施小雪｜重塑复制权：生成式人工智能数据训练的合法化路径

本文探讨了生成式人工智能数据训练中复制权的合法化路径。文章指出，生成式人工智能的数据训练面临法律障碍的根本原因是复制权的过度扩张。作者主张通过重塑复制权来解决这一问题，而不是依赖合理使用。文章提出了以“固定性+传播性”的构成要件重新定义复制权，并建议在技术发展的早期阶段，通过施加著作权注意义务来促进平台改进技术控制和内容生成能力。此外，文章还讨论了生成式人工智能在内容输出端的著作权侵权风险，并提出了通过司法解释和阶段性的规则来合法化数据训练中的复制行为。