and West Publishing Corp., v. Ross Intelligence Inc.案可能是自ChatGPT发布以来，美国司法领域讨论未经授权使用版权材料来训练AI的行为是否构成合理使用的第一起案例。在本案中，法院指出了“允许AI训练版权材料是否符合公共利益”这一关键问题，在判例法基础上澄清了AI训练数据场景下合理使用的认定标准，严格区分事实和法律问题，并将争议的事实问题交由陪审团决定。
一、案件事实
原告汤森路透公司为法律领域常用的法律数据库Westlaw的版权人。汤森路透公司旗下的Westlaw数据库平台使用“编号系统（key number system）”来汇编司法裁判，这一系统按照法律的类型来整理司法裁判。Westlaw数据库还使用“批注（headnotes）”功能来总结裁判要点，每一个批注都对应一个编号。用户在点击批注后，将进入对应的裁判页面，用户点击编号后将进入陈述同一裁判要点的案件列表。Westlaw数据库经注册对其原创和修订的文本和法律材料汇编（包含批注和编号系统）享有版权。
被告Ross公司为一家人工智能初创企业，试图寻求汤森路透公司的版权许可，但遭到拒绝。Ross公司希望利用机器学习和AI构建一个自然语言搜索引擎——当用户输入问题后，搜索引擎可以直接提供来自司法裁判的引用，不加入任何人类的评论或观点。由于机器学习需要训练法律材料，Ross公司试图取得Westlaw许可，但汤森路透公司不允许用户利用其数据库来开发竞争性的平台。
随后，被告Ross公司与法律研究公司LegalEase开展AI研发合作，合作项目名为“批量法律意见书项目（Bulk Memo Project）”，约定由LegalEase提供一些包含法律问题和答案的法律意见书，作为Ross公司的AI训练数据。其中，法律问题为律师会问的问题，而答案直接引用司法裁判。这一项目最后产出了约25,000个问答，每份法律意见书都包含一个问题和四到六个答案。LegalEase产出这些法律意见书一部分依靠人工，一部分依靠文本抓取机器人。然后，Ross公司将LegalEase提供的法律意见书转化成机器学习的训练数据。具体步骤为：（1）将书面语言转化为数值数据；（2）将数据放进“Featurizer”这一文本计算工具里跑。
在合作过程中，LegalEase公司向Ross公司发送了一些来自Westlaw数据库的内容。例如，LegalEase向Ross公司发送了Westlaw数据库编号系统的91个法律主题清单。Ross承认，其在构建自己的分类时“考虑”了Westlaw的主题，但Ross公司最终放弃了这个分类项目。又如，LegalEase向Ross公司发送了500个司法判决，包含Westlaw的批注、编号还有其他注释。但是，Ross公司称其并没有使用这部分判决。
二、双方观点
原告汤森路透公司主张被告Ross公司构成侵权。汤森路透公司认为，Ross公司批量法律意见书项目中的问题本质上就是Westlaw数据库的批注+问号，25,000个问答全部都是抄袭。Ross公司直接或通过LegalEase的方式间接复制了Westlaw中的版权内容。Westlaw是一个综合法律的法律研究平台，Ross公司使用Westlaw的综合成果构建了一个类似的综合性法律研究平台。
被告Ross公司承认，Westlaw数据库的批注“影响”了其律师最终起草的问题，但主张这构成合理使用，因为其想要开发的AI新产品是将Westlaw批注转换成新的东西，其使用行为属于临时复制，通过临时复制来发现那些不受保护的信息，或开发完全新的产品，在这种情况下的最终产出结果具有转换性。一方面，关于Westaw数据库版权本身，Ross公司主张Westlaw数据库仅对应一个版权，包含成千上万的批注和编号，仅复制几千个不足以构成侵权。另一方面，关于研发AI产品的初衷，Ross公司希望构建一个避免人类参与的搜索引擎，即用户提出一个问题就可以从判决中得出一个回应性的注释，无需再点击其他页面或进行评注。
具体操作层面，Ross公司将LegalEase提供的批量法律意见书进行了转换：（1）在资料库接收大批量法律意见书；（2）将简单易懂的语言词目转化成数值数据；（3）用这些数据喂养机器学习算法，来教AI法律语言，旨在帮助AI学会识别语言模式，进而通过这些语言模式来寻找答案。
三、法院观点
对于Ross公司提出的合理使用抗辩，美国特拉华州地方法院（U.S. District Court for the District of Delaware，下称“法院”）认为，合理使用是一个法律和事实的混合问题，虽然本质上是一个法律判断，但需要对复制行为和市场这些相关的事实性问题进行认定，目前，这些事实问题存在争议，应交由陪审团决定。关于判断合理使用的四个考虑因素，法院逐一进行了分析：
第一个因素“使用目的和性质”包括商业性使用和转换性使用，属于事实问题，应由陪审团决定。美国法院在谷歌图书馆案中指出，转换性使用是基于原创或扩展其使用，传递出新的不同的东西，进而促进了版权促进公共知识这一整体目标。在本案中，Ross的使用是商业性质的，其目的之一是为了与Westlaw竞争，汤森路透公司引用了最新的美国最高法院Andy Warhol案，该案在很大程度上强调了商业性使用的目的，进而认定不构成合理使用。
法院对比了Andy Warhol案和谷歌图书馆案这两个经典案例，最后决定拒绝过度解读Andy Warhol案，明确将重点分析转换性使用。法院指出，在Andy Warhol案中，美国最高法院认可转换性使用的重要性可能超过商业性使用，但在该案中最高法认为这两个要素都指向相同的结论；作为对比，在谷歌图书馆案中，美国最高法院认为转换性使用的重要性高于商业性使用，很多构成合理使用的使用行为都是出于商业目的的使用行为。
法院认为，Ross行为是否构成转换性使用取决于Ross行为的准确性质，属于应由陪审团认定的事实问题。如果Ross的AI仅学习了Westlaw批注中的语言模式，以学习如何输出司法判例注释，那么这属于转换性的临时复制。如果Ross仅使用了Westlaw批注的非转换性文本，以使得AI来复制并重复Westlaw律师编辑的创新性成果，那么Ross就不属于转换性使用。
第二个因素“版权作品的性质”虽然仍属事实问题，应由陪审团决定，但初步来看，似乎倾向于支持构成合理使用。法院认为，版权作品受保护的程度越高，复制行为就越难认定为合理，法院需考虑作品的创新性、想象力和原创性。在谷歌图书馆案中，法院指出，第二个因素在认定是否构成合理使用时不是一个重要因素。这一问题也涉及到汤森路透公司所持有版权的有效性和范围，是一个事实问题，应由陪审团决定。
尽管如此，法院仍然指出，虽然应由陪审团来决定批注在多大程度上反映了司法判决的语言、以及应给予多大程度上的保护，但是批注并不是版权保护的核心。虽然第二个因素需要待庭审决定，但这一因素似乎支持构成合理使用的结论，因为：（1）汤森路透公司Westlaw的编号系统不属于版权的核心。因为这一系统只是信息材料的组织方式，原创性非常低；（2）汤森路透公司Westlaw的批注更接近，但也不属于版权的核心。因为尽管编辑在选择总结哪些法律要点、如何总结、在哪里附加批注方面作出了创新的选择，但这些选择是受限制的。这些批注在很大程度上遵循了判决的语言，被放置在第一段。这种做法类似新闻报道，必须与不受保护的基础事实相区隔开来。
第三个因素“被告使用版权作品的数量和实质性”取决于Ross的AI输出成果的性质，属于事实问题，应由陪审团决定。法院指出，如果从每一个批注的层面界定使用的版权作品数量，那么据称复制了25,000个批注；如果从整个汇编来看，需要考察复制的“实质性”程度。法院再次引用谷歌图书馆案，明确当复制的数量是服务于有效的转换性目的，那么“实质性”这一因素通常支持构成合理使用，尤其是逐字的复制行为只要“没有向公众公开”通常会被认定为合理使用：（1）如果复制的材料属于原创作品创新表达的核心内容，那么即便仅复制了很小的数量也不构成合理使用；（2）如果复制的材料不涉及原创作品的创新表达，那么哪怕复制的数量较大也仍然构成合理使用。
法院认为，本案最好从每个批注的层面进行界定，因为每个批注的核心在于其原创表达，与相关判决相关联的部分不属于原创表达。如果Ross的AI产品按照其主张的方式运行，那么很有可能构成合理使用，因为产品将仅输出判决，而非批注中的原创表达。但是，这一因素同样需要事实调查，包括Ross的AI产品运作的方式，以及其输出结果。Ross还需要证明其复制的范围对实现其转换性目的的必要性。这些争议事实是需要陪审团解决的问题。
第四个因素“使用版权作品对版权作品潜在市场或价值的影响”无法认定。法院引用判例法，明确第四个因素必须考察对原创作品的损害，以及对衍生作品市场的损害，必须考虑损害的源头；由于版权保护的对象是表达，如果复制行为没有损害到原创表达，那么就不受版权法保护；如果复制行为是为了服务于转换性目的，不同于版权作品的目的，那么复制行为不太可能替代版权作品；在评估市场影响时，法院必须特别关注科技作品被创造和传播的具体方式。
法院认为，在本案中，就Ross公司开发的AI产品是否会替代汤森路透公司旗下Westlaw的问题，属于事实问题，目前尚存争议。法院指出，汤森路透公司和Ross公司同处法律研究平台市场的事实，并不意味着Ross开发的AI产品是Westlaw的替代品；如果Ross公司使用版权作品的行为具有转换性，构建出全新的研究平台，用于不同于Westlaw的新目的，那么就不存在市场替代。
法院还引用判例法，指出第四个因素的判断“必须考虑复制后续很有可能带来的公共利益”，“法院可以自由考虑特定使用行为带来的公共利益，尽管侵权行为存在商业营利”，“公共利益无需是直接或有形的，但需要服务于公共利益”。就复制行为对公共利益带来了哪些影响的问题，虽然原被告双方观点不同，但法院明确，Ross研发的新研究平台可能以更低的价格提高法律的可及性，同时可能削弱汤森路透公司和类似主体继续创作批注的激励。
最后，法院指出，对于法院而言，判断“保护创作者，还是保护复制者，能更好地促进公共利益？”的问题是艰难且不舒服的，因为版权法试图通过同时保护创作者和复制者来鼓励原创表达。目前，法院面临的关键问题在于：允许AI训练版权材料是否符合公共利益？具体问题包括：转换性有多高？公众能否免费使用？是否通过吞噬市场来阻碍其他创作者？对此，法院给出的初步结论是，当前法院不太可能独立地评估AI带来的利益，因为好处和风险都很巨大，在此情形下，应有陪审团来决定第四个因素，以及Ross公司的合理使用抗辩是否成立。
四、对我国的借鉴
自生成式AI出现以来，版权材料已成为AI训练所必不可少的语料。当前，我国AI行业也面临“AI训练版权材料的行为是否构成合理使用”的相同法律问题。美国这一案例在司法的立场、版权制度的灵活性、产业政策考量方面可能为我国知产理论和实务领域的相关讨论带来了一定借鉴。具体而言：
第一，司法层面，对于AI这一新技术，法院倾向于采取克制的态度，拒绝在事实不清的情况下作出任何决定，因为AI训练版权材料的行为涉及批量数据的处理和机器学习算法的应用，大量细节未予以披露。对比本案原被告的观点可以看出，在AI训练相关信息方面，原被告之间存在较大的信息不对称问题，AI训练的具体情况主要由被告掌握，原告并不清楚其中细节。在这一情况下，法院认定本案事实存在争议，严格区分事实和法律问题，将存在争议的事实问题交由陪审团决定。在法院看来，将案件送入庭审、推动双方举证质证可能是揭示案涉AI训练具体情况、验证双方案件理论的有效路径。
第二，制度层面，版权法如何评价AI训练版权材料这一行为，关系到一国版权法律制度的灵活程度是否足以适应科技发展的问题，也关系到一国作为技术发源地还是技术进口国的战略定位。首先，新技术的出现依赖于灵活的版权制度，如果一国版权法的灵活性不足，甚至于版权制度本身成为下游使用者获取创新所需生产要素的制度阻碍时，可能迫使与新技术相关的投资和技术研发迁移至境外。在此情形下，该国只能作为技术进口国，而无法成为技术发源地。其次，研究显示，版权制度的灵活性与技术发展、国家实力之间存在一定关联，过时的版权法可能阻碍研究和技术发展。以文本和数据挖掘为例，近期Science研究发现，发达的国家和地区拥有更开放的文本和数据挖掘制度，而贫穷国家的版权法的限制程度最高。因此，如果一国致力于成为新技术发源地，促进技术发展，那么版权法可能需要重新平衡上游版权人和下游使用者之间的利益，考虑版权保护与科技发展的双重目标，从促进技术创新的角度完善现有制度。
第三，立法层面，AI训练版权材料这一行为不单是法律问题，背后还涉及产业政策和监管政策的深层次考量，可能由立法通盘考虑更为适宜。本案法官提出了“允许AI训练版权材料是否符合公共利益”这一核心问题，并且明确，对于AI给公共利益带来的正面和负面影响，法院不具备独立评估能力。这一立场与美国最高法院部分法官在讨论美国《《通信规范法》第230条（即230条款，该条款豁免了平台对第三方内容的责任）时表达的观点近似，即法官不是行业专家，不具备考虑法律对行业内不同主体的影响的能力，由立法者来考虑这些影响并决定是否修订现有制度可能更为合适。相较于司法处理个案时可能存在的局限，立法能更全面地考虑产业情况、多方利益、监管现状，以及法律与政策之间的衔接，可能更有助于提供一个更平衡的方案。
参考文献
1）Thomson Reuters Enterprise Center GMBH and West Publishing Corp., v. Ross Intelligence Inc., Memorandum Opinion, Sep. 25, 2023, Case No. 1:20-cv-613-SB.
2）Google, Response to the Copyright Enforcement Review Issues Paper, March 7, 2023, https://consultations.ag.gov.au/rights-and-protections/copyright-enforcement-review/consultation/view_respondent?uuId=665660477.
3）Sean M. Fiil-Flynn, et al., Legal reform to enhance global text and data mining research, Science, Vol. 378, Issue 6623, pp.951-953, Dec. 1, 2022, https://www.science.org/doi/10.1126/science.add6124.
4）Amy Howe, “Not, like, the nine greatest experts on the internet”: Justices seem leery of broad ruling on Section 230, SCOTUSblog (Feb. 21, 2023), https://www.scotusblog.com/2023/02/not-like-the-nine-greatest-experts-on-the-internet-justices-seem-leery-of-broad-ruling-on-section-230/.
5）Lauren Feiner, Supreme Court justices in Google case express hesitation about upending Section 230, CNBC (Feb. 21, 2023), https://www.cnbc.com/2023/02/21/supreme-court-justices-in-google-case-hesitate-to-upend-section-230.html.