“人工智能”與美國著作權法：對應和挑戰

目次

壹、從模仿到仿人

貳、定義與問題

一、概念定義

二、原理與操作

叁、生成式人工智能的著作權問題

一、輸入端

（一）“崔布雷訴OpenAI集體訴訟”案

（二）“匿名作家訴OpenAI集體訴訟”案

（三）“西爾弗曼訴OpenAI集體訴訟”案

（四）“蓋蒂圖像公司訴穩定叠代人工智能公司”案

（五）“安德森等訴穩定叠代人工智能、Midjourney和DeviantArt公司”案

（六）“匿名者訴GitHub、微軟及OpenAI”案

（七）端倪、問題與挑戰

二、輸出端

（一）美國版權局的政策

（二）司法實踐與發展

（三）争議與評論

肆、結論

【摘要】

當一位知名的作家向人工智能應用ChatGPT提問對自己的作品的意見時，ChatGPT在極短時間就生成了一篇非常詳盡的摘要和分析。但這也強烈意味著開發這款人工智能工具的企業OpenAI沒有經過作者的許可，就通過對其作品的全部或絕大部份複制，對ChatGPT進行了“深度學習”。究竟這是否構成著作侵權行爲，抑或合理使用？目前已成爲美國法院必須面對和處理的問題。

另一方面，人工智能的生成物是否應該獲得著作權的保護？目前美國版權局新出台的政策和聯邦地區法院的判決已提供了初步的答覆：隻有自然人才具有“作者資格”，也隻能從“作者”的獨創表達才能獲得著作權的保護。但是在這個看似簡單明了的基本原則背後，卻還有著一連串既有趣、又複雜的問題需要厘清。

本文拟對美國著作權法制體系如何對應近來人工智能發展所帶來的挑戰進行一個比較詳細的梳理，包括檢視目前引起了許多關注的八個關于侵權、一個關于賦權的“測試案件”，并提供未來應如何繼續有效對應的前景分析。

【關鍵詞】

人工智能、著作權、深度學習、獨創性、合理使用

壹、從模仿到仿人

人類天生喜好模仿。[1]也以此作爲學習和求生的本能，讓本來在幾乎各個方面與其他動物相較都不具優勢，且對自身非常不利的環境下，卻能運用唯一的工具 —— 智慧，不斷地嘗試、探索、适應而生存了下來，并登上了食物鏈的頂端，成爲當前地球上最具優勢的物種。也正是因爲人類的好奇、探索和模仿促成了各種創新與發明。[2]人類除了模仿周遭的人物，也同樣期待“被模仿”并以此爲基礎從事更多的附加創新。自古以來已經出現了以人類自己爲核心（或“拟人化”的呈現anthropomorphizing），再結合不同物種的優勢形成更優的“超人類”便不斷在許多的神話和傳說之中出現，如獅身人面、人馬獸等等。

一個直接反應了這個人類特性的著名神話故事是，屬于半人半神的普羅米修斯（希臘文：Προμηθεύς/ Promētheús）從奧林匹斯山（Όλυμπος/Mt. Olympus）偷了火種送給人類。當衆神之王宙斯（希臘文：Ζεύς/Δίας）得知此事之後大怒，于是命火神赫菲斯托斯（希臘文：Ἥφαιστος、英文：Hephaestus）用黏土打造出了世間第一位女性潘朵拉（希臘文：Πανδώρα、英文：Pandora），另鑄造了一個讓她随身的金屬“盒子”（其實應該是個壇子（πίθος/pithos），卻一直被誤譯）送給人類作爲懲罰。宙斯的妻子赫拉（希臘文：Ἥρα/Ἥρη、英文：Hera）則賜予了好奇心給她。她因爲自己的好奇心打開了那個金屬盒子，結果釋放出了所有邪惡到人間：貪婪、虛僞、诽謗、嫉妒、痛苦、戰争等等，等她把“盒子”蓋上時，隻剩“希望”（Elpis）還留在其中。[3]火神赫菲斯托斯的另一項“成就”是用青銅打造了一個名叫塔羅斯（希臘文：Ταλως、英文：Talos）的機械巨人，具有高度的智慧，能自動操作，幫助宙斯守護克裏特島（希臘文：Κρήτη、英文：Crete）。

關于塔羅斯的神話故事應是目前已知最早的、涉及到今天被稱爲“人工智能”的記載之一，也足證這樣的想法（哪怕還隻停留在純粹屬于想像或幻想的階段）自古早已有之。從古以降，無分東西文化，各種具體的嘗試也從未間斷，諸如人工服務員、自動殺人的器械、不計其數的監視控制系統和娛樂工具等等，誠可謂淵遠流長，各家文化皆所見略同。[4]

當代“人工智能”的濫觞一般是溯及到英國的艾倫·圖靈（Alan M. Turing, OBE FRS, 1912-1954）博士（被譽爲計算機科學與“人工智能之父”）和于1956年夏季在美國舉行的“達特茅斯會議”（Dartmouth Conference）。圖靈在他的經典論文中開宗名議題出了一個問題：“機器能思考麽？”繼而以“模仿遊戲”（The Imitation Game）來論證這個命題的荒謬性與可能的思路，并推導出了著名的“圖靈測試”（Turing Test）和符号操作可能就是人類思維的本質的新思路。[5]“達特茅斯會議”則是正式确定了以“人工智能”作爲研究領域的稱謂以及系統性地梳理出了多個相關的理論和未決的問題，對未來的研發提供了一些可行的具體方向，指出“學習或智能的任何其他特性的每一個方面都應能被精确地加以描述，使得機器可以對其進行模拟”。[6]從此“人工智能”的發展經曆了70年的筚路藍縷和多次的起伏，有時獲得了一定的成功、突破，也遭遇了許多的瓶頸、挫敗甚至倒退。[7]

貳、定義與問題

一、概念定義

最近于“人工智能”的發展又到了一個向上攀升的階段（也有人認爲是“突破”，但還有争議），而且由于諸如ChatGPT（是Chat Generative Pre-trained Transformer（聊天生成預訓練轉換器）的簡稱）、DALL-E（名稱是著名畫家薩爾瓦多·達利（Salvador Dali）和皮克斯動畫工作室（Pixar Animation Studios）的電影《機器人總動員》（WALL-E）的組合）、DALL-E 2、Midjourney等應用軟件或工具的出現，讓社會的關注和興趣達到了空前新高。但如果仔細探究即不難發現，各界至今對于究竟什麽是“人工智能”、範圍應當爲何等問題都還沒有取得共識，因此既有的法律（包括國際公約）也還沒有統一、明确的定義（不過歐盟可能即将通過首個針對“人工智能”并對所有成員國具有強制效力的條例，其中有一個定義條款，詳見後述）。

前已述及，“人工智能”的名稱是個“舶來品”，從英文“artificial intelligence”的字面意義直譯而來。不過這個中文稱法容易産生誤導，讓人産生各種“拟人化”的聯想，把一個機器工具在概念上轉化成了一個彷佛具有“準人性”思維的“機器人”（或許與以往好萊塢制作、拍攝電影了許多相關的科幻影片相關）。因此倒不如稱爲“仿智能”或“智能人工”，因爲“artificial”本身就寓含了一定程度的僞作、仿制的意思。[8]至于通過機器工具給予的輔助或其本身的功能與操作要達到如何程度才構成所謂的“人工智能”，各界可能會有相當大的認知差異。例如，英國的國防科技實驗室認爲，人工智能必須同時具備四個要素：（一）數據、（二）軟件程序（邏輯演繹）、（三）平台、以及（四）整合。[9]按照這個要求，殖入人體自動從事器官修補或藥物治療的納米芯片和相關器材（納米轉染技術nanotransfection）就未必會被視爲具有人工智能，但在一般的認知上卻可能得到相反的結論。[10]

聯合國教育、科學及文化組織（United Nations Educational, Scientific and Cultural Organization, UNESCO）的193個成員于2021年11月23日以全票通過了一個不具法律拘束力，但卻至關重要、值得各國未來在制定相關的國内立法時借鑒參考的文件，稱爲《人工智能倫理問題建議書》（Recommendation on the Ethics of Artificial Intelligence）。其中将人工智能系統視爲“有能力以類似于智能行爲的方式處理數據和信息的系統，通常包括推理、學習、感知、預測、規劃或控制等方面”。[11]換句話說，“人工智能系統是整合模型和算法的信息處理技術，這些模型和算法能夠生成學習和執行認知任務的能力，從而在物質環境和虛拟環境中實現預測和決策等結果。在設計上，人工智能系統借助知識建模和知識表達，通過對數據的利用和對關聯性的計算，可以在不同程度上實現自主運行。”[12]

歐洲聯盟（European Union，以下簡稱歐盟）目前正拟制定《人工智能法》（Artificial Intelligence Act）作為通行全歐盟的強制性條例（regulation）。[13]這個立法草案的第3條第（1）款拟将“人工智能”定義爲：“以一或多種特定的方式和路徑，依據由人類定義的一組目标，生成如内容、預測、建議或決定等會影響其互動環境所開發的軟件”。[14]至于“特定的方式和路徑”究何所指，則交由随附于該法的《附件一》（Annex I）予以規制（刻意不直接規範在條文中，以保持彈性和機動性，可随相關科技與市場的發展與變化快速調整對應）。該《附件一》（草案）目前列出了三種類型：

（一）機器學習演算（machine learning approaches）；

（二）邏輯與知識演繹算（logic- and knowledge-based approaches），包括知識表示（knowledge representation）、歸納編程（inductive programming）、知識庫（knowledge bases）、演繹及歸納引擎（inference and deductive engines）等；以及

（三）統計演算（statistical approaches）、貝葉斯概率估計（Bayesian estimation）、搜索和最優化方式（optimization methods）。[15]

二、原理與操作

從上列的論述可見，無論如何定義人工智能，都指含有對應和生成兩種功能的軟件系統。目前引起社會高度興趣和關注的“大型語言模型”（Large Language Model，簡稱LLM）是以其龐大的規模來指稱特定類型的人工智能操作。[16]在技術上通過人工智能加速器（AI accelerator）[17]來對參數量（weights）達到數十億或更高的文字或文本數據（主要的信息來源是互聯網，如《維基百科》（Wikipedia）等等）予以處理和運算（即所謂的“深度學習”（deep learning）），包括“無監督”或“自監督學習”（self-supervised learning，簡稱SSL）[18]和“半監督學習”（semi-supervised learning，也稱爲“弱監督”（weak supervision））[19]等。另通過“變換器模型”（transformer architecture）進一步加速整個機器學習的過程。[20]繼而是對于數據集（dataset）的處理，包括對數據集純化（dataset purification，像是移除所謂的“有毒通路”（toxic passages）、抛棄“低質量數據”（low-quality data）和删除重複數據（de-duplication）等等）以及使用“概率标記”或“概率術語”（probabilistic tokenization），也就是一種改良式的字節對編碼（byte pair encoding，簡稱BPE，或“雙字母組合編碼”（diagram coding）），通過貝葉斯概率估計等計算方法，讓機器工具的學習以及對文字的表達能更爲精準。簡單地說，這樣的功能和操作猶如人類考試時經常使用的“填充題”作答，由機器工具以盡量拟人化的方式通過邏輯演繹算法“猜測”一個問題（或給予的提示prompt）最可能與最适當的後續對接應當爲何，以幫助從事操作的人類去進一步推導、分析，然而從不保證給出答案的正确性（雖然絕大多數的使用者似乎都會推定或假定人工智能總應給出最全面詳細、精确無誤的答覆）。這也就注定了恐将引發各種潛在（或已發生）的争議。

除了“大型語言模型”，另一個受到了社會高度關注和興趣的，是以“擴散模型”（diffusion models）或擴散概率模型（diffusion probabilistic models，也稱爲基于分數的生成模型（score-based generative models））爲基礎，用變分估計或推斷（variational inference）方式訓練的馬爾可夫鏈，使其最終的結果或效果既能生成新的事物（主要是圖像），也同時要盡量貼近甚至符合原來的數據分布，以确保不會産生離譜的結果（近似于人類的“模仿”）。[21]目前這個模型主要應用于圖像的生成、修複、“去噪”與超分辨率成像等領域，知名的軟件程序有Dall-e、其下一代Dall-e 2、Midjourney和Stable Diffusion（穩定擴散）等。

由此可見，“人工智能”或“智能人工”原本的設計初衷和操作就是希望借助機器工具做到人類自身原本難以或根本無法做到的事情。這與詹姆斯‧瓦特（James Watt, 1736-1819）發明了含有分離式冷凝器的蒸氣引擎、喬治‧斯蒂芬森（George Stephenson, 1781-1848）發明了火車頭與鐵道交通或是伊萊‧惠特尼（Eli Whitney, 1765-1825）發明了軋棉機（cotton gin，或軋花機）等，結果帶動了第一波的工業革命在本質上并沒有如何的不同。後來的幾波工也革命也是如此。附帶一提，曆史一再表明，雖然每一波的推展的确取代了不少原來的工作，但也同時開創出了更多、更高薪的就業機會。[22]

固然最近的人工智能發展的确展現出了無數令人無比驚豔，甚至瞠目結舌的成果，但是在未來的應用上卻同時具備了極大的潛質與風險。《智能的本質》一書的作者皮埃羅‧斯加魯菲（Piero Scaruffi, 1955-）便指出，機器工具的“深度學習”是在學習人類已做過的事情（過去時）的技術。如果揭開光鮮亮麗的表象，人工智能領域的主流技術在本質上仍然是圖靈機的架構（通行的智能手機和筆記本電腦也還是這一結構）；經過幾十年的發展，其最大的變化是硬件速度與性能的提升，在算法邏輯上并沒有根本性的革新與改變，仍然是同樣的基本面，萬變不離其宗 —— 人們取得的進步在本質上隻是将更多的高性能處理器連結起來，給了機器神經網絡更大的空間來模拟人類大腦的思維。[23]他也由此點出了另一個關鍵：人工智能最大的問題是沒有常識，因此不能被信任。[24]人們已經花了幾十年去嘗試解決這個問題，但不排除可能用錯了方法。現在整個重心都在深度學習，但深度學習不能獲取常識。深度學習隻是收集許許多多的數據，基本上做的是統計工作。[25]因此，諸如人工智能能夠在人類的律師考試獲得高分或是下圍棋擊敗世界冠軍等等是這類機器工具憑借對大數據的統計分析原本應該做到的基本要求；如果無法超越人類自身都可以達到的水平，就意味著應該要遭到淘汰了，但這與“思考”還有很大的距離。也因此在讨論涉及人工智能的問題時，至少在現階段不能用某種拟人化的寄情去投射（如“機器人”），否則極易自我誤導。

叁、生成式人工智能的著作權問題

圖左：維米爾（Johannes Vermeer）的《戴珍珠耳環的少女》（c. 1665）。圖右：德國人Julian van Dieken通過Midjourney軟件生成的《戴亮麗耳環的少女》。

無論是文字或圖像，目前的生成式人工智能已可在極短的時間内猶如變魔術般的生成各種令人驚豔的結果。位于荷蘭海牙（The Hague）的莫瑞泰斯皇家美術館（Mauritshuis）借著其“鎮館之作”，約翰内斯·維米爾（Johannes Vermeer）的《戴珍珠耳環的少女》（荷蘭文：Meisje met de parel）到外地巡展之際，征集了一幅用人工智能生成，以該畫作爲基礎的一幅“替代品”放在原來暫時空出的位置上，名爲《戴亮麗耳環的少女》（A Girl With Glowing Earrings），結果引起了相當激烈的争議，包括人工智能的生成圖像是否能被視爲“藝術品”，并在莫瑞泰斯美術殿堂占有一席之地？那幅畫作是否過于“虛假不實”（例如無論使用如何的透視都不可能看到右耳的耳環、皮膚的質理與上色都顯然失真、臉上的雀斑相當“詭異”等等）？等等。有的人則認爲這象征了該館能與時俱進，采納新知。而該館收到各界最多的抱怨和質疑，是關于這幅畫作是否侵害了他人的著作權。[26]

2023年1月紐約現代藝術博物館“瑞非克‧安那多爾：無人監督”（Refik Anadol: Unsupervised）特展的展廳（Gund Lobby）現場。攝影：Ben Davis, ArtNet News。

與位于美國紐約市（New York）的現代藝術博物館（Museum of Modern Art，簡稱MOMA）則更進一步。他們首先提問：如果機器遍覽了本館的所有藏品之後，能“夢想”出什麽？繼而邀請了美籍土耳其裔的多媒體藝術家瑞非克‧安那多爾（Refik Anadol），運用這個提示和人工智能創作了一個永不重複，能不斷變化的視覺立體呈現，并從2023年開始舉行一場名爲“瑞非克‧安那多爾：無人監督”（Refik Anadol: Unsupervised）的特展。全部的畫作都以一整面的大屏幕牆（24 x 24英尺，約合7.32 x 7.32米）和超高清畫素的投影來顯示，而且呈現出的立體圖像場景會随周遭環境因素的改變（如晴天、下雨、光線、人群的移動等等）跟著産生各種變化。[27]因此這也不可避免地産生了許多的法律問題。即使先行擱置能否獲得著作權或構成侵權的争論，僅是這些畫作究竟應該“歸功”（attribution）于誰（即如何署名）便可能會引起很大的争議甚至沖突：給出“提示”的人？人工智能本身？開發該人工智能的人（軟件設計者或（和）其雇主）？還是提供作爲機器“深度學習”的各個對象的作者？其次是，縱使可對人工智能的生成物賦權，對于一個沒有固定形态、不斷在變化的呈現是否符合“固定”（fixation）的要求？所涵蓋的範圍究竟應該爲何？

一、輸入端

由于人智能全必須通過對既有材料的收集從事“深度學習”，在先天或定義上從輸入端開始便總是需要對他人既有的文字、聲音或圖像等各種作品的數字檔案進行全面或相當程度未經許可的複制，也意味著承載了高度的侵權風險（除非能舉證符合或構成合理使用）。[28]對于權利人而言，也同樣寓含了非常高難度的舉證挑戰，因爲既然人工智能的“深度學習”幾乎總是涉及對來自無數作者的大量作品從事大規模的複制，然後以類似回收資源運用的方式，先予以碎片化，再通過軟件以統計分析的處理重新組合，要如何從最終的生成結果進行回溯，并識别、指認其中的哪個部份是對哪位特定作者的哪個特定作品的複制勢将非常的困難。

在合理使用的抗辯方面，美國《著作權法》第107條的一般判定法則采取了所謂的“四要素分析法”：（1）使用的目的和性質，包括是否在本質上屬于商業性的使用抑或非營利的教育目的；（2）被從事使用、具有著作權的作品性質；（3）相對于被使用的作品整體，所使用的數量和程度；以及（4）其使用對受到著作權保護的作品的潛在市場或價值産生的影響。[29]後來的司法實踐對其中的第一個要素又增列了應考量是否具有足夠的轉化或轉型（transformative）。雖然這四個要素應等質等量齊觀，但被指控侵權物的轉化程度往往會對法院的判決産生決定性的影響。[30]

對于以含有著作權的作品來訓練人工智能支持應構成合理使用的一方（如Open AI等從事人工智能開發的企業）認爲，如果檢視第一個要素，“深度學習”的性質和目的應屬于轉化性而非表達性（expressive）的使用，因爲通過這樣的訓練過程才能形成一個非常具有實用價值的生成式系統。此外，由于整個系統的學習訓練過程并不對外開放，因此上述的第三個因素也應對其有利。贊成方試圖援引“谷歌圖書案”的二審判決作爲依據。[31]聯邦第二巡回上訴法院在該案判決，谷歌公司以電子掃描複制了所有圖書館的藏書，并以此創設了一個可供搜尋的超大型數據庫，但對使用者的搜索結果隻從每冊書的電子檔摘取其中小部份的内容呈現構成合理使用。因此，贊成方認爲，隻要人工智能的生成結果不是把特定作品的全部或相當部份原封不動地重新呈現，也應同樣地構成合理使用。

不過反對方則指出，如果的确隻是爲了“自我學習”之用，那麽構成合理使用或有可能，但生成式人工智能顯非如此。這類機器工具在設計的本意和功能上就是要在既有作品的基礎上運用統計算法來推測接下去的可能表述（無論是文字或圖像），因此形同對原作品從事“續寫”或“改編”，并不是真正的轉化性使用。況且這類工具最終是爲了要推向市場，從事各種可能的商業開發和利用，所以也絕非止于單純的“學習”而已。

饒舌歌手Drake（左）和The Weeknd（右）于2014年3月25日在英國倫敦O2體育館（The O2 Arena）的現場表演（來源：BBC廣播網）。

至于上述的第四個要素，反對方則指出，如果容許可以“學習”爲名，讓人工智能從事各種“仿真”之作，不但會對消費者造成困擾，也顯然對原作者構成直接的競争。例如，2023年4月14日由一個署名爲“Ghostwriter977”（這個名稱本身就寓含了代筆或影子作者之意）推出，名叫“袖上我心”（Heart on My Sleeve）[32]的歌曲，宣稱是由目前當紅的兩名加拿大饒舌歌曲明星德雷克（Drake）和威肯（The Weeknd，華語圈常因其頭發造型被昵稱爲“盆栽哥”）合唱，結果立即引起了很大的轟動。然而實際上這是由人工智能所生成的結果，雖然其中的聲音極度逼真，終究與兩位歌手完全無關。當環球音樂集團（Universal Music Group）在三天後（17日）将此曲從各流媒體平台全面下架時，這首“僞歌曲”在抖音（TikTok）的流量已突破了1,500萬人次，在思播（Spotify，或“聲田”或“聲破天”）播放了超過60萬次、在“油管”（YouTube）則超過了27萬5千次的觀賞。[33]

受到此一事件的刺激，整個音樂産業已經展開了對應這種“僞歌曲”甚至于整個人工智能開發的“總動員”。他們一方面向從事人工智能開發的企業和研究機構等提出了嚴厲的警告，包括将提出規模性的訴訟，另一方面由40個最具規模和影響力的權利人組織聯合組建了針對人工智能問題的一個全新的權利人聯盟，并提出了7個核心原則。凡是不符這些原則的，将進行全面性的抵制（boycott，或杯葛）和訴訟，也不排除會有更多的對抗，運用各種可行的手段讓人工智能無法接觸、取用仍受著作權保護的各類詞曲。[34]

此外，美國的作家協會（Authors Guild）發布了一封公開信，呼籲從事生成式人工智能的科技公司除非經過适當的許可或費用支付，必須立即停止使用含有著作權的作品。[35]截至2023年7月中旬，這封信已獲得了超過一萬名作者的連署，其中包括了多位國際知名的作家。[36]

這些發展形同向人工智能的業者發出了最後通牒，猶如之前多次創新科技發展的曆程，在科技發展與内容提供兩者之間用法律切出了一道鴻溝，在硝煙彌漫、塵埃未定之前，勢将對人工智能的後續開發、使用、與商業模式的建構形成巨大的壓力和制約。不過就在權利人組織緊鑼密鼓備戰之際，個别戰役已然展開：

（一）“崔布雷訴OpenAI集體訴訟”案

既然循著法律途徑來解決争端已勢不可免，最終會有決定性影響的自然還是法院判決。目前在各地不同的聯邦地區法院已出現了多個待審的訴訟。例如，知名的暢銷恐怖及黑色幽默小說作家莫娜‧阿瓦德（Mona Awad）和保羅•崔布雷（Paul Tremblay）于2023年6月28日聯名起訴了開放人工智能研究中心（OpenAI），并邀請其他作者加成爲一個集體訴訟（class action），指控後者在從事其人工智能系統的“深度學習”過程中，未經許可也未支付任何報酬或費用，大量“攝取”（ingesting）了原告等人受著作權保護的作品。[37]OpenAI在2018年6月曾自行披露，他們“訓練”其第一代人工智能GPT-1系統的一個重要來源是當時已經頗受争議，名爲BookCorpus的大型書籍文本數據集（這個數據集又從一個名爲Smashwords.com的網站收錄了無數尚未正式出版、但幾乎都還有著作權的作品），後來的版本與機器學習則更“變本加厲”。原告的指控并主張，當他們向ChatGPT提示自己的作品名稱，後者便可立即對其小說的内容提供極爲詳盡的介紹和摘要，也就表明和證明了他們的小說已被用來作爲訓練人工智能的素材。另據OpenAI于2020年7月自行發布、介紹其GPT-3的說明文件透露，該系統使用的訓練素材中有15%是來自“兩個以互聯網爲基礎的書籍語料庫（corpora）”，分别被冠稱爲“書庫1”和“書庫2”。起訴書綜合各方信息，估算“書庫1”約包含了63萬個書目，“書庫2”則應有29萬4千部書籍。并據此指控和主張，由于ChatGPT使用的大型語言模型必須完全依靠各種内容的存在才能操作，其本身便是一個派生或衍生侵權物，侵害了其中所有作品作者的複制權與改編權。[38]

（二）“匿名作家訴OpenAI集體訴訟”案

也在同一天，一家名爲Clarkson的公益法律事務所代表12名作者向北加州聯邦地區法院提出了一個範圍更廣的集體訴訟（還包括刑事自訴，但卻完全沒有涉及著作侵權的指控），指控被告OpenAI開發的ChatGPT人工智能系統違反了聯邦《電子通信隐私法》[39]（刑事）、《計算機欺詐及濫用法》[40]（刑事）《侵害隐私法》[41]（刑事）和《反不正當競争法》[42]（民事）等規定。[43]

（三）“西爾弗曼訴OpenAI集體訴訟”案

此外，美國的喜劇演員、節目制作人及作家薩拉·西爾弗曼（Sarah Silverman）聯合另外兩名作家于2023年7月7日也提出了一個集體訴訟，指控OpenAI及其相關事業開發的ChatGPT等生成式人工智能對他們的作品構成著作侵權，例如未經許可複制了西爾弗曼的回憶錄《膽小鬼》（The Bedwetter，字面直譯是“尿床者”）。其舉證與上述的《崔布雷訴OpenAI》案非常類似，也是從人工智能可以對其作品從事極爲詳盡的描述反向推導出，除非人工智能對其作品從事了全部或大量的複制，否則絕不可能會給出如此詳盡的歸納。

（四）“蓋蒂圖像公司訴穩定叠代人工智能公司”案

除了OpenAI已陸續遭到愈來愈多的侵權訴訟，其他的人工智能開發企業也難以幸免。不過在舉證方面，主張圖像生成構成侵權的原告或将面臨更大的難度。例如，國際知名的相片圖庫運營商蓋蒂圖像公司（Getty Images）于2023年2月在特拉華州聯邦地區法院起訴穩定叠代人工智能公司（Stability AI, Inc.），指控被告對其圖庫内超過1,200萬個仍有著作權的攝影作品從事了未經許可的複制，也未支付任何的許可費用，另指控被告侵害了其商标權并從事不正當競争等。在指控著作侵權的部份，蓋蒂圖像公司認爲，被告容許其使用者運用其開發的“穩定擴散”（Stable Diffusion）人工智能軟件系統與生成模式，可對獲取到的攝影圖像，尤其是附随于每幀攝影作品的簡短解說，從事更正确的機器學習（建立圖像與文義之間的關聯），也讓使用者能從事各種後續性的改編運用，再從中收費獲利，也就與原告形成了直接的競争關系。[44]

作爲初步的舉證（即大體證據prima facie evidence）之一，原告在起訴書裏提出了兩個供比對的圖像。上左圖是英國足球明星大衛‧貝克漢姆（David Beckham）在一場比賽中的實況，并打上了原告的水印；上右圖則是被告人工智能模型的生成圖像，仍可看到被扭曲呈現的水印和白色球衣上被稍事改變的英文字樣（白衣球員的右腿和右腳并呈現出不自然的扭曲）。原告拟以此來反向舉證被告顯然全盤複制和改編了原告的作品。在另一個舉證，被告的生成圖像依然清晰可見原告的水印（僅有輕微的扭曲），但是其中的人物臉部卻明顯地被“醜化”了（至少以人類的主觀标準而言），因此原告主張不但侵害了其作品的複制權與改編權（皆爲财産權 — 除了視覺藝術作品，美國現行著作權法并不承認如作品完整性等人格權），還造成了對原告商标的侵權和商譽的诋毀與破壞（見下圖）。

這兩個舉證因爲包含了原告的浮水印，所以還能相對明确的顯現出兩者之間可能存在的關聯性。至于法院是否接受，抑或認爲是構成足夠的轉化性使用，還有待後續訴訟的發展給出答案。無論如何，此處恐怕還有個必須先決的事項：蓋蒂圖像公司是否具備作爲本案原告的訴訟資格（standing，即當事人适格），亦即原告必需證明其确實爲所有圖像的權利人或獨占被許可人（exclusive licensee）。[45]

（五）“安德森等訴穩定叠代人工智能、Midjourney和DeviantArt公司”案

在另一個關于圖像生成的訴訟，知名的漫畫家莎拉·安徒生（Sarah Andersen）聯合另外兩位藝術家于2023年1月13日向北加州聯邦地區法院起訴了穩定叠代人工智能、Midjourney和DeviantArt（“異藝”）等知名的人工智能圖像生成企業。[46]原告在起訴書中試圖從人工智能擴散模型的若幹邏輯算法和實際操作等來初步舉證（或反向推導）被告複制了原告的作品。左圖是人工智能如何把原本兩個來源不同的頭像照片予以疊加，通過對“形象流形”（image manifold）與像素—空間插值（pixel-space interpolation）的處理，再加上“去噪插值”（denoised interpolation）的手段，最終合成爲機器的生成圖像，也稱爲“擴散來源”（diffused source）。原告認爲這樣的手段就構成了對其作品的改編，形成了派生性的産物。換句話說，固然原告承認難以從最後的生成圖像去拆解并指認是哪些地方對原告的作品從事了複制，實際上是人工智能對個别原告的作品都從事了完全或幾近完全的複制，然後再與其他的作品混同并均勻擴散到最終的生成圖像的每個畫素或象素之上（而且即使來源相同，每次生成的圖像也未必相同，可能有各種不同的變化）。

主審本案的威廉‧奧裏克三世（William Orrick, III）法官在2023年7月19日對雙方提出的多項程序性請求（或聲請motions）舉行了聽證。随即當庭表示，他傾向于駁回原告絕大多數的主張，但會容許原告方重提一個修正的起訴書。他表示，原告應更清晰地闡明并區分對三個共同被告的具體指控，并且由于原告可以接觸和取用被告穩定叠代人工智能公司的源代碼，也應可提供更多的事實來補強其起訴書，否則鑒于該人工智能系統已閱讀了50億個壓縮圖像檔案，很難明确三位原告的作品是否果然涉及其中。他并認爲，對于原告所主張，隻要是用他們的姓名作爲給人工智能的“提示”所生成的圖像就都構成了著作侵權一點，恐怕也難以成立。不過他同時表示，對安徒生女士指控被告直接侵權其作品的部份應可通得過被告請求法院以沒有實證爲由全部駁回的首波挑戰。[47]換句話說，法官認爲共同原告在絕大多數的情況下還沒有建立其作品與被指控侵權物之間具有一定或足夠的“指向性”。這也是在欠缺如水印或其他技術保護措施的輔助，隻憑借作品本身來指控人工智能生成的物件侵權将會遭遇到的舉證短版或硬傷。[48]

（六）“匿名者訴GitHub、微軟及OpenAI”案

除此之外，代理上述藝術家案件的同個法律事務所已于2022年11月3日代表兩位匿名當事人（稱爲“John Doe 1”和“John Doe 2”，如同中文的“張三”或“某甲”）先行發動了一個集體訴訟，起訴目前全球最大的軟件源代碼托管服務平台GitHub，其母公司微軟和微軟投資的合作企業OpenAI，挑戰GitHub的核心産品，也是人工智能編碼輔助工具GitHub Copilot以及由OpenAI開發，在後台驅動并操作GitHub Copilot的軟件産品OpenAI Codex等兩套軟件的合法性。[49]如果前述的五個案件都能獲得法院的支持，雖然潛在的損害賠償與法院禁令等已然非常可觀，但終究還隻算是“皮肉之傷”，仍或有挽救的機會與可能。反之，如果原告在這個訴訟的主張成立，那麽對目前人工智能主要模式的發展則可能真正會“傷筋錯骨”，動搖到根本。

GitHub是個以開放源代碼和雲計算爲基礎的平台，讓軟件開發者可以共同協作，形成一個分散或分布式的版本控制系統（distributed version control system），即不需要依賴一個中心服務器，任何一台機器都可以有一個本地版本的控制系統，來操作如錯誤跟蹤（bug tracking）、存取控制（access control）、任務管理（task management）和持續集成（continuous integration）等功能，并将所開發的軟件存放，交由平台托管。這個平台是于2007年10月19日啓動，翌年4月正式對外開放，自2018年10月26日起成爲微軟公司的全資子公司。截至2023年1月，使用其平台的軟件程序開發者已超過一億人，其源代碼的庫存量則超過了3億7千2百萬個（組），是目前全球最大的源代碼托管平台。[50]

原告主要指控微軟與OpenAI通過GitHub平台和使用由其于2021年6月開發上市，稱爲“副駕駛員”（Copilot）的軟件通過互聯網抓取（scraping）了大量的信息用于開發其人工智能軟件，尤其是可将人類自然語言轉化爲程序代碼的Codex模型：（1）違反了自己所訂的服務條款與隐私政策，包括不當抓取或竊取網絡信息，未遵循相關的開源代碼許可協議（如GNU General Public License (GPL)-2.0、LGPL等）[51]以緻侵害了原告的财産和隐私權益；（2）違反了《千禧年數字著作權法》（Digital Millennium Copyright Act，簡稱DMCA）第1202條不得移除著作權管理信息（copyright management information，簡稱CMI）的規定；以及（3）違反了《加州消費者隐私法》（California Consumer Privacy Act）等。

一如預期，被告很快且首先就向法院提出了請求駁回全案的聲請，主張原告無的放矢，沒有提出任何實質性的内容。不過主審本案的喬恩‧蒂卡爾（Jon S. Tigar）法官于2023年5月11日簽發的命令沒有全部接受，除了發回讓原告修正起訴書當中少數幾個次要的主張和内容外，基本上維持了原告訴訟最重要的兩個主張 — 違法移除著作權管理信息和違反使用許可協議，也就意味著全案必須持續，下一步将進入到發現（discovery，或證據開示）與庭審程序。[52]

（七）端倪、問題與挑戰

由于上述的案件目前都還在訴訟程序的初步階段，所以完全無法逆料未來的陪審團認定與法院的最終判決将會如何。不過既有的發展已透露出了若幹端倪：

（一）這幾個訴訟都可被視爲“測試案件”，一旦後續的發展對原告（權利人）方面有利，勢将會導緻産生更多相類的訴訟，所以目前所見還可能隻是冰山一角；

（二）之所以有這些訴訟發生的主要可能原因之一是，固然從既有的研究和文獻已可大緻推知幾個人工智能模型開發的大緻取向，但是這些企業在實際從事相關的機器學習過程終究竟是如何操作至今幾乎完全還是所謂的“黑箱作業”（black-box operations），外界難以知悉；也正因過程的不公開與不透明極大程度加深了外界的疑慮甚至惶恐；

（三）隻要當事人未在審前和解，通過發現程序（尤其是其中的口頭詢答（deposition））或可揭開從事人工智能開發企業的面紗，讓社會各界有機會一窺其幕後的具體實操過程和内容。對于被告而言，這意味著極大的風險導緻原本被其視爲重要的商業秘密（是否的确符合法定商業秘密的要件自然還需法院認定）可能會全部或一部曝光，因此寓含了高度的不确定和風險；

（四）除了訴訟本身，整個态勢幾乎注定會讓被告陷入兩難。如果提前和解，不啻邀請更多人後續起訴，讓其他人認爲有機可乘，可借此狠咬一口，也就意味著将對未來的人工智能開發帶來更多的風險與訴訟和賠償成本，讓這個原本已經非常“燒錢”的領域門檻更高，影響到後續的資金等資源投入與創新的意願和成本；反之，如果堅持到底，絕不妥協和解，如前所述，就意味著其相關的具體操作恐怕有不少内容将會公開，讓更多的人或廠家可以“搭便車”，與其從事競争，所以無論如何都會非常的困難。

另外至少還會衍生出一個會影響到未來人工智能發展的問題：究竟應由誰或哪些人承擔負責？如果法院最終判認由人工智能生成的物件構成侵權，即便使用者未必知悉最終的生成内容（尤其是細節）會是如何，但畢竟整個生成是根據使用者給予的“提示”所形成，也就如同提供了一個“框架”和“綱要”，而且是真正的行爲人。那麽人工智能的使用者是否應構成共同或間接侵權，連帶承擔全部或部分的責任？目前還沒有針對性的司法判例給予一個明确的答案，所以也還是一個灰色地帶。

之所以提出這個問題，是因爲人工智能開發者很可能會提出一個抗辯：整個人工智能系統純粹隻是個輔助工具，完全是被動的，因此其開發者根本不是行爲人。如果的确發生了如何的侵權責任，那也應當由真正的行爲人來承擔，畢竟那才是把生成結果搭配其自己的要求（也許又做了什麽修飾）作爲其呈現或表述的方式，人工智能并沒有任何的“共謀”或“錯誤”存在。換句話說，縱使是一把槍，其存在的本身并沒有任何問題，而是持槍扣動扳機傷害了他人的行爲者才需要承擔相應的責任。

依據美國司法既往的實踐，即便終端使用者需要承擔直接侵權責任，作爲提供輔助工具的人工智能開發者恐怕無法排除也有可能（至少潛在的）要承擔間接侵權責任的風險，尤其是所謂的“輔助侵權責任”（contributory liability）與“代理侵權責任”（vicarious liability）。[53]前者是指，即使沒有直接從事或參與侵權行爲，如明知或應知其所提供的裝置、器材、工具、儀器等等會導緻或在實質程度上促成他人的著作侵權行爲，亦需承擔相應的“輔助侵權”責任（在立法政策上與刑事上的“幫助犯”概念類似，并相互對應）；後者是指，即使沒有直接從事或參與侵權行爲，如對構成侵權的行爲負有監管的權力與義務，并直接從侵權活動獲得了财物利益，也必需承擔“代理侵權責任”（最常見于雇用關系，雇主必須爲雇員的侵權行爲負連帶責任）。[54]在上述的“安德森等訴穩定叠代人工智能”案，原告便試圖以代理侵權責任作爲一個主要的訴求。前已提及，由于使用者對于人工智能經其提示後所生成的文檔或物件是否複制了他人的作品既可能是一無所知，也可能完全無法從中取用控制，因此在侵權責任的承擔分析上勢将更具挑戰性。

此外，這些案件和前述的“德雷克和威肯仿真歌曲”或是“AI孫燕姿”等還突出了另一個問題：人工智能依照特定作者的“風格”（in the style of）所生成的表述（無論是文字、圖像、聲音（音樂歌曲）等等或其組合）是否構成侵權（或稱爲“模仿”、“模拟”、“仿真”、“克隆”（cloning）等等）？如果答案爲肯定，被模仿的當事人應如何主張什麽權利、其範圍應當如何？

如果被仿或受害的當事人想對此以著作侵權來維權，勢将捉襟見肘，因爲他（她）并未涉及對該特定生成物的創作，所以隻要仿真生成物沒有複制任何該當事人先前的作品或是完全從公共領域獲得與該當事人身份識别相關的采樣，被仿或受害的當事人基本上就無法主張任何的著作“侵權”，而需通過其他的路徑尋求救濟。[55]由此可見，此處實際上主要涉及到的并非著作侵權，而是侵害了所謂“公開權”（right of publicity，亦可譯爲“知名權”，類似于國内所稱的“商品化權”）的問題。“公開權”是指任何個人對其身份識别的控制權，即排除他人未經許可對其身份識别從事商業性的利用，無論是姓名、肖像、聲音抑或其他的身份标記（indicia of identity）。[56]目前即使在美國也還沒有經聯邦認可、能統一适用于全美各地的公開權。所幸如加州和紐約州等幾個可能在未來經常會出現這類訴訟的地區已有相當成熟的司法實踐，因此還不至于陷入毫無法律救濟的窘境，但已有呼聲希望國會能早日立法，正式承認和建立在聯邦層級的公開權。[57]

不過即使有了通行一緻的公開權作爲保護，如要對應和防制這類“蹭熱點”的潛在不法行爲，時機往往稍縱即逝，且經常不易追查到真正隐藏在幕後的直接侵權者，加上司法訴訟曠日持久、緩不濟急，難以在第一時間做出快速、有效的處置（法院所能做到的是發布訴前禁令，但如果不能直接從源頭封鎖，就很容易形成類似“打地鼠”（whack-a-mole），難以禁絕；另基于盡量不對創新造成妨礙的考量，法院一般也不會傾向于直接封禁特定的人工智能設施或應用工具）。[58]即使能找到應負責任的對象，也不易獲得适當、有效的救濟（例如，侵權的實際來源可能是在南太平洋某島嶼上的服務器）。這也凸顯了法律的局限性，無法做爲唯一的解決方案，勢必需要加上技術、管理與教育等方案形成一組相對完整的配套。

二、輸出端

在輸出端方面，人工智能的生成物是否可以獲得著作權的保護，首先在相當程度上取決于《著作權法》當中對于可受保護的主體“作者資格”（authorship）究何所指？範圍爲何？對此，美國版權局和聯邦地區法院于2023年分别提供了初步但相當一緻的政策指引與司法判決。

（一）美國版權局的政策

美國版權局于2018年收到了目前已知在美國境内的首個人工智能生成的著作權登記申請。一位李查德‧塞勒（Stephen L. Thaler, 1950 -，見上圖左）博士拟以他研發出的一套人工智能系統（稱爲“創作機器”（Creativity Machine））做爲由該系統生成、名爲“近訪仙境之門”（A Recent Entrance to Paradise，見上圖右）的視覺圖像的“作者”。美國版權局在初審和複審階段都核駁了這個申請。著作權複審委員會表示，美國著作權法要保護有獨創性的作者将其作品附着于有形載體的表達。從《著作權法》的立法曆史和理由以觀，國會對于何謂“獨創作品的作者資格”（original work of authorship）刻意留白未曾定義，是爲了維持法院依著作權法規所建構、關于獨創性的标準，其範圍固然相當寬廣，但并非沒有限制。[59]既有的司法判例也已經一再表明，著作權法的“作者”必須是“自然人”。[60]

在另一個申請案，美國紐約的一位作家和軟件開發者克麗絲蒂娜‧卡什塔諾娃（Kristina Kashtanova, 1985 -）女士運用Midjourney人工智能軟件“協作”完成了一個稱爲《曙光号的查莉娅》（Zarya of the Dawn）漫畫作品（見下圖），繼而向美國版權局提出申請并獲得著作權登記。當時她沒有披露其漫畫中的所有圖畫都是由人工智能所生成。後來美國版權局在獲悉此一信息後，最終決定變更她的著作權登記：凡是該作品當中的文字表述以及對文字和視覺元素的篩選、協調和安排等部份可獲得著作權保護，其作者（權利人）爲卡什塔諾娃女士。但凡是由作者通過Midjourney人工智能軟件生成的圖像，雖然是經過作者的提示而來，但終非自然人的創作（non-human authorship），因此無法獲得著作權保護。[61]

克麗絲蒂娜‧卡什塔諾娃（來源：《華爾街日報》）

美國版權局并表示，雖然人工智能生成的圖樣是根據使用者的提示而來，但不受使用者的控制，因爲完全無法預期最終的成像會是如何。換句話說，所有由人工智能生成的圖像雖然受到自然人的影響，終究不是由自然人創作，因爲人類無法指使其最終的生成結果。對于這個修正裁定，申請人沒有提出上訴。

美國版權局美國版權局一直以來都是采取此一政策立場，隻對屬于自然人的獨創表達允許著作權登記（著作權是創作發生，不以注冊登記爲要件，但如在美國登記著作權，可享有多個維權和舉證上的便利）。[62]該局于2021年對其《美國版權局實踐彙編》（即審查指南，屬于該局的内部規章，除非被法院援引做爲判決依據，不具法律效力，但有極大的影響力）的更新，又特别加上了一段文句：“對于沒有任何從自然人作者的創意輸入或介入，由機器制作或僅從機械程序的随機或自動操作，本局将不給予登記。關鍵問題是，究竟‘作品’基本上是一個自然人身份的創作，僅以計算機（電腦或其他裝置）做爲輔助性的工具，抑或傳統上做爲成立具有作品作者資格的要素（對文學、藝術、或音樂性的表達或是篩選、組織安排等）實際上不是由人而是由一個機器所孕育和執行。”[63]所以兩個申請案件分别遭到拒絕可以說并不意外。

由于這兩個申請案，加上2022年11月30日ChatGPT的推出在全球引起了極大的轟動和人們的關注，美國版權局于2023年3月10日又出台了一個針對涉及人工智能生成内容的著作權登記政策指導，延續了隻有自然人才具備作者資格的基本原則。[64]其中包括 —

（1）著作權登記的申請人必須通過“标準申請”（Standard Application）程序提出申請（簡易表格不适用），并有義務在申請表格的“作者創作”（Author Created）欄目披露屬于自然人作者的貢獻部份、其作品是否包含由人工智能系統的協同生成以及對該生成内容的具體表述。

（2）隻有自然人作者自身的獨創表達可獲得著作權的登記與保護。因此在申請表格當中應表明作品的哪些部份是屬于自然人的創作；如果是在同個作品中對于人類與非人類的創作從事了創意性的安排，則應在“作者創作”的欄目内分别表示哪些内容是由自然人、又有哪些是通過人工智能“篩選、協調及安排”。如無法确定，可簡單填寫“本作品包含人工智能的生成物”。

（3）凡是通過人工智能系統的操作和生成，任何超過微量或最低限度産生的結果都必須明确排除在著作權登記申請的範圍之外。

（4）如申請人不确定，可以用一般陳述的方式填寫表格。如有不實陳述（包括故意省略），将面臨權利被取消（無效）及其他潛在的後果。

由此可見，美國版權局在現階段其實沒有全盤否定所有涉及人工智能生成“作品”的著作權。在出台此一政策指導聲明後不到一周，版權局宣布啓動了一個“人工智能倡議”（Artificial Intelligence Initiative），拟全面檢視使用人工智能創作成果的著作權範圍（包括可版權性copyrightability）以及使用了他人受著作權保護的作品從事對人工智能系統的深度學習等問題。在具體的做法上将舉行一系列的“公共聆聽會”（public listening sessions），分别就人工智能對文學作品、視覺藝術、視聽作品以及音樂和錄音作品的影響、互動關系與各界人士進行探讨。[65]

（二）司法實踐與發展

另一方面，之前遭到美國版權局駁回申請的塞勒不服，向哥倫比亞特區聯邦地區法院（U.S. District Court for the District of Columbia）起訴，成爲美國司法審理人工智能生成物是否可以獲得著作權保護的首宗案件。[66]主審本案的貝麗爾‧豪威爾（Beryl A. Howell）法官于2023年8月18日以迳行判決（summary judgment）的方式完全支持了版權局的立場，塞勒敗訴。[67]不過他通過律師已表示将繼續上訴到聯邦巡回上訴法院。[68]

法院首先表明，由于本案是對著作權登記複審的再審查，其角色形同上訴法院，因此所要審理的完全是法律問題，不涉及到對于案件事實的重新認定。因此可由法院以迳行判決來處置。[69]法院接著指出，本案的關鍵問題隻有一個，即，由計算機或電腦自動生成的物件是否在形成時即應受到著作權法的保護？當版權局以沒有任何人爲因素的介入，因此也從不具有著作權爲由，拒絕了申請人（原告）的登記申請時，法院所要審視的，是該局做成此一行政裁定的審查過程是否有“恣意妄爲”（arbitrary or capricious）的情事或其他違反聯邦《行政程序法》（Administrative Procedure Act）所要求的标準。法院認爲版權局的裁定并非“恣意妄爲”的結果，因爲美國《著作權法》隻保護由人類創作的作品。

法院進一步申論，誠如申請人所指出，《著作權法》從一開始就具備了很大的可塑性（malleability），能随著各種科技的發展與時俱進。但是在此種适應性的背後，則有個始終一貫的認知，即，著作權的核心乃是以人類創作爲必要條件（human creativity is the sine qua non at the core of copyrightability），即使人類創作是通過新的工具或媒介來呈現。法院并援引了聯邦最高法院于1884年對攝影師使用攝影機獲得的相片可否獲得著作權保護的經典判例來說明。[70]雖然一個攝影機表面上隻是把在該裝置之前的形象予以機械式的複制呈現，但終究是在攝影師對其相片應如何呈現首先形成了一個“心智概念”（mental conception）後，再從事各種背景的鋪排、采光投影、當事人的服飾與擺出的姿态等等各種的設計與搭配。也就是人爲因素的參與和終極控制作品的表達或呈現成爲任何新型創作能否進入到著作權保護範圍内的關鍵。

此外，法院也表示，從立法的曆史背景和目的而言，雖然法律沒有明文寫出，但在認知上從一開始“作者資格”與“人類創作”便是同義詞，即使著作權法曆經了許多的演化和發展，這個基本概念仍然始終如一。國會曆來對著作權法的修正也絕對從未顯示有任何想要改變此一概念之處。反而是國會于1976年制定全新的《著作權法》時，明确要繼續依循1909年《著作權法》的“作者資格的原創作品”（original work of authorship）标準，不做任何改變，因爲著作權的立法主旨與核心價值是通過對人類創作的激勵來促進科學與藝術的發展，非人類的參與并不需要任何的激勵，自然也無須給予承諾賦權做爲交換。[71]

法院另檢視了既往的司法判例和實踐，也确認了此一結論，即在欠缺自然人參與的情況下，所有的法院都拒絕承認享有著作權。例如，聯邦第九巡回上訴法院在一個作者宣稱是“受到天體神靈的指示所轉述的話語”的著作侵權案件，依然判認作者可享有部份的著作權，因爲縱使作者的宣稱爲真，由于該書是以信徒詢問和“神靈”回答的方式呈現，顯然其中有相當部份還是通過人爲的創作發生，畢竟著作權法所要保護的是人類的創意，不是“神祇”的創作，因此仍可至少部份受到著作權的保護。[72]

法院在判決書中已然意識到人工智能對人類的創作會帶來各種的挑戰，并援引了國會議員給版權局和專利商标局局長的信函内容，但在本案的情形則認爲形成判決是相對容易，因爲就是保護的主體不适格的問題。

（三）争議與評論

在目前的國際公約框架下，雖然《保護文學和藝術作品伯爾尼公約》（Berne Convention for the Protection of Literary and Artistic Works）沒有名确定義“作者”（author）或“作者資格”（authorship），據山姆·裏基森（Sam Ricketson）教授的研究，在1967年制定該公約《斯德哥爾摩文本》（Stockholm Text）和1971年《巴黎文本》（Paris Act）的外交會議上，與會的各締約國代表有個基本共識，即該公約的作者“當然”是指自然人而言，因此鹹認不需還特别爲此在文本中去定義。[73]

根據美國專利商标局于2020年進行的一項規模性調研和公共聽證，在收到的反饋意見當中，絕大多數都認知并認同，在現行的著作權法框架下，除了因職務上的創作，非自然人在某些情況下可能成爲著作權利人，無論如何作品的原始“作者”必須是自然人，亦即非自然人無法成爲“作者”。他們也認爲這個要求應繼續做爲著作權法的基礎，因爲著作權法的立法宗旨是以賦權做爲交換，以期激勵人們從事創作，人工智能畢竟如同過去被廣泛應用的其他軟件工具，當時就已在争論一個非人類的物件或程序是否能夠具有“創意”，此次情況依然。[74]

有的評論指出，如果放棄了以“人類創作”爲主軸的原則，或将導緻産生許多難以逆料和有害的影響，不僅會對就業市場造成另一次的擾亂（著作權産業2021年的價值估計約爲1,810.25萬億美元，占美國經濟總值（國内生産總值（gross domestic product, GDP））的7.76%[75]），還會導緻社會更加貧瘠，因爲由人工智能生成的物件無論在表面上與出自人類的作品多麽近似，終究欠缺人類藝術家的經驗和情緒，……正是人類的經驗讓藝術成爲每個社會當中極其重要的環節。[76]

也有少數的評論支持應對于沒有人爲介入、完全由人工智能生成、且具備足夠創意的成果給予著作權保護，其權利應歸屬于人工智能系統的所有人/控制者或對其生成過程從事修整編輯，并完成最後表達形式的當事人或使用者。[77]

另有學者批判版權局的政策（也形同連帶批判了聯邦地區法院後續的判決），表示在運用人工智能的過程中，雖然是有，但多數并非僅以簡短、含糊不明的提示來操作，因爲這種方向不明确的指示經常會産生錯誤的結果，而每次的生成都需要一定成本的投入，所以總要盡量避免發生錯誤，節省成本。這也是爲何當前一個新興的專業（過去從未存在過）是“提示工程師”（prompt engineers），又稱爲“提示細語者”（prompt whisperers，取自1998年的一部好萊塢電影《馬語者》（The Horse Whisperer），借用形容一個能夠輕聲與馬從事溝通交流的人表示他們能與機器溝通），因爲他們依據客戶非常具體清晰的需求爲了一幅畫面往往就得拟出幾十、上百條甚至更多非常具體明确的提示（形同撰寫另一套程序），以期生成出更爲明确可控、範圍夠狹窄、結果更一緻的輸出。所以簡單以一筆帶過，認爲使用者沒有對人工智能的輸出給予預期或實施控制未必符合當前的實況。[78]批評者因此認爲，這恰好表示，聯邦最高法院在19世紀的經典案例[79]判決攝影作品可獲得著作權保護的法理和邏輯同樣可以适用到當前的人工智能。

必須指出和強調，對于這個争論不是必須、也不是隻能在“全盤否定”與“當然賦權”兩個極端選項之間做出互不相容、絕對排斥的政策選擇。由上可見，即使對法院判決或版權局政策持批判立場的，所要表述的乃是質疑，在特定、某種人類可控的程度與範圍内，人工智能生成物是否應像當年對攝影作品著作權的認定一般，可受到同樣或類似的保護？

如果答案爲肯定，随之而來的問題是，（1）要如何界定與區别對特定人工智能系統的“可控性”和“自主性”？（2）提示的輸入或具體内容究竟都隻能視爲還在“思想”的範疇（因爲隻是概念）或者已可被視爲進入到了某種“表達”的階段？區分的标準應當爲何？[80]（3）如果對人工智能的生成結果賦予著作權保護，該權利應如何歸屬？目前這些問題都還處于無解的狀态。但可以确定，一旦開始探讨，恐怕還會有更多更具挑戰性的難題在前等待。

即使考慮部份賦權，還有一個先決問題必須厘清。美國《著作權法》第501條第（b）款明确要求，凡是主張著作侵權的一方首先必須證明其享有合法的著作權。[81]其反面意義是，任何侵權物都無法享有合法的著作權。換句話說，凡是自身沒有權利或已然構成侵權的再也無法掉過頭來去主張自己還遭到了其他人的侵權（實質近似在定義上就顯然不是100%的複制）。這也是确保不能也不會發生所謂“空手套白狼”與“賊喊捉賊”的問題。

鑒于已有愈來愈多的司法訴訟挑戰人工智能生成物是否在先天上已經構成了對他人作品某種程度的侵權（或是能否做此推定），在法院還未做出最終的判決前，一切也都還在混沌不明的階段。這也表示，縱使未來在政策上容許某些人工智能的生成物可以獲得著作權，鑒于其本身寓含一定程度的侵權可能，不排除主張應享有權利的一方很可能會首先被要求自證是“潔淨之手”（with clean hands），至少不含某些可能或可預期的侵權瑕疵或風險。如果未來朝此方向發展，即使表面上要賦權貌似是件“好事”，卻勢将極大程度增加人工智能的運營和交易成本。

如果未來果真決定要在立法政策上對某些人工智能的生成物賦予著作權保護，前已提及，一個附随且必須立刻解決的問題是權利的歸屬。可以預期，此時人工智能系統的開發者必然會主張應由其享有全部或至少部份的權利。既然門扉已被打開，就很難不讓開發者分享權利。于是又會立即觸發更多的問題：

（1）依據“賦權共享、責任共負”的基本法則，是否人工智能的開發者要與其所有的使用者必須共同承擔所有的潛在侵權連帶損害賠償責任？

（2）一旦成爲共同作者或共同權利人，人工智能的使用者未來從事許可勢必需要經過開發者的同意，這樣是否反而會在相當程度上限縮了作品的流通，給予了開發者太大的控制，形同構成某種變相的市場壟斷？

（3）如果人工智能（使用工具）的開發者可以成爲對其使用者創作成果的共同權利人，那麽是否意味著将來所有使用殖入了人工智能功能的軟件系統（如使用微軟公司出品的Word文字處理和“必應”（Bing）搜索引擎完成一篇文章）開發者（微軟）也可以主張是文章成稿的“共同權利人”？（原本支持應予賦權的是否能夠接受讓其使用的工具開發者也可一起分享因他們的創作而獲得的權利？）[82]

（4）如果還涉及到特定使用者的個人隐私時，做爲共同權利人，軟件系統的開發者或數據控制者能否不需經過使用者的同意，對其個人數據或隐私信息從事各種的利用？依據爲何？

（5）假設能夠舉證特定的生成物是經過對10億個作品來源從事深度學習後的成果，是否該10億個作品的作者也應做爲共同權利人？如是，這般的權利配置究竟還有如何的實質意義？

以OpenAI于2023年3月14日更新的使用者協議爲例。其中第3條表示，原則上（在法律許可的範圍内）所有的輸入信息歸使用者所有；在輸出的生成物方面，隻要使用者遵守協議的條款，OpenAI同意轉讓（assign）其所有對該輸出（生成物）的所有權益，即，使用者可以從事任何目的的使用，包括商業行爲（銷售或出版等）。OpenAI保留對輸出内容（生成物）的使用權。使用者對輸出内容（生成物）負責，包括确保不違反任何可适用的法律或協系的條款。[83]當然此處實在還無法确定OpenAI對于由其人工智能系統生成的輸出倒底有什麽實質性的權益可以轉讓給其使用者，但如果有任何著作侵權的問題發生，基本上OpenAI就是概不負責。究竟這個制式性的協議條款内容是否能通過司法的檢驗還有待未來的案件和時間給出答案。但根據本文的引述和分析，這個條款本身是否合法合規恐怕還有待商榷。

肆、結論

無論是攝影機、錄像帶、複印機、多媒體計算機、互聯網點對點分享……等等，曆史經驗已一再表明，每當有新的科技産生并獲得了市場的接受，随著該科技應用的不斷擴展，就常會與既有的内容提供者讓産生市場的競合與各種摩擦和沖突，其中的一道主要戰線便是著作權。歸根結底，在表面上各種科技便利的背後，牽涉到的是整個相關資源與“利益大餅”的重新分配。目前牽涉到人工智能應用的各種争議也不例外。

“人工智能”迄今還沒有一個國際公認的定義，但從各個不同的既有定義中可以歸納出一個共通點：人工智能系統是一種整合模型和算法的信息處理技術。已知的人工智能相關問題大體涉及到能力（Power）、可能（Possibility）與危險（Peril）三個面向（或可稱爲“3P問題”）。讨論人工智能與著作權的關系，包括應如何對應和潛在寓含的風險時，也同樣、同時涉及到這“3P問題”：在輸入端，這套工具是否因必須從網絡上大量複制既有的素材從事“機器學習”卻構成了著作侵權抑或可以主張合理使用？假如不涉及侵權或可以構成合理使用，在輸出端，其生成物是否可以受到著作權的保護？

第二屆圖靈獎得主艾茲格·迪科斯徹（Edsger W. Dijkstra）教授曾在1984年計算機協會中南地區會議上發表的主旨演講中表示：“電腦是否能思考的問題就與潛水艇是否能遊泳的問題同樣相關。”[84]于是由此産生了“潛水艇是否會‘遊泳’”的有趣問題。這個問題其實是個悖論，畢竟一個具有潛水功能的機器與一個遊泳的人之間完全沒有可比性，如果硬要用人類對“遊泳”的概念去套用到一個毫無生命的機器，勢将産生相當荒謬的結果：諸如如果潛水艇真會“遊泳”，那麽坐在潛水艇裏的人呢？是不是也跟著在“遊泳”？假如是一艘無人潛艇，那麽在陸地上遙控操作無人潛水艇的人是否也在“遊泳”？因此，用人類的遊泳比賽規則來規制潛水艇是否合适？

這也表示，至少在現階段，如果人們總是不自覺的用一種“拟人化”的寄情投射去看待人工智能，無法以軟件程序當中設定的邏輯算法來看待這個已經發展了70馀年、最近再次推陳出新的機器工具，就很容易造成自我誤導。畢竟人工智能最大的問題是沒有常識，因此從不保證其生成、輸出的結果正确無誤，也無法确知是否已排除了侵權的因素和“瞎編胡謅”的風險，因此不能被寄予信任。[85]人類已經投入了幾十年去嘗試解決，但迄今仍然未果，也成爲人工智能繼續發展的“阿喀琉斯之踵”（Achilles’ heel，即可緻命的短版）。前已提及，機器的“深度學習”基本上是統計工作，是個收集大規模的數據然後進行快速計算和推導的過程，因此與人類的原創表達完全不是同一個概念，也恐怕無法從事類比，否則就與“潛水艇是否會‘遊泳’”的悖論如出一轍。

雖然社會對人工智能的讨論和應用在近來風起雲湧，也讓相關領域受到了各大、小投資者的青睐，一時間獲得了前所未見的資源投注，但或因其中過程的不公開與不透明，極大程度加深了外界的疑慮甚至惶恐，于是也同時興起了一波著作侵權和其他類型的訴訟。隻要其中出現侵權成立的判決，就幾乎注定還會有更多的後續訴訟紛紛出籠。這顯然會大幅提高人工智能産業後續發展的成本與市場準入門檻，對相關的創新研發也勢将造成很大的負面影響。鑒于這些訴訟通常會曠日持久，除非各方能達成訴前和解，整個領域在未來的相當時間當中恐将限于許多不确定的狀态。

無論如何，對于人工智能引發的種種問題和争議，首先必須厘清，一旦發生問題，究竟應當由誰來承擔責任？當人們還在争論是否應該對人工智能的生成賦權時，或許可從反向審視：是不是首先必須厘清應承擔責任的主體，才能接著探究是否應對該主體賦權？現時看到的狀況通常是，凡是一提到賦權隻見衆家争搶，互不相讓；但隻要發生了問題，一觸及義務與責任承擔，則隻見各相關當事人開始相互推托或彼此交相指責。本文啓始摘引了著名的羅馬法法諺：“無救濟即無權利”（ubi jus ibi remedium），即拟建議以此做爲處理相關權責問題的基本準繩。

即使在是否需要對人工智能生成物賦權的讨論上，從來不是否定隻有自然人才可具有“作者資格”（反面的意義便是：凡是由機器自動生成的物件無法獲得著作權，因不具獨創性），也不是隻能在“全盤否定”與“當然賦權”兩個極端選項之間做出互不相容、絕對排斥的政策選擇，而是要探讨在特定、某種人類可控的程度與範圍内，人工智能生成物是否應像當年對攝影作品的保護認定一般，也可受到某種權益保護？即使能跨過或繞開作者資格的門檻給予著作權保護，權利應該歸屬于誰？保護的标的是什麽？範圍又應如何？在紐約現代藝術博物館展出的“瑞非克‧安那多爾：無人監督”特展，投射在屏幕上的呈現從不重複，無時無刻都随著周遭環境在變化，所以顯然沒有“固定”（fixation）。這如何來界定權利？

通過本文的分析可見，正如同打開了“潘朵拉的盒子”一般，一個表面上看似簡單的問題卻牽引出更多更難以處理的其他難題。也就意味著即使要考慮賦權，著作權顯然并不合适，不是好的政策選項，畢竟著作權法的主要目的是爲了激勵人類從事文化、藝術與科學的創作和保護文化資産，著作權本身也是一種公開換保護，有創作才會賦權。人工智能的代碼既然不公開，就不需要換取保護，機器并不需要得到激勵，不應用拟人化的角度去看待其生成物。因此，或許應探讨是否要另行創設某種特殊、單獨的權利（sui generis right）給予某些有限的保護，但是其中還是有太多的未知和困難需要進一步厘清、克服，千萬不能冒進；抑或就通過廠家“自律”的方式（例如讓使用者簽訂協議，就與現行進入任何網站或使用數據庫必須先行同意才可進入的做法相似），反而可以獲得更大的效益。對此或可參酌上世紀90年代歐盟與美國對于是否應對數據庫給予某種賦權保護引發的巨大辯論（不過卻有個共識：數據本身推定無法賦權）。[86]歐盟選擇了用特殊賦權的方式保護數據庫，但卻導緻發生了許多的問題，後來不但遭到歐盟法院以四個判決對此嚴格設限，[87]且最終自身進行的兩次實證調研也顯示成效不彰。[88]其中一個最遭诟病的批判是，此種賦權猶如“掩耳盜鈴”，背後真正的目的是爲了保護特定的投資利益，早已悖離了以公開換保護、公示公知的基本原則。畢竟投資本來應是風險自負。制定特别法來保障特定投資利益不啻以立法手段（公權力）變相促進特定企業或商業利益形成更大的壟斷。

有鑒于此，或許誠如《紐約時報》專欄作家埃茲拉•克萊因（Ezra Klein）所言：“我們如此執着于思考這項技術能做什麽，以至于忽略了更爲重要的問題：它将如何使用？誰又将決定它的用途？……還有一個更平庸但或許更緊迫的問題：這些機器将服務于何人？”[89]他認爲人工智能并非真正在爲消費者服務，而是聽命并服務于投資者的利益：“我們談論人工智能的技術太多，卻基本忽略了驅動人工智能的商業模式。加之這樣一個事實：人工智能的吸睛展示，僅服務于吸引巨額投資和收購報價的炒作周期這一種商業模式。”克萊因并引述了人工智能公司Hugging Face的首席倫理科學家瑪格麗特·米切爾（Margaret Mitchell，也是原谷歌公司從事人工智能研究的一位關鍵領頭人）一針見血的評論：人工智能不是爲預測事實而生，它們實際上是爲了編造看起來像事實的東西而生。”[90]最危險的狀況是人們被智能工具操控與說服，其實還是一小群人在設法控制多數的人，畢竟機器工具背後的操控者是程序設計者和商業利益。

人工智能或許是另一個由普羅米修斯帶來的火種，也可能是另一個潘朵拉的盒子，更可能是兩者兼具。在人類玩起這把新火的過程中，是否會一方面成就了更多以往難以迄及的成果，另一方面卻又因爲各種的自我誤導、法律風險把自己給推回了山腳下，然後必須重頭來過？此時才赫然驚覺，原來自古以來的神話一直是面鏡子，從鏡中看到的那個普羅米修斯原來就是人類自己的映照！

（全文完）

注釋

【1】Francys Subiaul, What’s Special about Human Imitation? A Comparison with Enculturated Apes, 6 Behavioral Sciences 13 (2016), at https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5039513/.

【2】Benoit Godin, Innovation: The History of A Category, Project on the Intellectual History of Innovation Working Paper No. 1 (2008), available at http://www.csiic.ca/PDF/IntellectualNo1.pdf.

【3】 Hesiod (Ἡσίοδος、中文：赫西俄德), The Theogony (Θεογονία、中文：《神譜》), Lines 545-616 and Works and Days (Ancient Greek: Ἔργα καὶ Ἡμέραι、中文：《工作與時日》), Lines 42-53（赫西俄德在《神譜》中并未提到那位被塑造的女性名字，但因爲在《工作與時日》的長篇教訓詩當中有了更詳細的描述和正式的姓名，且與《神譜》中所描繪的情節高度近似，因此後世的學者鹹認前者所指稱的就是潘朵拉）。

 【4】對人工智能發展曆史的完整介紹與說明，可參見Pamela McCorduck, Machines Who Think: A Personal Inquiry into the History and Prospects of Artificial Intelligence, 2nd ed. (Boca Raton, FL: CRC Press/Taylor & Francis Group 2004)；另參見E. R. Truitt, Surveillance, Companionship, and Entertainment: The Ancient History of Intelligent Machines, MIT Press Reader, November 24, 2021, available at https://thereader.mitpress.mit.edu/the-ancient-history-of-intelligent-machines/。

【5】 Alan M. Turing, Computing Machinery and Intelligence, 49 Mind 433 (1950).

【6】同上注，第111頁以下。這項會議的正式名稱是“達特茅斯人工智能暑期研究項目”（Dartmouth Summer Research Project on Artificial Intelligence），從1956年6月18日到8月17日左右在新罕布什爾州漢諾威（Hanover, New Hampshire）的達特茅斯學院（Dartmouth College，長春藤盟校之一）以密集“頭腦風暴”（brain storming）的“作坊”（workshops）方式舉行，由時任該校數學系的一位年輕助理教授約翰‧麥卡錫（John McCarthy）召集組織，原來預定邀請10人，但最終共有20馀名學者專家全程或部份參與了這個會議。在此之前，對“思考型機器”（thinking machines）的研究有多種不同的名稱，如控制論（cybernetics，是研究生命體、機器和組織的内部或彼此之間的控制和通信的科學）、自動機理論（automata theory，是把離散數學系統的構造，作用和關系作爲研究對象的數學理論）或複雜信息系統處理（complex information processing）等，反應出各自的主要取向。

【7】Daniel Crevier, AI: The Tumultuous History of the Search for Artificial Intelligence (New York, NY: Basic Books: 1993).

【8】Merriam-Webster’s Ninth New Collegiate Dictionary (Springfield, MA 1985), at 106 (artificial: 1. humanly contrived often on a natural model : man-made; 2. lacking in natural or spontaneous quality; 3. imitation, sham. artificial intelligence: 1. a branch of computer science dealing with the simulation of intelligent behavior in computers; 2. the capability of a machine to imitate intelligent human behavior)[Emphasis added].

【9】U.K. Defence Science and Technology Laboratory (Dstl), Building Blocks for AI and Autonomy: A Dstl biscuit book/Guidance: Core Elements of AI (23 October 2020), available at https://www.gov.uk/government/publications/building-blocks-for-ai-and-autonomy-a-biscuit-book/core-elements-of-ai.

【10】Alyssa Pagano, Repairing Organs With the Touch of a Nanochip: This New Device Changes the Function of Cells by Injecting Them with Synthetic DNA, IEEE Spectrum, 12 August 2017, available at https://spectrum.ieee.org/repairing-organs-with-the-touch-of-a-nanochip.

【11】聯合國科教文組織，《人工智能倫理問題建議書》（2021年11月23日），第10頁（一、适用範圍第二點），載于https://unesdoc.unesco.org/ark:/48223/pf0000380455_chi。

【12】同上注。

【13】European Commission (EC), Proposal for a Regulation of the European Parliament and of the Council Laying Down Harmonised Rules on Artificial Intelligence (Artificial Intelligence Act) and Amending Certain Union Legislative Acts, COM(2021) 206 final (21 April 2021).歐州議會（European Parliament）已于當地時間2023年6月14日以499票贊成、28票反對、93票棄權通過了這個草案的修正版本（文本内容尚未對外公布）。目前全案已移送歐盟理事會（European Council）審議，也是本案成爲正式立法需要通過的最後一關。

【14】其原文爲：“‘artificial intelligence system’ (AI system) means software that is developed with one or more of the techniques and approaches listed in Annex I and can, for a given set of human-defined objectives, generate outputs such as content, predictions, recommendations, or decisions influencing the environments they interact with” [Emphasis added]。

【15】EC, Annexes to the Proposal for a Regulation of the European Parliament and of the Council Laying Down Harmonised Rules on Artificial Intelligence (Artificial Intelligence Act) and Amending Certain Union Legislative Acts, COM(2021) 206 final (21 April 2021).

【16】 “人工智能”常見的算法包括，但不限于：線性回歸（linear regression，是利用統計學當中線性回歸方程的最小二乘函數對一個或多個自變量和因變量之間的關系進行建模的一種回歸分析）、邏輯回歸（logistic regression，是離散選擇法之一，屬于多元變量分析的範疇，常用于社會學、生物統計學、臨床、數量心理學、計量經濟學、市場營銷等統計實證分析等）、深度神經網絡（Deep Neural Networks，簡稱DNN，是模仿生物神經網絡的結構和功能（類似于動物的大腦和中樞神經系統）的數學模型或計算模型，由大量的“人工神經元”聯結計算，用于對特定的函數進行估計分析；在多數情況下，人工神經網絡能在外界信息的基礎上改變内部結構，是一種能自動适應的系統，也就是一般所謂的“機器學習”）、決策樹（decision tree，主要用于數據挖掘和機器學習，是從對象屬性與對象值之間的某種映射關系建立出的預測模型；樹中每個節點表示某個對象，而每個分叉路徑則代表某個可能的屬性值，每個葉節點則是對應從根節點到該葉節點所經曆的單向輸出路徑所指向的對象的值）、線性判别分析（linear discriminant analysis，簡稱LDA，是利用統計學對費舍爾線性鑒别方法（Fisher linear discrimination，簡稱FLD）的歸納，試圖找到兩類物體或事件的特征的一個線性組合，以便能從事特征化或區分）、樸素貝葉斯計算法或分類器（Naive Bayesian algorithm，是一種借助貝葉斯定理的分類算法，也作爲一種生成模型（generative model），采用直接對聯合概率（P(x, c)）建模，以獲得目标的概率值）、支持向量機（support vector machine，簡稱SVM，是一種在分類與回歸的過程中分析數據的監督式學習算法）、學習向量量化（learning vector quantization ，簡稱LVQ，是通過自動學習的演進過程，進行實時的微調，使各個類别的代表點趨近最佳值）、K—最近鄰（K-nearest neighbor，又稱爲KNN算法或K-近鄰算法，是一種用于分類和回歸的非參數統計方法，采用向量空間模型進行分類，凡是相同類别的案例，彼此的相似度就高，而可以借由計算與已知類别案例的相似度，來評估未知類别案例可能的分類）、以及随機森林（Random Forests®，是平均多個深度決策樹以降低變異數的一種方法）……等等。關于人工智能的發展、現況與未來的應用等介紹與分析，可參見Piero Scaruffi, Intelligence Is Not Artificial – Expanded ed. (Seattle, WA: Createspace 2018)（該書2013年第一版的中文譯本是，皮埃羅‧斯加魯菲，《智能的本質：人工智能與機器人領域的64個大問題》（任莉、張建宇 譯，北京：人民郵電出版社，2017年1月）。

【17】是一種專門對人工智能（特别是人工神經網絡（artificial neural networks）、機器視覺（machine visual）、機器學習操作（machine learning operations，簡稱MLOps）等功能）從事加速的微處理器或計算硬件系統。

【18】是指輸入大量未經篩選、監督的數據，通過數據本身的結構或者特性，由機器建構出不同的标簽（pretext），然後即可再以類似監督學習的方式進一步從事訓練。

【19】是指使用大量的未标記數據，以及同時使用标記數據來進行模式識别的工作。

【20】參見Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, and Illia Polosukhin, Attention Is All You Need, paper presented at the 31st Conference on Neural Information Processing Systems (NIPS 2017), available at https://papers.nips.cc/paper_files/paper/2017/hash/3f5ee243547dee91fbd053c1c4a845aa-Abstract.html。谷歌公司另外還使用了所謂的“混合專家模型”（Mixture of Experts architecture，簡稱MoE，也稱爲“多專家模型”）作爲替代，通過門控（gating）将單一個任務空間劃分爲多個子任務，再由多個專家網絡（子模型）分别處理特定的子任務，最終得到整體的預測結果。參見Noam Shazeer, Azalia Mirhoseini, Krzysztof Maziarz, Andy Davis, Quoc Le, Geoffrey Hinton, and Jeff Dean, Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer, paper presented at the 5th International Conference on Learning Representations (ICLR 2017), arXiv:1701.06538 [cs.LG], available at https://arxiv.org/abs/1701.06538。

【21】參見Ling Yang, Zhilong Zhang, Yang Song, Shenda Hong, Rusheng Xu, Yue Zhao, Wentao Zhang, BinCui, and Ming-Hsuan Yang, Diffusion Models: A Comprehensive Survey of Methods and Applications, arXiv:2209.00796v10 [cs.LG] (23 March 2023), available at https://arxiv.org/pdf/2209.00796 (manuscript submitted to Association for Computing Machinery (ACM))。馬爾可夫鏈（Марков/Markov chain），是根據概率分布，讓系統可以從一個狀态改變到另一個狀态，也可以保持當前的狀态。

【22】Harry J. Holzer, Understanding the Impact of Automation on Workers, Jobs, and Wages, Brookings Institution Commentary, January 19, 2022, available at https://www.brookings.edu/articles/understanding-the-impact-of-automation-on-workers-jobs-and-wages/; The Stages of Industrial Revolution and Its Impact on Jobs, February 20, 2020, available at https://www.accountancysa.org.za/the-stages-of-industrial-revolution-and-its-impact-on-jobs/.

【23】Scaruffi, 同前注16。

【24】英文“common sense”一般直譯爲“常識”，字面上有“共通感知”的意思。《韋氏辭典》的定義是“根據對一個情況或事實的簡單觀感所得到的合理與審慎判斷”（sound and prudent judgment based on a simple perception of the situation or facts），且無須複雜或特殊知識，以平均、可信賴的能力來評斷。參見Merriam-Webster Dictionary, available at https://www.merriam-webster.com/dictionary/common%20sense。

【25】王藝璇，【專訪】皮埃羅·斯加魯菲：人工智能并不“智能”，《中國經濟報告》，2018年7月23日，載于https://www.sohu.com/a/243015946_485176。

【26】Girl with AI earrings sparks Dutch art controversy, Economic Times (ET) Telecom.com, March 10, 2023, available at https://telecom.economictimes.indiatimes.com/news/girl-with-ai-earrings-sparks-dutch-art-controversy/98543707（莫瑞泰斯皇家美術館于2022年下半年發起了一項名爲“我的珍珠女孩”（My Girl with a Pearl）的活動，向各界征集作品來暫時填補原作空出的位置。結果共收到3,482件作品，并從中挑選了5件輪流展出，這是其中之一。參加活動的作者年齡從3到94歲不等，有的把“女孩”形塑爲一個恐龍，有的是一隻寵物，也有的是一件水果）。

【27】據報道，安那多爾一共使用了該博物館收藏的18萬件藝術品和38萬個圖像作爲機器深度學習的對象和基礎，再通過其本人設計的模型生成了用于特展的所有動态作品顯示。安那多爾最早是于2016年在一個名爲“野性檔案”（Feral File）的平台上運用人工智能技術開創了一個稱爲“機器幻覺”（Machine Hallucinations）的系列創作，并于2021年首次在該平台上公開發行了“無人監督”的數字作品（使用的是英偉達的桌上型人工智能超級計算機（Nvidia DGX Station A100）加上若幹不同商用軟件的組合）。參見Kyle Barr, Latest MoMA Exhibit Is an AI-Generated Swirling Hallucination of Other Museum Art, Gizmodo, November 18, 2022, available at https://gizmodo.com/moma-art-museum-ai-ai-art-generator-refik-anadol-1849800994。

【28】Christopher T. Zirpoli, Generative Artificial Intelligence and Copyright Law, Congressional Research Service Legal Sidebar (Updated May 11, 2023), at 3 (quoting a statement of the Patent and Trademark Office).

【29】17 U.S.C. §107.

【30】Campbell v. Acuff-Rose Music, Inc., 510 U.S. 569 (1994); Google LLC v. Oracle America, Inc., 593 U.S. ___, 141 S. Ct. 1183, 209 L. Ed. 2d 311 (2021); Andy Warhol Foundation for the Visual Arts, Inc. v. Goldsmith, 598 U.S. ___ (2023).

【31】The Authors Guild, Inc. v. Google, Inc., 804 F.3d 202 (2d Cir. 2015).

【32】這個名稱顯然取自英語裏的名言：“To wear my heart on my sleeve”。表面的意思是，如果自己的衣服袖子上粘貼了什麽，那麽誰都可以看得到。所以這是描述一個人容易流露自己的感情，也就是“情感外露”。另也可表示，如果一個人把對某事或人的想法和感受外露，他人就很可能趁機來占便宜或欺負那個人，于是“情感外露”便成了一個弱點。這句話可能源自中世紀的武士以馬槊比武（jousting）時在自己盔甲覆手的袖片上标志要把自己的勇氣和勝利獻給何人（通常是一位女士）。莎士比亞的戲劇作品《奧賽羅》（Othello）首次将這個表述記錄了下來。William Shakespeare, The Tragedy of Othello, the Moor of Venice, Act 1, Scene 1, Line 70.

【33】Laura Snapes, AI Song Featuring Fake Drake and Weeknd Vocals Pulled from Streaming Services, The Guardian, 18 April 2023, available at https://www.theguardian.com/music/2023/apr/18/ai-song-featuring-fake-drake-and-weeknd-vocals-pulled-from-streaming-services.

【34】同上注。由40個涵蓋了音樂發行領域的各個主要權利人團體于2023年3月16日在“西南偏南”（South By Southwest或SXSW）的年度音樂盛會期間決議展開一個“人類藝術活動”（Human Artistry Campaign），其中包括組建一個全新的娛樂産業聯盟（Entertainment Industry Coalition），并揭橥了這7個針對處理涉及人工智能的核心原則。其中最重要的是，要求必須在使用到任何涉及有著作權的作品、專業表演者的聲音與肖像等必須經過許可、授權并且合規；政府不應創設新的著作賦權或責任免除從而讓人工智能的開發者未經許可或不支付費用對作品等從事利用。詳見Kristin Robinson, How Should Artists Face AI? Entertainment Industry Coalition Releases 7 Principles to Support ‘Human Creativity’, Billboard, March 16, 2023, available at https://www.billboard.com/pro/ai-creative-works-principles-artist-groups/。

【35】公開信是緻開放人工智能研究中心（OpenAI）、字母表公司（Alphabet, Inc.，谷歌公司（Google, Inc.）的母公司）、元平台控股公司（Meta Platforms, Inc.，原臉書公司（Facebook））、穩定叠代人工智能公司（Stability AI）、國際商用機器公司（International Business Machines Corporation，簡稱IBM）和微軟公司（Microsoft Corporation）等6家企業的總裁或首席行政官（Chief Executive Officer, CEO）。關于信函的全文與簽名連署，參見The Authors Guild, Open Letter to Generative AI Leaders, available at https://authorsguild.org/app/uploads/2023/07/Authors-Guild-Open-Letter-to-Generative-AI-Leaders.pdf。

【36】The Authors Guild, More than 10,000 Authors Sign Authors Guild Letter Calling on AI Industry Leaders to Protect Writers, Press Release, July 18, 2023, available at https://authorsguild.org/news/thousands-sign-authors-guild-letter-calling-on-ai-industry-leaders-to-protect-writers/.

【37】Complaint, Tremblay v. OpenAI, Inc., Case No. 4:2023cv03223 (N.D.Ca June 28, 2023).

【38】同上注。

【39】Electronic Communications Privacy Act (a/k/a ECPA), Pub. L. 99–508, 100 Stat. 1848, codified at 18 U.S.C. §§ 2510, et seq.

【40】Counterfeit Access Device and Computer Fraud and Abuse Act, as Ch. 21 of the Comprehensive Crime Control Act of 1984, §2101, Pub. L. 98–473, 98 Stat. 1976, 2190, codified at 18 U.S.C. §1030.

【41】California Invasion of Privacy Act (a/k/a CIPA), codified at California Penal Code §631.

【42】California Business and Professions Code §§ 17200, et seq.

【43】Complaint, P.M. et. al. v. OpenAI LP, Case No. 3:23-cv-03199 (N.D. Ca. June 28, 2023).

【44】Complaint, Getty Images (U.S.), Inc. v. Stability AI, Inc., Case No. 1:23-cv-00135-UNA (D.De. February 3, 2023). 此種解說也稱爲“元數據”（Metadata），或中介數據、中繼數據、诠釋信息等，是描述數據的數據（data about data），主要是描述數據屬性（property）的信息，用來支持如指示存儲位置、曆史數據、資源查找、文件記錄等功能。

【45】聯邦第二和第九巡回上訴法院已分别在兩個牽涉到同一原告的案件中一緻認爲，作爲銷售和收付代理的相片圖庫，除非作者（著作權利人，推定爲攝影師）在協議中将著作權一并轉讓或給予獨占許可，圖庫方面僅憑借該代理協議還不足以具備訴訟資格。參見DRK Photo v. McGraw-Hill Global Education Holdings, LLC, 870 F.3d 978 (9th Cir. 2017), cert. denied, 138 S.Ct. 1559 (2018)；John Wiley & Sons, Inc. v. DRK Photo, 882 F.3d 394 (2d Cir. 2018), cert. denied, 139 S.Ct. 237 (2018)。

【46】Complaint, Andersen v. Stability AI, Ltd., Case No. 3:23-cv-00201 (N.D.Ca. January 13, 2023).

【47】Blake Brittain, US Judge Finds Flaws in Artists' Lawsuit Against AI Companies, Reuters, July 19, 2023, available at https://www.reuters.com/legal/litigation/us-judge-finds-flaws-artists-lawsuit-against-ai-companies-2023-07-19/.

【48】美國的司法實踐要求，欲證明侵害了著作權利人的複制權，原告（權利人或其獨占被許可人）必須舉證被告“實際複制”（actually copied）了原告的作品，并與原告受著作權保護的部份或元素“實質近似”（substantially similar）。參見Boisson v. Banian, Ltd., 273 F.3d 262 (2d Cir. 2001); Concrete Machinery Co. v. Classic Lawn Ornaments, Inc., 843 F.2d 600, 606 (1st Cir.1988); Sturdza v. United Arab Emirates, 281 F. 3d 1287 (D.C. Cir. 2002)。目前已有初步的實證調研顯示，從Stable Diffusion系統從事有限的随機取樣（2千萬個圖像）當中，擴散模型的确能夠從“深度學習”的素材當中複制高清（high-fidelity）的内容，但并非如本案原告所主張的，其所有的生成輸出都構成侵權。參見Gowthami Somepalli, Vasu Singla, Micah Goldblum, Jonas Geiping, and Tom Goldstein, Diffusion Art or Digital Forgery? Investigating Data Replication in Diffusion Models, arXiv:2212.03860v3 [cs.LG] (12 December 2022).

【49】Complaint, J. Doe 1 v. GitHub, Inc., Case No. 22-cv-06823 (N.D. Ca. November 3, 2022).

【50】詳見GitHub Pages, History of GitHub, contained in Git and GitHub Tutorial, available at https://pslmodels.github.io/Git-Tutorial/content/background/GitHubHistory.html；GitHub, Wikipedia, available at https://en.wikipedia.org/wiki/GitHub。

【51】GNU是個非營利組織，其名稱是個“文字遊戲”，是指“GNU’s Not UNIX”，也是個遞歸或遞回的定義（recursion definition，使用被定義對象的自身來爲其下定義（或自我複制的定義））的首個字母縮寫。它的發音是“guh-new”，與牛羚角的發音相同。由其開發出的開源（open source）許可協議現已成爲業内通過此種開源方式從事軟件開發的一個重要依據。UNIX是1969年由貝爾實驗室（Bell Laboratories）開發出的一套能讓多重使用者同時從事多重任務（multitasking）的操作系統。LGPL是GNU Lesser General Public License的縮寫，可譯爲“較寬松公共許可協議”或者“函數庫公共許可協議”。坊間經常把license譯爲“許可證”，不但錯誤且具誤導性。

【52】Order Granting in Part and Denying in Part Motions to Dismiss, J. Doe 1 v. GitHub, Inc., Case No. 22-cv-06823 (May 11, 2023).

【53】Metro-Goldwyn-Mayer Studios, Inc. v. Grokster, Ltd., 545 U.S. 913 (2005); Sony Corporation of America v. Universal City Studios, Inc., 464 U.S. 417 (1984).

【54】同上注。

【55】Mia Sato, Drake’s AI Clone Is Here — And Drake Might Not Be Able to Stop Him, The Verge, May 1, 2023, available at https://www.theverge.com/2023/5/1/23703087/ai-drake-the-weeknd-music-copyright-legal-battle-right-of-publicity.

【56】Restatement of Unfair Competition (Third) § 46 (1995).截至2020年9月底，美國共有35個州正式承認這項權利；其中有24個州是通過成文立法，22個州是通過普通法（common law，即司法案例），13個州是以某種兩者的組合或兼而有之的方式給予認可。參見Mark Roesler and Garrett Hutchinson, What’s in a Name, Likeness, and Image? The Case for a Federal Right of Publicity Law, American Bar Association (ABA) Landslide (September/October 2020), available at https://www.americanbar.org/groups/intellectual_property_law/publications/landslide/2020-21/september-october/what-s-in-a-name-likeness-image-case-for-federal-right-of-publicity-law/。

【57】Roesler and Hutchinson，同上注。

【58】與英國、加拿大等采取普通法的國家可由法院直接發布不針對特定被告的所謂“某甲禁令”（“John Doe” Order，即被告身份不明）不同，美國聯邦民事訴訟程序原則上禁止對身份尚未确定的被告發布暫時禁制令（preliminary injunction）。隻有在非常例外且緊急的情況下（如既有的證據明确顯示如不立即簽發将導緻立即且無可彌補的損害等），法院可以考慮發布一個“暫時限制令”（Temporary Restraining Order，簡稱TRO），但原則上爲期不超過14天（必要時基于正當理由可以延展），而且必須盡速、優先召開關于應否發布暫時禁制令的聽證。參見Federal Rules of Civil Procedure §65(b)。

【59】U.S. Copyright Office Copyright Review Board, Second Request for Reconsideration for Refusal to Register A Recent Entrance to Paradise (Correspondence ID 1-3ZPC6C3; SR # 1-7100387071), February 14, 2022, at 3, available at https://www.copyright.gov/rulings-filings/review-board/docs/a-recent-entrance-to-paradise.pdf.

【60】Burrow-Giles Lithographic Co. v. Sarony, 111 U.S. 53 (1884)（聯邦最高法院在本案首次面臨到由一個當時的新發明 —攝影機— 呈現的結果是否仍可獲得著作權的保護，尤其是一個通過機械的感光把外部實況予以記錄下來的呈現是否構成當時著作權法所規定，由一個“作者”（author）所“撰寫”（writing）的作品。法院認爲，攝影師仍然從事了背景的鋪排、采光投影、當事人的服飾與擺出的姿态等等各種的設計與搭配，因此符合了對于獨創性的要求和“作者”的身份，藉助攝影機等器材的協助從事對特定人像的“撰寫”或描繪。這個案件是關于名作家和詩人奧斯卡‧王爾德（Oscar Wilde, 1854-1900）的一幀沙龍照）。

【61】Copyright Office, Letter of February 21, 2023 on Zarya of the Dawn (Registration # VAu001480196).

【62】U.S. Copyright Office, Compendium of U.S. Copyright Office Practices (3rd ed. 2017) §313.2。

【63】同上注，2021年更新版。新增的文句是：“…the Office will not register works produced by a machine or mere mechanical process that operates randomly or automatically without any creative input or intervention from a human author. The crucial question is “whether the ‘work’ is basically one of human authorship, with the computer [or other device] merely being an assisting instrument, or whether the traditional elements of authorship in the work (literary, artistic, or musical expression or elements of selection, arrangement, etc.) were actually conceived and executed not by man but by a machine”。

【64】Library of Congress, Copyright Office, Copyright Registration Guidance: Works Containing Material Generated by Artificial Intelligence, 88 Federal Register 16190 (March 16, 2023).

【65】U.S. Copyright Office, Copyright Office Launches New Artificial Intelligence Initiative, NewsNet Issue No. 1004 (March 16, 2023), available at https://www.copyright.gov/newsnet/2023/1004.html.

【66】塞勒已在全球19個國家和地區提出申請或上訴，試圖讓其設計的人工智能工具（即“創作機器”和/或另一個稱爲DABUS的關聯系統，是“統一感知自動導引裝置”（Device for the Autonomous Bootstrapping of Unified Sentience）的簡稱）成爲著作權的“作者”或“共同作者”以及專利權的“共同發明人”。截至2023年8月底，隻有DABUS獲得了南非的專利權，其馀的申請都遭到駁回并在上訴之中。由于南非沒有對專利申請的實質審查，因此該授權在實質上恐怕不會具有如何的影響力，也将難以被其他國家或地區接受。參見The Artificial Inventor Project, Patents and Applications, available at https://artificialinventor.com/patent-applications/。其以人工智能做爲“發明人”在美國提出的發明專利申請已遭到美國專利商标局（U.S. Patent and Trademark Office）的核駁并經法院判決确定（聯邦最高法院已于2023年4月24日駁回其再審請求）。參見Thaler v. Vidal, 43 F.4th 1207 (Fed. Cir. 2022), cert. denied, 598 U.S. ___ (2023)。

【67】Memorandum Opinion, Thaler v. Perlmutter, Case No. 22-1564 (BAH)(D.D.C. August 18, 2023).本案名義上的被告是美國版權局的現任局長希拉‧波爾馬特（Shira Perlmutter, 1956 -）女士。

【68】Zachary Small, As Fight Over A.I. Artwork Unfolds, Judge Rejects Copyright Claim, New York Times, August 23, 2023, at C4, available at https://www.nytimes.com/2023/08/21/arts/design/copyright-ai-artwork.html.

【69】國内文獻常把此一司法處置按照字面錯譯爲“簡易判決”，實際上既不簡也更不易。依據《聯邦民事訴訟規則》第56條，如果一方當事人在庭審中能顯示，雙方在全案的重要事實方面不存在真正的争議（no genuine dispute as to any material fact，通常是因爲對方未能針對真正的關鍵問題舉證或舉證不足），縱使庭審程序尚未結束，法院即應根據該當事人的聲請依法迳行判決（as a matter of law），不需等到整個程序結束。參見Federal Rules of Civil Procedure §56(a)。

【70】同前注60。

【71】H.R. Rep. No. 94-1476, at 51 (1976).

【72】Urantia Foundation v. Maaherra, 114 F.3d 955 (9th Cir. 1997).

【73】Sam Ricketson, People, or Machines: The Berne Convention and the Changing Concept of Authorship, Horace S. Manges Lecture, 16 Columbia-VLA J. L. & Arts 1 (1991-1992). 本文作者裏基森現爲澳大利亞墨爾本大學（Universities of Melbourne）法學院的退休教授。其與哥倫比亞大學法學院簡‧金斯伯格教授（Jane Ginsburg）合著的《國際版權與鄰接權-伯爾尼公約及公約以外的新發展》（International Copyright and Neighbouring Rights: The Berne Convention and Beyond, London, U.K.: Oxford University Press, 2nd ed. 2005）是研究《伯爾尼公約》和後續國際著作權保護體系的經典（或權威）之作（該書的中文版是由郭壽康教授等翻譯，中國人民大學2016年出版）。

【74】U.S. Patent and Trademark Office, Public Views on Artificial Intelligence and Intellectual Property Policy (October 2020), at 20-21.本文摘錄并綜合了來自諸如美國律師協會知識産權組（American Bar Association Intellectual Property Law Section）、公共知識（Public Knowledge）、知識産權所有人協會（Intellectual Property Owners Association）等等多個專業組織提出的反饋意見。

【75】International Intellectual Property Alliance (IIPA), Copyright Industries in the U.S. Economy 2022 Report (December 2022), at 8.

【76】同前注74，第21頁（摘錄自作家協會（the Authors Guild, Inc.）的反饋意見第5頁）。

【77】同上注（摘錄自信息技術及創新機金會（Information Technology and Innovation Foundation, ITIF）的反饋意見第4頁）。

【78】Christa Laser, How A Century-Old Insight of Photography Can Inform Legal Questions of AI-Generated Artwork, Technology & Marketing Law Blog, August 2, 2023, available at https://blog.ericgoldman.org/archives/2023/08/how-a-century-old-insight-of-photography-can-inform-legal-questions-of-ai-generated-artwork-guest-blog-post.htm.

【79】同前注60。

【80】Michael Kasdan and Brian Pattengale, A Look At Future AI Questions For The US Copyright Office, Law360, November 10, 2022, available at https://g2bswiggins.wpenginepowered.com/wp-content/uploads/2022/11/Law360-A-Look-At-Future-AI-Questions-For-The-US-Copyright-Office.pdf#page=7.

【81】17 U.S.C. §501(b)（其原文爲：“The legal or beneficial owner of an exclusive right under a copyright is entitled, subject to the requirements of section 411, to institute an action for any infringement of that particular right committed while he or she is the owner of it….”）。

【82】Mark Perry and Thomas Margoni, From Music Tracks to Google Maps: Who Owns Computer-generated Works?, 26 Computer Law & Security Review 621 (2010).

【83】其原文爲：“3. Content (a) Your Content. You may provide input to the Services (“Input”), and receive output generated and returned by the Services based on the Input (“Output”). Input and Output are collectively “Content.” As between the parties and to the extent permitted by applicable law, you own all Input. Subject to your compliance with these Terms, OpenAI hereby assigns to you all its right, title and interest in and to Output. This means you can use Content for any purpose, including commercial purposes such as sale or publication, if you comply with these Terms. OpenAI may use Content to provide and maintain the Services, comply with applicable law, and enforce our policies. You are responsible for Content, including for ensuring that it does not violate any applicable law or these Terms” [Emphasis added]。參見OpenAI, Terms of Use (Updated March 14, 2023), available at https://openai.com/policies/terms-of-use。

【84】其原文是：“The question of whether Machines Can Think, a question of which we now know that it is about as relevant as the question of whether Submarines Can Swim.”參見prof. dr. Edsger W. Dijkstra, The Threats to Computing Science, Keynote Speech, delivered at the Association for Computing Machinery (ACM) 1984 South Central Regional Conference (November 16–18, Austin, Texas), text available at https://www.cs.utexas.edu/users/EWD/transcriptions/EWD08xx/EWD898.html。

【85】參見Piero Scaruffi，《智能的本質：人工智能與機器人領域的64個大問題》，同前注16，第23章（2918年版）（作者表示，常識是另一個欠缺的要素。人類會很自然地運用多種不同無法歸納的形式進行推導，因此無法具體明确。一般而言，人們很善于對數學演算從事“合情推理”（或“似真推理”）而不是數學家們使用的“确定推理”。對于許多問題去尋求具體明确的答案往往是沒有意義的：需要耗費太多的時間（尤其無法及時反應一個突發或緊急的情況）。其原文爲：“Common sense, besides learning, was another missing ingredient. Humans employ naturally several forms of inference that are not deduction, and therefore are not exact. In general, we specialize in ‘plausible reasoning’, not the ‘exact reasoning’ of mathematicians. Finding exact solutions to problems is often pointless: it would take too long….”）；另參見前注25。

【86】其中的曆史發展、争議與後續影響，可參見拙著，論數據相關的權利保護和問題，《知識産權研究》第28卷（2022年3月），第3-90頁。

【87】Fixtures Marketing Ltd v. Oy Veikkaus AB, [2005] ECDR 2, [44] (ECJ)(C-46/02, 9 November 2004), Fixtures Marketing Ltd v. Svenska Spel AB (C-338/02, 9 November 2004); British Horseracing Board Ltd v. William Hill, [2005] E.C.R. 1, [80](ECJ 2004) (C-203/02, 9 November 2004); Fixtures Marketing Ltd v. OPAP (C-444/02, 9 November 2004).

【88】European Commission, First Evaluation of Directive 96/9/EC on the Legal Protection of Databases, DG of Internal Market and Services Working Paper (12 December 2005); Evaluation of Directive 96/9/EC on Legal Protection of Databases, Commission Staff Working Document, SWD(2018) 146 final (25 April 2018).

【89】Ezra Klein, The Imminent Danger of A.I. Is One We’re Not Talking About, New York Times, February 26, 2023, available at https://www.nytimes.com/2023/02/26/opinion/microsoft-bing-sydney-artificial-intelligence.html；《紐約時報》中文版譯稱“人工智能真正的恐怖之處”，2023年3月1日，載于https://cn.nytimes.com/opinion/20230301/microsoft-bing-sydney-artificial-intelligence/。

【90】同上注。