含羞草社区

当前人工智能领域的核心争议聚焦于大语言模型（LLM）及其训练数据引发的问题。一系列法律疑问随之产生：LLM 能否使用受版权保护的数据开展训练？该过程构成侵权还是合理使用？其生成内容属于衍生创作还是单纯复制？围绕创作者权利、创新与 AI 的新纠纷每日涌现。印度商业和工业部近期加入这场讨论，发布《生成式人工智能与版权工作文件》（ “工作文件”）。

《工作文件》探讨印度版权法能否解决生成式 AI 引发的相关问题。它重点关注两大核心议题：用于训练的版权作品输入，以及 AI 生成内容的输出。工作文件第一部分聚焦前者，指出无法获取受版权保护的内容会引发“重大公共利益关切”。当然，这留下了一 个未解的基本问题：要求私人AI 模型获取版权训练数据何以能构成重大公共利益？不过，与工作文件所提出的混合许可模式存在的问题相比，这一不合理之处根本不值一提。

针对AI 的强制一揽子许可

《工作文件》建议引入针对AI系统的强制一揽子许可，允许其使用受版权保护的作品，以换取法定报酬。该模式不仅独一无二，而且未经测试，因为它明确摒弃了其他法域已成熟可行的机制。

该模式排除了广受认可的选择退出机制，即允许权利人自主选择是否同意其作品用于训练。《工作文件》给出的理由是选择退出机制负担过重。由于所用数据缺乏透明度，选择退出机制实际上并不能帮助权利人。自愿或直接许可协议也因规模和交易成本带来的操作不便而被排除。《工作文件》推测，如果谈判失败，模型将无法获取相关内容，进而产生偏差。

美国版权局支持的延伸性集体许可模式同样被否决，因其属于条款可协商的自愿框架。英国采用的文本与数据挖掘例外条款也被认为存在不足，因为权利人可能不允许其作品用于训练，这将阻碍大语言模型访问大型代表性数据集的需求，从而降低大语言模型的质量。然而在该模式下，开发者无需另行获取许可即可“合法访问”受版权保护的材料，包括印度境外权利人的作品。

强制 AI 许可：希望与缺陷

该模式通过否决了零对价许可，即允许免费将版权内容作为训练数据，看似平衡了大语言模型的需求与创作者权利。该模式提议建立一个非营利政府机构，向开发者收取使用费，再分配给权利人。开发者无需与多方单独协商条款。

尽管初衷良好，该模式仍存在缺陷。其统一费率的收益分配机制意味着，权利人只能获得政府设定的固定费率获得使用费。有关权利人必须在官方机构注册，并且无条件接受有关定价。除了使用费定价机制及其实施缺乏清晰度外，该提议也未考虑对创意产业造成的负面经济影响：使用费将按照大语言模型 产生的收入比例计提。如果大语言模型未产生收入，即便权利人作品已被用于训练，也无法获得补偿。

该模式要求开发者自行申报用于训练的数据，以此换取使用所有版权作品的权限。这一机制看起来实际作用甚微。

越界的模式需切实改革

该模式或许具有创新性，但也过于激进且越出合理边界，它不符合《伯尔尼公约》第 9 条第 2 款及《与贸易有关的知识产权协定》第 13 条所允许的版权例外情形。

该模式试图平衡所有利益相关方的权利与需求，却徒增了规则复杂性和合规负担。鉴于它目前仅为一份工作文件，后续包容性利益相关方磋商应促成对现有法定框架更切实的评估。它们应产出基于原则、灵活、中立且可行的解决方案。

Essenese Obhan 是 Obhan & Associates律师事务所管理合伙人，Sumathi Chandrashekaran 是顾问。