随着互联网和计算机技术的发展，使得人工智能系统（AI System）在今天逐渐开始成熟，具体表现为：伴随着大数据、芯片算力和AI算法的快速更新，使得人工智能系统越来越成熟，近几年出现像chatGPT、ChatGLM、BERT、StableDiffuison、Midjourney、DALL.E以及国内的阿里“通义千问”、百度的“百度文心一言 ”等这类成熟而优秀的人工智能产品，基于他们的应用也开始呈现呈现爆发式增长。今天的AI-System不但可以生成文字内容和图片，还可以生成各种视频和语音，可以用于作工业设计等，给市场带来空前的商机与活力。

但与此同时，由于人工智能的应用也带来一系列新的法律问题，这些问题往往在现有法律框架内无法有效解决，立法呈现滞后性，本文仅探讨其中三个此类问题：（1）训练使用的素质能否利用合理使用原则；（2）人工智能生成的内容能否适用知产法保护；（3）人工智能生成的内容如何保护。

一、人工智能系统训练与生成的本质

人工智能系统的核心技术是：机器学习。在机器（人工智能系统，属于计算机信息系统的一类）学习之后，便可以使用该人工智能系统进行内容生成，下面对此作详细解释。

（一）机器学习的原理

所谓机器学习是指：用户准备一些特定格式要求的数据，并将这些数据灌输给人工智能系统（AI System），令其对这些数据进行计算、分析、总结形成模型（Model）保存。这些模型是日后进行内容生成的基础和前提。机器学习有不同分类方法，例如下面就一种分类方法：

从人工智能专业化角度看，机器学习的本质是：让机器自动找一个函数，这个函数能满足用户的需求，如下所示：

注意：上图中显示了三个不同功能的函数，左边是用户输入（Prompt），右边是函数输出（Structural Output，生成的内容）。

该图表明，如果用户需要聊天功能（chatGPT），则通过机器学习训练一个函数名为f1，这个函数接收用户的输入信息（用户的提问），产生输出信息（chatGPT给用户的答案）；StableDiffusion是用于绘图的，函数名为f2，用户给这个函数输入一个值（一句话描述绘图要求），这个函数能按要求生成内容并输出（输出一张图片）。

当然，人工智能系统中用户要找这个函数显然不是普通的数学函数，它的候选集是特定的，比如各种神经网络算法（前馈神经网络/FNN、卷积神经网强/CNN、生成式对抗网络/GAN等 ）、决策树（Decision-Tree）等 ，限于篇幅此处不作展开讨论，我们需要理解的是：机器学习中，这些要确定的函数都属于神经网络（广义，Neutral Network）算法，神经网络算法的特征是能够模拟人脑学习知识并存储知识，并再次生成内容。

故而是，人工智能系统不同于传统的搜索引擎（如传统的GOOGLE搜索、百度搜索、搜狗等 ），后者只是简单而机械的检索到信息，再把检索到的信息整块输出，它并不理解人类语言逻辑；而前者则具备一定程度理解人类语言逻辑的能力，它的输出不是把检索到的整块信息一交性输出 ，而是从神经网络各个不连续的存储节点中通过对比提取内容，逐字逐句的生成回答的信息（Structural Output），这个过程与人脑神经元记忆和回答的过程有些类似。

（二）人工智能系统（AI-System）的使用

尽管人工智能系统内部是一种集多种学科、专业中极度复杂理论的产物，但是从用户视角看，它就是一个计算机信息系统，在外观上表现为一套特定的计算机软件。而相应硬件的配置取决于要训练的模型（Model）大小。如果要巨大的模型，则需要较高的计算机硬件配置，比如可能需要多块英伟达的A100显卡，需要很多电费。本文仅从用户角度来分析人工智能系统的应用，以便看清它的原理，这样分析法律问题才能透彻而有根基，不至于空对空。

用户在拿到任何人工智能系统（安装配置好的计算机信息系统）后，具体要做以下两个步骤：第一步，训练（Training）；第二步，使用（Using）。下面对这两个步骤的原则作简要说明，在说明过程中参照下图：

（1）训练（Training）

如上图，训练与机器学习是同一个事情的两个表达，表现为：训练者（Trainer）使用准备好的数据集（DataSet）输入给AI-System（训练），让其进行学习（计算、分析、总结）形成模型（Model），并存储模型到神经网络结构中（表现为特定结构的磁盘文件）。显然，用户的数据集越大，则模型可能越大，此即为“大模型”。当然，需要的硬件配置（尤其是GPU芯片）也越高，要花的电费也越多。比如，根据互联网上的信息，chatGPT仅运算一次要花费450万美元。

数据集的来源可以是多样的，典型的来源是从互联网用爬虫抓取并清洗数据。

须要注意的是：用户拿到AI-System通常进行了预训练（此时AI-System仅学习到一些基本的语言知识及常识性问题），用户仅需要进行所谓的“微调训练”（针对某一个领域的专业知识进行训练，通常要求使用专业化的、优质材料），这种训练可以是监督的也可以是非监督的（前者在训练材料上打标签，后者不打标签，让机器自己总结规律）

（2）使用（Using）

如上图，经过训练/机器学习后，AI-System生成了自己的模型（Model），此时便可以让机器进行内容生成了。通常的操作是：用户（User）使用人类语言描述一个请求（Natural Language Request，NLR）输入给AI-System，AI-System收到输入后，通过使用自己的模型中存储的知识结构来生成回答内容，并输出给用户。

以上两步是任何AI-System都适用的，笔者在撰写本文时，通过自己机器安装了一个缩微版的AI-System，名为nanoGPT，进行了训练（Training）和使用（输入指令提问题，让nanoGPT回答），该AI-System可以生成小模型，对用户的计算机配置要求不高，也不需要用户的计算机必须有英伟 达的GPU，完全支持使用CPU进行训练，它对于理解AI-System本身工作原理来说是一个非常好的工具。

二、两个关键法律问题分析

在了解AI-System的训练与使用后，本文探讨其中涉及的三个关键法律问题，具体如下：

（一）训练使用的素质能否利用合理使用原则（fair use） 

训练AI-System时，须要有训练使用的数据集（上图中的DataSet），这些数据集的来源无非这么几个类型：（1）互联网爬爬取（2）人工制作（现场创作新的或是复制现有的）（3）内部数据授权（通常是单位的批量数据授权，也可能是个人）。以下是chatGPT训练使用的数据集占比：

注意，其中有67.0%是爬虫从互联网上爬取的，来自书籍的占4.5%，来自论文网ArXiv占2.5%。

上述（1）和（2）来源的训练素材必定涉及侵犯他人的知识产权问题（可能是专利权或著作权），此处仅以著作权（版权）为例进行分析，具体分析AI-System对未经授权的他人材料是否可以“合理使用”

“合理使用原则 （fair use）”在国际法及各国国内关于知识产权立法基本上有规定。

国际方面：《保护文学和艺术作品伯尔尼公约》（《Berne Convention for the Protection of Literary and Artistic Works》）第九条第一款第二项中明示了合理使用原则，其内容为：“It shall be a matter for legislation in the countries of the Union to permit the reproduction of such works in certain special cases, provided that such reproduction does not conflict with a normal exploitation of the work and does not unreasonably prejudice the legitimate interests of the author.”。

国内法方面：（1）中国《著作权法》第二章第四节：著作权的限制，如：个人的学习、研究，执法公务，新闻报道、阅读障碍者使用等 ；（2）德国《著作权及邻接权法》（《Gesetz über Urheberrecht und verwandte Schutzrechte》,UrhG.）中第六章” Schranken des Urheberrechts durch gesetzlich erlaubte Nutzungen （译文：基于法律许可而对著作权的限制）,其中规定 ：Öffentliche Reden、Rechtspflege und öffentliche Sicherheit、Menschen mit einer Seh- oder Lesebehinderung；（3）《美国版权法》（Copyright Law of the United States）第107条“Limitations on exclusive rights: Fair use”，comment, news reporting, teaching (including multiple copies for classroom use), scholarship, or research。

合理使用原则，在有些内国法（如中国著、德国法）被称为“对著作权/版权的限制”，两者实际是一个概念，只是站在不同的主体角度，具体而言：站在版权人/著作权人角度是对其版权/著作权的合理限制（中国法及德国法），站在使用者角度就是合理使用（美国版权法）。

总结以上条款，发现：合理使用原则的特征，即：非赢利性，基于社会公益或非公益使用（如学习研究、个人欣赏），但是非赢利性是其统一内在本质，而相应的，著作权/版权的保护，其核心也恰恰在于保护作者使用作品进行独占性的赢利权利，以此来激发创作。

然而，如果将他人有版权的作品以某种技术手段（如互联网爬虫或扫描、键入纸制书籍）收集来免费使用，用来训练AI-System，生成了模型，这个模型显然是可以直接或间接用来赢利的，此时对于他人作品的使用，显然是基于“赢利目的”，不是非赢利目的，能否适用“合理使用原则 ”？依一般逻辑显然是不能的适用的。也就是说：基于训练AI-System之目的使而使用他人的作品，显然这是赢利目的，不能免费使用，必须取得版权人/著作权人授权，否则便是侵犯知识产权。

此处，我们可以从实质上分析对一下，自然人学习与机器学习的异同，以便理解为什么AI-System的训练材料不能适用“合理使用原则 ”。二者相同点是：都通过学习掌握了一些知识，未来都可以以这些知识为基础制作新的内容（作品或数据输出），都有神经网络存储特征，不同点例举如下：

第一，自然人的学习，是“受教育权”、“生存与发展权”等多项权利的集合效果，而作为AI-System的机器学习显然不是基于这些权利，作为AI-System的机器学习显然不享有这些权利。

第二，自然人的学习一定会受道德、伦理等社会因素及爱好等心理因素制约，而机器学习则无这些限制或约束，机器学习只是掌握材料的内在逻辑体系。

第三，自然人的学习属于非市场行为，而机器学习则是标准的市场行为，构成重要的商事活动，例如OpenAI的ChatGPT、阿里的通义千问、百度的文心一言等都是为了抢占市场赢利，这属于商事活动。

第四，自然人的学习基于单一人脑智力吸收，能充分体现了权利平等和公平竞争原则，故而，除非有重大发明创造等极少数情况，否则一个人的智力、知识一般不会造成个人的绝对优势，所以不存在个人垄断问题。而机器学习则不同，与自然人学习恰恰相反，谁拥有更多芯片算力、更多的数据集、更先进算法研发队伍，谁的AI-System将超越其它系统，独树一枝，进而形成垄断 ，因为芯片、数据、算法都是可以高度资本化操作的，而资本天生具有“集中化”、“垄断化”等特征和趋势，这反而会成造严重的不公平。

由此可见，对比之下，由于机器学习是少数人受益的商事行为，容易造成严重的机会不平等，并且可能突破伦理等社会规则的限制。我们可以据此得出结论：一方面，训练AI-System所使用的资料显然不能主张“合理使用原则”，无论基于著作权法/版权法等实体法规定还是基于社会公平正义这一基本观念考虑；但是另一方面，我们又不能否认AI-System对于市场发展、社会进步的积极作用。

故此，以ChatGPT的训练数据为例，显然，其训练数据中来自互联网爬虫的67%数据不适用“合理使用原则 ”，必须取得版权人/著作权人的授权。但是如果严格惯彻“取得授权”这个原则，那训练一个chatGPT仅授权费用这部分成本就难得做到，时间上空间上操作也是困难重重，如此便不可能出现chatGPT这种优秀产品。如何平衡二者，即“保护原著作权人/版权的权利（私益）”与“支持科技创新（公益）”，是一个值得仔细研究的问题。

（一）人工智能生成的内容能否适用知产法保护

1、HIGC v.s. AIGC

从生成的来源上看，本文将生成的内容分为两类：AIGC（Artificial Intelligence Generating Contentn，AIGC）与HIGC（Human Intelligence Generating Content），二者具体分类如下：

HIGC：包括UGC（User Generating Content）、OGC（Organization Generating Content）、PGC（Professional Generating Content）、PUGC等

AIGC包括：ChatGPT、BERT、Stable Diffusion、Midjourney、DALL.E、文心一言、通义千问等、ChatGLM等。

HIGC输出是人的智力创造活动，创作的结果受知识产权法保护，典型的就是受著作权法保护，当然，也可能受专利保护。注意，HIGC创作的过程是事实行为，但是创作的意图则是有法律意义的行为，即：作者有创作的意思，因之其属于法律行为，受法律保护。

AIGC的输出显然不是人的智力创造活动，如前原理部分所示，AIGC的输出，只不过是一个函数的运算结果输出，用算式表达可以表达为：Output=f（Prompt），Output是一种结构的输出数据，它可以是一段文字，可以是一段声音，可以是一幅图片等 ，Prompt是用户用自然语言描述的输入，f则是那个生成式的函数，生成的内容（输出的数据）显然与人的意思无关，这些内容的生成本质是AI-System这套软件系统通过检索、集中模型（Model，经过训练而产生的）的知识（素材）通过一定的技术处理而合成后形成的一个字节序列，显然AIGC输出的内容不是人的智力创作行为，而且人类也无法控制AI-System具体生成的过程，整个AIGC的过程完全不体现人的意志。尽管人可以通过自然语言表达生成的要求，但是究竟生成什么样的内容取决于AI-System的模型。再者，AI-System的输出是一个随机化的序列输出，因为在同一AI-System上，同样的输出，会产生不同的输出，比如，在DALL.E上，输入一句话“画一个苹果图片”，反复输入同样的一句话，会产生不同的输出，同样道理，在chaGPT上，同样一句问题反复输入，会产生不同的输出，这充分证明AIGC输出的内容是一种随机输出的数据序列，这显然与HIGC是完全不同的。

2、AIGC的输出内容不适用包括版权法在内的知识产权法保护。

不论是从世界上第一部分著作权法/版权法《安娜法令》看还是从当今世界各国的著作权法/版权法，知识产权法保护的都是人的创作行为，即人通过自己的智力创作行为形成作品，这种作品受法律保护，保护的最直接效果体现为在一定时期内对收益权的独占性。类似的现象在专利领域也存在，这种立法的目的是鼓励人发挥自己的智慧创造力。同时也体现了公平原则，即：人人都可能基于自身的智慧、努力来创作作品。

显然，AIGC在以上两个方面均不满足条件，具体而言：第一，AIGC产生的内容输出，不是人的智力创作成果，它是机器的输出，不受著作权法/版权法保护。中国《著作权法》中将作品明确定义为“智力成果”，德国《著作权及邻接权法》中使用德语“Werk”这个单词表达“作品”，美国《美国版权法》中使用英语单词“work”，两者都是指代“人的工作”，从立法用语上看，就能体现出来，版权法/著作权法要求作品是人的智力输出。机器的随机序列输出显然不满足条件。第二，人类的创作行为本质上是属于人的社会活动之一，带有社会属性，它不属于商事行为，而AIGC是基于AI-System中经训练产生的模型而生成新内容，训练AI-System和利用AI-System生成内容，显然都属于具体的商事行为，不属于普通的社会活动，完全没有社会属性。这与知识产权类立法的立法宗旨完全背离。第三，利用AI-System生成内容也不属于委托创作，因为委托关系只能发生在人与人之间，不可能发生在人与机器之间，尽管人类是通过人类语言给AI-System下达指令，令其生指定要求的新内容，但是显然不是委托关系，也不是任何合同关系，而是事实行为，属于对软件功能的具体操作。

显然，无论是著作权还是专利权，保护的都是人的智力创作成果，这种创作成果是基于人的知识、情感、履历等方面因素综合影响而形成的，这是AIGC所不具备的最本质的特征。

因此，AIGC产生的新内容，显然不受包括版权法/著作权法在内的知识产权立法保护。

3、AIGC输出的内容应当如何保护？

AIGC生成的内容虽然不适合用知识产权法保护，但是其仍然具备保护的必要性。

有观点认为，AIGC可以作为商业秘密保护，这一观点显然并不合适，因为商业秘密需要保密，一般不会对外公示，否则无法称为商业秘密，而AIGC的内容显然不满足这个条件，它通常很容易也必然被外界知晓。

本文认为，可以应当从物权及资产理论的角度出发，建立数字资产（Digital Asset）/数据资产（Data Asset）制度，具体包括数字资产的确权、认证、转让等制度，即，将数据资产、物权化。一旦数据可以资产化之后，则AIGC生成的内容自然可以作为数字资产，因为不论AI-System输出的是文字、声音、图片等 ，其都是一段独立可存储的数据。

具体而言，首先，AIGC生成的内容（数据）有商业价值（包括使用价值和交换价值），可以通过技术手段被人有效的占有、使用、收益、处分，因而可以作为所有权的客体而存在，自然也就可以资产存在；其次，AIGC生成的内容作为数字资产/数据资产，其本质上是AI-System生产出的产品，用户为得到这类产品通常事先支付了对价（比如购买某个AI-System的帐号或是自行搭建训练AI-System），用户之所以愿意支付对价，显然是因为AIGC能给企业或个人带来现实利益，这使得其具备会计学意义上资产的属性。最后，随着Web3概念的流行，数据作为资产已经不再陌生，Web3的核心是“数据所有权”的问题，即：谁生产的数据属于谁所有、该数据产生收益如何合理分配的问题。有关于这方面将在另外的文章详述。

二、总结

人工智能系统在训练与生成内容的过程中，以上三个法律问题是必须解决的，最关键的问题，而且须体系化解决，由于AI-System作为一种新生事物，与传统的计算机信息系统有质的区别，所以传统理论显然并不能全面解决AI-System带来一些新问题，需要进行理论和制度创新，以便更好地利用人工智能系统，服务于生产、生活。