人工智能发展不能忽视数据保护

人工智能作为新一轮科技革命的核心技术，已经成为推动科技创新和经济发展的关键因素。“在政策和市场的双重推动下，中国人工智能产业进入高速发展阶段，技术红利快速释放，创新成果不断涌现，应用领域日益拓展。其中，人工智能发展与数据保护的关系，是确保人工智能符合国家利益、公共利益，促进技术和经济可持续发展的重要议题。”北京己任律师事务所合伙人赵克峰在日前举办的全球视角下AI数据训练中的版权和竞争利益冲突研讨会上表示，庞大的训练数据是人工智能模型生成理想结果的基础，但企业在应用过程中一定要重视预防数据风险。

赵克峰举例说，2023年6月，两名作家在美国加州北区法院，对OpenAI公司发起了版权集体诉讼，指控其未经授权就利用他们享有版权的图书训练ChatGPT，谋取商业利益。2023年7月，两位美国作家对ChatGPT母公司OpenAI提起诉讼，声称OpenAI在没有获得版权授权的情况下，就利用他们的作品来训练其人工智能。对于文学创作者来说，如果将自己的作品许可给大规模语言模型进行AI训练，AI生成物可能与其自身作品存在相似度，从而导致低质量的AI作品大量出现，形成对文学作品市场的挤占。

“该案件中，法院对‘合理使用’规则进行了进一步解读，认为作家们需要充分证明他们的书与ChatGPT输出的内容之间存在‘实质性的相似’，否则就在‘合理使用’的范围内。”赵克峰表示，该案体现了法院对AI技术发展一定程度上的鼓励。同时法院对类案进行合并审理，有利于统一裁量标准，也降低了作者的举证难度。中国权利人可以借鉴这种方式，共同联合起来主张中文语料的版权和数据权益，或参与塑造AI训练数据的使用规则。

赵克峰还对欧洲、日本等地的人工智能数据训练保护问题进行了介绍。在欧洲，一些国家、地区规定在数据集上训练AI模型，构成数据挖掘。未经作者同意的情况下，禁止数据挖掘。出于科学或商业目的的数据挖掘需要保证实体具有合法访问权限，权利持有人未禁止机器读取其相关作品。在日本，允许AI学习和分析公开的版权材料，无须取得版权持有人的同意，但必须保证不会对相关市场产生实质性影响，也不会侵犯版权持有人的利益。

赵克峰建议企业及时对自身作品进行版权登记，采用加密、访问控制等技术以防作品被AI轻易抓取。如果条件允许，可以使用数字水印、内容识别等手段，持续监控作品的使用情况。一旦发现侵权行为，可通过发送侵权通知、律师函、提起民事诉讼的方式，保护版权。如果遇到举证难题，可以针对著作权侵权行为或数据抓取行为，起诉为大语言模型提供训练数据支持的平台，从而获得权利的有效保护。