AI大模型训练使用版权作品，如何界定“转换性使用”以避免侵权？

蓝典信安 · AI合规服务中心，专注于为企业提供一站式AI合规咨询及治理服务，提供涵盖算法备案、数据安全与伦理审查等全面的合规咨询、评估与审计服务，量身定制内部治理体系与合规流程，致力于将复杂法规转化为清晰指南，助您高效规避AI合规风险，确保您的AI创新业务在合规上行稳致远。合作邮箱：AI@LD-SEC.com

随着人工智能技术的飞速发展，海量的版权作品成为训练大模型不可或缺的“数据养料”。然而，未经许可将这些作品投入训练，是否构成版权侵权？这一全球性争议的核心，便在于对“转换性使用”这一法律原则的认定。本文将深入剖析“转换性使用”在AI训练场景下的认定标准与法律边界，为开发者的合规实践提供指引。

一、 “转换性使用”：合理使用制度中的关键天平

“转换性使用”并非一个独立的法律权利，而是源自美国版权法“合理使用”四要素判断标准中的第一个要素——“使用的目的和性质”。它已被全球众多司法实践（包括中国在审理相关案件时的借鉴性考量）所认可。其核心在于判断新作品是否仅仅“替代”了原作，还是通过增加新的表达、意义、视角或功能，赋予了原作新的价值。简单来说，是从“复制”到“转化”的质变。

在AI大模型训练的语境下，这一原则被赋予了新的内涵：使用作品的目的并非为了欣赏或传播其内容本身，而是将其作为训练AI模型的“数据样本”。

二、 认定AI训练“转换性使用”的四大关键因素

如您所述，司法实践中通常会综合考量以下四个因素，进行全局性判断：

1. 使用目的与性质：从“表达性使用”到“分析性使用”的转变
这是认定“转换性”最具决定性的因素。

• 转换性体现：AI训练的目的是从海量作品中提取抽象的规律、模式、语法结构和风格特征，以构建模型的认知和能力。这个过程并非为了再现原作的审美或叙事体验，而是将其作为分析和学习的素材。例如，用千万篇小说训练模型理解“什么是故事结构”，而非记忆“某部小说的具体情节”。这种从人类可读的“表达”到机器可读的“特征与模式” 的转化，是主张“转换性”最有力的论据。

• 商业性质的复杂性：即使训练行为最终服务于商业目的，法院也越来越倾向于认为，具有高度“转换性”的商业使用仍可构成合理使用。关键在于商业性并非一票否决项，而是需要与其他因素（尤其是市场影响）结合权衡。

2. 被使用版权作品的性质：事实与虚构的差异

• 事实性作品：如新闻、学术论文、百科全书等，其包含的事实信息本身不受版权保护。从这类作品中提取思想和事实用于训练，更容易被认定为具有转换性和合理性。

• 虚构性作品：如小说、诗歌、绘画、音乐等，其核心价值在于独特的创造性表达。使用时必须严格区分“学习其风格思想”与“复制其具体表达”。若模型输出与训练数据中的虚构性表达（如独特的人物设定、核心情节桥段）构成实质性相似，则会极大削弱“转换性”的主张。

3. 被使用部分的数量和实质性：为达成目的的必要性

• “完整使用”的必要性：与人类学习不同，AI模型为了准确捕捉统计规律，往往需要摄入完整作品。法院可能会理解，为实现“学习抽象规律”这一转换性目的，完整使用可能是技术上必要的。因此，单纯“使用了完整作品”不一定构成“过度使用”，关键在于这种使用的量是否为达成转换性目的所必需。

• “实质性”的考量：即使使用了全部作品，但如果模型学习的是非实质性的、边缘性的部分，或其输出并未提取原作的实质性核心表达，则对认定“转换性使用”更为有利。

4. 对原作品潜在市场或价值的影响：最终的试金石
这是合理使用分析中至关重要的因素。

• 市场替代效应：如果AI模型生成的内容能够直接替代原作品（例如，用户可以直接让模型生成与某畅销作家风格、情节类似的故事，从而不再购买该作家的新书），则对原作品的市场构成了直接损害，几乎不可能被认定为合理使用。

• 潜在市场与新市场：法院还会考量这种行为是否会损害原作衍生市场（如改编市场），或是否侵占了版权人本可开发的潜在市场（如与AI公司合作进行授权的市场）。如果训练行为并未侵蚀原作现有和潜在市场，甚至开辟了新的应用领域，将有利于“转换性使用”的认定。

三、 实务建议与风险防范

鉴于全球司法实践仍在发展中，开发者在进行数据训练时应采取审慎的合规策略：

1. 数据来源与记录管理：优先使用开源、已获授权或公有领域的数据。建立完善的数据溯源记录，以便在发生争议时证明训练数据的合法来源和训练过程的转换性质。

2. 输出内容的过滤与监控：建立技术机制，防止模型在生成内容中对特定受版权保护的表达进行“记忆”并输出近似副本。

3. 关注立法与判例动态：密切关注国内外（如欧盟《人工智能法案》、中国相关司法解释、美国典型案例）的最新法律进展，及时调整合规框架。

结语

对AI大模型训练中“转换性使用”的认定，本质上是技术创新与版权保护之间的一场精密平衡。它绝非一个非黑即白的简单问题，而是需要在具体案例中，综合考量训练目的、作品性质、使用程度及市场影响后作出的司法判断。对于开发者而言，深刻理解这一原则的精神内核，并在实践中采取积极、审慎的合规措施，是在AI浪潮中行稳致远的关键。