跳转至

P1-15.2 版权(copyright)与训练数据(training data)

Section ID: P1-15.2 Version: v2026.07.20

在 P1-15.1 中，我们看过当 AI 结果影响人和社会时，应如何理解偏见(bias)、安全性(safety)、责任(accountability)。接下来问题会更具体：

AI 看起来像是读了很多资料并“学会了”某些模式。
这些资料可能包括书籍、文章、图像、代码、博客。
那么，在 AI 训练或生成过程中，别人的受版权保护作品究竟处于什么位置？

版权(copyright) 并不是 AI 时代才新出现的问题。但生成式 AI(generative AI)让版权问题变得更复杂。人类在书里引用一句短话，和大规模收集数据来做模型训练(training)，并不是同一类问题。

这里不会强行给出最终法律结论，而是从“制作并公开发布一本中文/韩文学习书”的视角，整理哪些概念必须分开看，哪些材料使用应先暂停，哪些依据必须留下。

这里讨论版权与训练数据争议的主要检查点。安全(security)、隐私(privacy)与机密信息泄露，则放到 P1-15.3。

主题 本节要看的问题
版权(copyright) 哪些表达与材料可能受到保护？
引用(quotation) 在书稿正文中，可以使用多少外部文字？
训练数据(training data) 为什么 AI 模型训练使用的材料会引起争议？
生成输出(output) 如果 AI 输出与现有作品太相似，会出现什么问题？
写作规则(authoring rule) 这本书应避免哪些材料使用方式？

这里先以韩国著作权法为主要参照，同时承认：围绕生成式 AI 训练的法律制度与判例，在不同国家仍处于持续发展之中。

分开阅读版权与训练数据的基准

  • 区分版权(copyright)、许可证(license)、出处标示(attribution)、引用(quotation)。
  • 区分想法(idea)、事实(fact)、表达(expression)。
  • 说明为什么书稿正文中的引用，与 AI 的训练数据使用，不是同一个问题。
  • 理解权利人(rightsholder)与 AI 开发者在生成式 AI 训练数据争议中各自主张什么。
  • 说明为什么这本书不应把付费出版物、封闭课程资料、未授权 PDF 作为 AI 输入。

三个基准

基准 为什么重要 本节所需的理解水平
版权主要保护的是表达，而不是想法本身 这能把“参考主题”与“复制句子”区分开。 只要理解成概念本身与具体句子、图表要分开判断即可。
书中的引用与 AI 训练数据使用不是同一问题 这能减少“只要写出处就都没问题”的误解。 只要理解成人在可见正文里引用，和模型大规模学习数据，是不同争点即可。
这本书对资料使用必须采取保守标准 这会直接连到实际写作规则。 只要理解成付费出版物、封闭课程资料、未授权 PDF 不应作为输入即可。

版权保护的是表达

版权并不让人独占一切想法。通常受到保护的，是想法、感受、信息或编排的具体 表达(expression)。

通常较难单独成为保护对象的：
AI 伦理这个主题
“写书时要注意版权”的想法
“设计一个机器学习课程”的点子

可能成为保护对象的：
某本书中的具体句子
某套讲义中的解释结构与图示
某篇文章或专栏使用的表达
某张图片、某个表格、某段代码示例

这对写书很重要。得出“AI 导论里应该谈版权”这种结论，和直接搬运某本书的句子、章节顺序、示例或图表，是完全不同的事。

出处标示(attribution) 很重要，但仅仅写出来源，并不会自动授权一切使用。出处标示可能是合法使用的一个条件，但它不能取代许可(permission)、license，或法律上对引用的要求。

引用与训练数据不是同一类问题

在书稿中短句引用外部资料，与把大规模资料作为 AI 训练数据(training data)，涉及的是不同争点。

区分 书稿中的引用 AI 训练数据使用
出现位置 出现在读者可见的正文中 进入模型训练过程内部
规模 应限制在必要范围内 可能涉及大规模收集与复制
来源可见性 读者可以核对来源 训练数据来源常常不透明
目的 解释、批评、研究、教育辅助 提升模型性能、提供服务、可能商业化使用
主要风险 过度引用、替代原文、缺少出处 未授权复制、市场替代、输出相似、透明性不足

韩国著作权法第 28 条的意思是：为了报道、批评、教育、研究等目的，可以在正当范围内、依照公正惯例引用已经公表的作品。这并不等于一句简单规则：

只要写了出处就都可以

自己的正文仍然必须是主体，被引用部分必须保持从属位置，而且分量不能超过必要范围。

同一部法律的第 35 条之 5 还处理更一般意义上的公正利用。它要求同时考虑：使用目的与性质、作品种类与用途、使用部分的比重与重要性，以及对现有市场或潜在市场的影响。

第 37 条则另外要求，在依这些规定利用作品时应注明出处。所以出处标示当然重要，但“写了出处”并不是万能许可。版权审查不是一个勾选框，而是几个条件一起判断的问题。

因此，审查问题不能被简化成：

只要写了出处就行吗？

还必须同时问：

用了什么材料？
为了什么目的？
用了多少？
以什么方式用了它？

训练数据争议的核心

在生成式 AI 中，训练数据(training data) 是模型用来学习模式的材料。当这些材料包含公开网页、书籍、文章、图像或代码等受版权保护内容时，争议就会出现。

权利人(rightsholder)通常会提出下面这些问题：

权利人视角下的争点 说明
未授权复制(reproduction) 为训练而收集、保存、处理作品，可能构成复制
市场替代(market substitution) AI 输出或服务可能替代原作品需求
透明性(transparency) 很难确认究竟哪些材料被用于训练
输出相似性(output similarity) 生成结果可能与现有作品表达过于接近

AI 开发者或服务提供者则常提出这些主张：

AI 开发者侧主张 说明
变形性使用(transformative use) 主张其目的在于统计模式学习，而不是重发原作品
合理使用(fair use) 在美国法语境下尤为重要的抗辩点
文本与数据挖掘(text and data mining, TDM) 某些司法辖区会讨论研究与分析例外
输出控制(output control) 通过过滤、政策与评估减少过度相似输出

关键在于：这场争议并没有被一个简单答案彻底解决。不同国家、不同材料类型、不同使用目的、不同市场影响、不同输出行为、不同合同和许可证，都会让结论不同。

诉讼与报道告诉了我们什么

《纽约时报》起诉 OpenAI 与 Microsoft 之所以重要，不是因为它已经给出最终法律结论，而是因为它具体提出了：新闻内容未经许可被用于训练，以及生成输出可能替代原始报道的争议。

美国版权局(U.S. Copyright Office)的材料同样有用，因为它们系统整理了围绕 AI 与版权的法律和政策讨论，尤其包括生成式 AI 训练问题。但这些材料并不能直接替代韩国著作权法下的判断。

把生成式 AI 看成一条 供应链(supply chain) 的研究也很有帮助，因为它会把问题拆成：数据收集、模型训练、提示词输入、输出生成、部署、使用。这样就能避免过度简化，例如：

“AI 做的，所以当然没问题”
或
“只要用于训练，就一定构成侵权”

对韩国出版物的写作规则

这本书会作为公开发布的网页书稿，因此必须比私人笔记采取更严格的材料使用标准。

材料类型 本书中的规则
付费教材或电子书 不把原文贴进 AI 工具，也不要求 AI 直接总结原书
未授权扫描件或复制 PDF 不使用
书店目录 不长篇复制，只在主题层面参考
论文与官方文档 核对原文，只引用与主张真正相关的部分
新闻与专栏 用来介绍事件与观点，同时区分事实与解释
图表与图像 未确认许可前不直接复制，必要时自行重绘
代码示例 不直接粘贴外部代码，尽量自写示例

尤其要避免：

按书的章节目次长篇照搬目录
把课堂讲义说明改写得像自己原创
把付费电子书喂给 AI 再变成总结
重用习题集中的题目与答案
只加一个出处，就长段复制新闻正文

本书真正需要的，不是替代原作的摘要，而是参考多个公开资料后，把主题与概念重新组织成适合初学者再学习的结构。

生成结果也必须被审查

一句话即便是 AI 生成的，也不会自动消除版权风险。如果输出和现有作品太相似，或者过度追随某篇文章、某本书、某套讲义的结构，仍可能成为问题。

审查问题 为什么重要
措辞是否与特定原文过于接近？ 这是复制表达的风险
是否过度跟随某本书的目录结构？ 这是选择与编排相似性的风险
是否在没有来源时断言事实？ 这是无依据主张与虚假归因风险
引用部分是否比本书正文更重要？ 这是破坏主从关系的风险
是否足以替代读者查看原作？ 这是市场替代风险

AI 草稿始终需要人工审查。“是 AI 写的”并不会减少责任。

检查清单

  • 能说明版权主要保护的是具体 表达(expression)，而不是想法本身。
  • 能区分出处标示、许可、license 与引用审查。
  • 能说明韩国著作权法第 28 条中的引用要求正当范围与公正惯例。
  • 能说明第 35 条之 5 的公正利用需要把目的、性质、分量与市场影响一起判断。
  • 能说明第 37 条要求注明出处，但出处标示本身并不自动授权一切使用。
  • 能说明书稿中的引用与 AI 训练数据使用是不同问题。
  • 能区分权利人与 AI 开发者在训练数据争议中的主要主张。
  • 能说明诉讼与报道展示的是争议案例，而不是最终法律结论。
  • 能说明为什么付费电子书、未授权 PDF、封闭课程资料不应作为本项目的 AI 输入。
  • 能说明为什么 AI 输出也要审查其是否与既有作品实质性相似。
  • 能把 表达保护、引用审查、训练数据争议、材料使用暂停标准 分开来说明版权审查。

来源与参考资料