生成式人工智能机器学习中的著作权风险及其化解路径
作为一种基于机器学习的人工智能技术,生成式人工智能通过大规模数据集的学习训练来生成新的内容.生成式人工智能的快速迭代发展与机器学习的强数据依赖,在带来"创作"便利的同时,也给传统著作权理论带来了挑战.尤其是机器学习中的大规模素材训练所面临的著作权风险,亟待理论上的剖析厘清、司法实践上的准则确立.笔者从生成式人工智能的技术原理出发,通过梳理其素材来源与使用方式,分析机器学习素材训练中的典型侵权类型.并从理论基础、国内司法、欧盟立法等方面分析合理使用制度相对于法定许可制度的可行性.最终提出将生成式人工智能机器学习中的版权作品使用行为纳入合理使用制度范畴,既是当今科技发展浪潮中促...
Gespeichert in:
| Veröffentlicht in: | 电子知识产权 2023 (11), p.3-14 |
|---|---|
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 14 |
|---|---|
| container_issue | 11 |
| container_start_page | 3 |
| container_title | 电子知识产权 |
| container_volume | |
| creator | 詹爱岚 田一农 |
| description | 作为一种基于机器学习的人工智能技术,生成式人工智能通过大规模数据集的学习训练来生成新的内容.生成式人工智能的快速迭代发展与机器学习的强数据依赖,在带来"创作"便利的同时,也给传统著作权理论带来了挑战.尤其是机器学习中的大规模素材训练所面临的著作权风险,亟待理论上的剖析厘清、司法实践上的准则确立.笔者从生成式人工智能的技术原理出发,通过梳理其素材来源与使用方式,分析机器学习素材训练中的典型侵权类型.并从理论基础、国内司法、欧盟立法等方面分析合理使用制度相对于法定许可制度的可行性.最终提出将生成式人工智能机器学习中的版权作品使用行为纳入合理使用制度范畴,既是当今科技发展浪潮中促进人工智能产业发展的最优解,也是维持"个人利益"与"公共利益"之间平衡的理性考量. |
| doi_str_mv | 10.3969/j.issn.1004-9517.2023.11.002 |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_dzzscq202311002</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>dzzscq202311002</wanfj_id><sourcerecordid>dzzscq202311002</sourcerecordid><originalsourceid>FETCH-wanfang_journals_dzzscq2023110023</originalsourceid><addsrcrecordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw0bU0NTTXMzIwMtYzNNQzMDBiYeCEi3Mw8BYXZyYZGBqYWZqZGptzMng8nzL_WceEp3v6n-za9XT70mczd71o3vtszq6nM1c8Xbvsyc4FT3asfT6r5cXE6U_2znk2t_nl4r6XM1c-7e962rrtac-0F8sXv9i-_um-Fh4G1rTEnOJUXijNzaDu5hri7KFbnpiXlpiXHp-VX1qUB5SJT6mqKk4uBLnQEOgwI2PiVQIAEE9g2w</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>生成式人工智能机器学习中的著作权风险及其化解路径</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><source>Alma/SFX Local Collection</source><creator>詹爱岚 ; 田一农</creator><creatorcontrib>詹爱岚 ; 田一农</creatorcontrib><description>作为一种基于机器学习的人工智能技术,生成式人工智能通过大规模数据集的学习训练来生成新的内容.生成式人工智能的快速迭代发展与机器学习的强数据依赖,在带来"创作"便利的同时,也给传统著作权理论带来了挑战.尤其是机器学习中的大规模素材训练所面临的著作权风险,亟待理论上的剖析厘清、司法实践上的准则确立.笔者从生成式人工智能的技术原理出发,通过梳理其素材来源与使用方式,分析机器学习素材训练中的典型侵权类型.并从理论基础、国内司法、欧盟立法等方面分析合理使用制度相对于法定许可制度的可行性.最终提出将生成式人工智能机器学习中的版权作品使用行为纳入合理使用制度范畴,既是当今科技发展浪潮中促进人工智能产业发展的最优解,也是维持"个人利益"与"公共利益"之间平衡的理性考量.</description><identifier>ISSN: 1004-9517</identifier><identifier>DOI: 10.3969/j.issn.1004-9517.2023.11.002</identifier><language>chi</language><publisher>浙江工业大学中国中小企业研究院%浙江工业大学法学院</publisher><ispartof>电子知识产权, 2023 (11), p.3-14</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/dzzscq/dzzscq.jpg</thumbnail><link.rule.ids>314,780,784,4023,27922,27923,27924</link.rule.ids></links><search><creatorcontrib>詹爱岚</creatorcontrib><creatorcontrib>田一农</creatorcontrib><title>生成式人工智能机器学习中的著作权风险及其化解路径</title><title>电子知识产权</title><description>作为一种基于机器学习的人工智能技术,生成式人工智能通过大规模数据集的学习训练来生成新的内容.生成式人工智能的快速迭代发展与机器学习的强数据依赖,在带来"创作"便利的同时,也给传统著作权理论带来了挑战.尤其是机器学习中的大规模素材训练所面临的著作权风险,亟待理论上的剖析厘清、司法实践上的准则确立.笔者从生成式人工智能的技术原理出发,通过梳理其素材来源与使用方式,分析机器学习素材训练中的典型侵权类型.并从理论基础、国内司法、欧盟立法等方面分析合理使用制度相对于法定许可制度的可行性.最终提出将生成式人工智能机器学习中的版权作品使用行为纳入合理使用制度范畴,既是当今科技发展浪潮中促进人工智能产业发展的最优解,也是维持"个人利益"与"公共利益"之间平衡的理性考量.</description><issn>1004-9517</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2023</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw0bU0NTTXMzIwMtYzNNQzMDBiYeCEi3Mw8BYXZyYZGBqYWZqZGptzMng8nzL_WceEp3v6n-za9XT70mczd71o3vtszq6nM1c8Xbvsyc4FT3asfT6r5cXE6U_2znk2t_nl4r6XM1c-7e962rrtac-0F8sXv9i-_um-Fh4G1rTEnOJUXijNzaDu5hri7KFbnpiXlpiXHp-VX1qUB5SJT6mqKk4uBLnQEOgwI2PiVQIAEE9g2w</recordid><startdate>2023</startdate><enddate>2023</enddate><creator>詹爱岚</creator><creator>田一农</creator><general>浙江工业大学中国中小企业研究院%浙江工业大学法学院</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2023</creationdate><title>生成式人工智能机器学习中的著作权风险及其化解路径</title><author>詹爱岚 ; 田一农</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_dzzscq2023110023</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2023</creationdate><toplevel>online_resources</toplevel><creatorcontrib>詹爱岚</creatorcontrib><creatorcontrib>田一农</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>电子知识产权</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>詹爱岚</au><au>田一农</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>生成式人工智能机器学习中的著作权风险及其化解路径</atitle><jtitle>电子知识产权</jtitle><date>2023</date><risdate>2023</risdate><issue>11</issue><spage>3</spage><epage>14</epage><pages>3-14</pages><issn>1004-9517</issn><abstract>作为一种基于机器学习的人工智能技术,生成式人工智能通过大规模数据集的学习训练来生成新的内容.生成式人工智能的快速迭代发展与机器学习的强数据依赖,在带来"创作"便利的同时,也给传统著作权理论带来了挑战.尤其是机器学习中的大规模素材训练所面临的著作权风险,亟待理论上的剖析厘清、司法实践上的准则确立.笔者从生成式人工智能的技术原理出发,通过梳理其素材来源与使用方式,分析机器学习素材训练中的典型侵权类型.并从理论基础、国内司法、欧盟立法等方面分析合理使用制度相对于法定许可制度的可行性.最终提出将生成式人工智能机器学习中的版权作品使用行为纳入合理使用制度范畴,既是当今科技发展浪潮中促进人工智能产业发展的最优解,也是维持"个人利益"与"公共利益"之间平衡的理性考量.</abstract><pub>浙江工业大学中国中小企业研究院%浙江工业大学法学院</pub><doi>10.3969/j.issn.1004-9517.2023.11.002</doi></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1004-9517 |
| ispartof | 电子知识产权, 2023 (11), p.3-14 |
| issn | 1004-9517 |
| language | chi |
| recordid | cdi_wanfang_journals_dzzscq202311002 |
| source | 国家哲学社会科学学术期刊数据库 (National Social Sciences Database); Alma/SFX Local Collection |
| title | 生成式人工智能机器学习中的著作权风险及其化解路径 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-09T08%3A28%3A16IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E7%94%9F%E6%88%90%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%AD%E7%9A%84%E8%91%97%E4%BD%9C%E6%9D%83%E9%A3%8E%E9%99%A9%E5%8F%8A%E5%85%B6%E5%8C%96%E8%A7%A3%E8%B7%AF%E5%BE%84&rft.jtitle=%E7%94%B5%E5%AD%90%E7%9F%A5%E8%AF%86%E4%BA%A7%E6%9D%83&rft.au=%E8%A9%B9%E7%88%B1%E5%B2%9A&rft.date=2023&rft.issue=11&rft.spage=3&rft.epage=14&rft.pages=3-14&rft.issn=1004-9517&rft_id=info:doi/10.3969/j.issn.1004-9517.2023.11.002&rft_dat=%3Cwanfang_jour%3Edzzscq202311002%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=dzzscq202311002&rfr_iscdi=true |