合理使用不足：Bibas 法官在 Thomson Reuters 诉 ROSS 案中驳回 AI 训练数据辩护
快速阅读: 据《JD Supra》最新报道，在美国特拉华州地区法院，法官斯蒂芬诺斯·比巴在处理一起AI版权诉讼案时，改变了先前的立场，否定了AI公司依赖“合理使用”辩护的权利。该案件涉及ROSS智能公司使用来自Westlaw的受版权保护内容训练AI系统，被汤姆森路透起诉。比巴法官强调，本案的关键在于是否构成“转换性使用”，并认为这主要是一个法律问题。此裁决可能迫使AI公司寻求版权许可，从而改变它们获取训练数据的方式。
合理使用——版权法中一项在未经许可情况下允许有限使用受版权保护材料的关键辩护，在人工智能（AI）版权诉讼浪潮中成为了一个关键战场。美国特拉华州地区法院法官斯蒂芬诺斯·比巴在对之前立场的重大修正中，通过禁止AI公司依赖这一辩护，对其造成了打击。合理使用在版权法中起到了安全阀的作用，允许出于批评、评论、新闻报道、教学、学术研究或科研目的而使用受版权保护的作品。法院通过四个标准来评估合理使用，特别强调使用的转换性质以及它如何影响受版权保护作品的市场。案件起源于汤姆森路透企业中心有限公司起诉ROSS智能公司，指控ROSS智能公司使用来自Westlaw（法律研究平台的摘要和专有分类系统）的内容来训练一个AI驱动的法律研究竞争对手。ROSS智能公司最初试图获得Westlaw内容的许可，但当汤姆森路透拒绝后，它转向了一家第三方公司LegalEase Solutions。LegalEase创建了大约25,000个法律问答对，据称源自Westlaw的受版权保护内容，然后ROSS智能公司用这些数据训练其AI系统。2023年9月，比巴法官驳回了汤姆森路透关于合理使用的简易判决动议，认为这个问题高度依赖事实，并需要陪审团的裁决。他特别强调了ROSS智能公司的使用是否具有转换性以及它如何影响潜在市场的事实争议。然而，2024年8月，比巴采取了不寻常的步骤，继续预定的审判并邀请重新提交简易判决的简报。他的意见代表了一个戏剧性的转变，明确承认他“之前的判决错误地认为我必须将这一因素提交给陪审团”。尽管合理使用涉及法律和事实的混合问题，比巴认识到此案的最终决定“主要涉及法律工作”。比巴罕见地邀请重新提交简报是因为他深入研究合理使用原则后意识到，他之前的裁决给予了事实争议过多的权重，并没有充分考虑到法院应如何评估与AI相关的案件中的转换性使用。他不再从ROSS智能公司是否创造了新产品来看待转换性，而是认识到关键问题是ROSS智能公司使用汤姆森路透的内容是否服务于与原作相同的目的。他得出结论，本案中的决定性问题最终是法律问题，适合由法院解决。他的关键分析转变包括拒绝认为ROSS智能公司的使用可能具有转换性仅仅因为它创造了一个“全新平台”的观点。他批判性地指出ROSS智能公司的使用不同于谷歌诉甲骨文案中的复制行为，后者复制Java API代码是为了实现软件程序之间的互操作性。而ROSS智能公司没有类似的技术必要去复制Westlaw的摘要和组织系统。ROSS智能公司本可以开发自己的法律总结和分类方案来训练其AI系统——它只是发现利用汤姆森路透现有的工作更为便捷。“转换性”使用概念是合理使用分析的核心。这一原则最近被最高法院在安迪·沃霍尔视觉艺术基金会诉戈德史密斯一案中重新审视，最高法院显著缩小了第一个合理使用因素下的转换性使用的范围。法院裁定，当两个作品“实质上服务于相同目的”时，即使第二个作品可能添加了“新的表达、意义或信息”，也不能使第一个因素倾向于合理使用。这个分析转换性使用的框架为理解法院如何评估AI公司合理使用辩护提供了重要背景。AI公司一直辩称，他们使用受版权保护材料进行训练数据是因为AI系统学习的是作品中的模式和关系而非复制其表达内容，这从根本上改变了原作的目的和特性。然而，比巴法官的裁决表明，法院可能越来越怀疑这种论点，特别是在生成的AI产品与原作竞争相似市场的情况下。尽管这一裁决对AI公司在版权诉讼中的一个重要辩护构成了打击，合理使用只是这些公司在超过30起待决诉讼中提出的几种辩护手段之一。其他辩护包括版权性、实质性相似性和训练数据使用是否构成复制等问题。合理使用辩护的削弱虽然重要，但并不一定预示这些案件的最终结果。此外，本案涉及一种特别直接的市场竞争形式——一个基于法律内容训练的AI系统与原始法律研究平台竞争。其他涉及不同类型训练数据或AI应用且不直接与源材料竞争的案件可能会有所不同。例如，一个基于文学作品训练生成新闻文章的AI可能更有力地证明其转换性使用，因为最终产品服务于与训练数据根本不同的目的。尽管如此，比巴法官的裁决可能改变AI公司获取训练数据的方式。如果其他法院也遵循他的先例，将合理使用视为主要的法律而非事实判断，这些公司可能会探索与版权持有人签订许可协议——这一过程已有一些公司开始实施。
(以上内容均由Ai生成)
