美國版權(quán)局正在就生成人工智能使用受版權(quán)保護的材料的潛在新規(guī)則征求公眾意見，世界上較大的人工智能公司有很多話要說。我們收集了來自Meta、Google、Microsoft、Adobe、Hugging Face、StabilityAI和Anthropic的論點，以及Apple的回應，重點關(guān)注人工智能編寫的代碼的版權(quán)。
他們的方法存在一些差異，但大多數(shù)人的總體信息是相同的：他們認為他們不應該付費來訓練受版權(quán)保護的作品的人工智能模型。
版權(quán)局于 8 月 30 日開啟征求意見期，并于 10 月 18 日截止日期就其正在考慮的圍繞人工智能模型訓練使用受版權(quán)保護的數(shù)據(jù)、人工智能生成的材料是否可以在沒有人類參與的情況下獲得版權(quán)以及人工智能等方面的變化提出書面意見。版權(quán)責任。去年不乏版權(quán)訴訟，藝術(shù)家、作者、開發(fā)商和公司都在不同案件中指控侵權(quán)行為。
以下是各公司回復的一些片段。
Meta：版權(quán)所有者無論如何也拿不到多少錢
現(xiàn)在實施首創(chuàng)的許可制度，在事后很久，將會造成混亂，因為開發(fā)商試圖識別數(shù)以百萬計的權(quán)利持有者，而幾乎沒有什么好處，因為鑒于考慮到任何公平的特許權(quán)使用費都將非常小，人工智能訓練集中的任何一項工作都是微不足道的。
谷歌：AI訓練就像讀書一樣
如果培訓可以在不創(chuàng)建副本的情況下完成，那么這里就不會有版權(quán)問題。確實是“知識收獲”的行為。用 Harper & Row 法院的比喻來說，就像閱讀一本書并了解其中的事實和想法的行為，不僅不侵權(quán)，而且會進一步實現(xiàn)版權(quán)法的目的。作為一個技術(shù)問題，需要制作副本才能從受版權(quán)保護的作品中提取這些想法和事實，這一事實不應改變這一結(jié)果。
微軟：改變版權(quán)法可能會傷害小型人工智能開發(fā)者
任何需要獲得同意才能將無障礙作品用于培訓的要求都會阻礙人工智能的創(chuàng)新。即使作品及其所有者的身份已知，要達到開發(fā)負責任的人工智能模型所需的數(shù)據(jù)規(guī)模也是不可行的。此類許可計劃還將阻礙初創(chuàng)企業(yè)和沒有資源獲得許可的進入者的創(chuàng)新，將人工智能的開發(fā)留給少數(shù)有資源運行大規(guī)模許可計劃的公司或已擁有大規(guī)模許可計劃的國家的開發(fā)商。認定使用版權(quán)作品訓練人工智能模型不構(gòu)成侵權(quán)。
人擇：現(xiàn)行法律沒問題；不要改變它
健全的政策始終認識到需要對版權(quán)進行適當?shù)南拗?，以支持?chuàng)造力、創(chuàng)新和其他價值觀，我們相信現(xiàn)有法律和所有利益相關(guān)者之間的持續(xù)合作可以協(xié)調(diào)不同的利益攸關(guān)方，釋放人工智能的好處，同時解決問題。
Adobe：這是合理使用，就像 Accolade 復制世嘉代碼一樣
在世嘉訴 Accolade 案中，第九巡回法院認為世嘉軟件的中間復制屬于合理使用。被告在逆向工程中制作了副本，以發(fā)現(xiàn)使游戲與世嘉游戲機兼容的功能要求（未受保護的信息）。這種中間復制也使公眾受益：它導致世嘉游戲機上獨立設計的視頻游戲（其中包含功能和創(chuàng)意方面的混合）數(shù)量的增加。這種創(chuàng)造性表達的增長正是《版權(quán)法》旨在促進的。
Anthropic：復制只是中間步驟
對于克勞德來說，如上所述，訓練過程會復制信息以進行數(shù)據(jù)統(tǒng)計分析。復制只是一個中間步驟，提取整個作品語料庫中不受保護的元素，以創(chuàng)建新的輸出。這樣，對原始版權(quán)作品的使用是非表達性的；也就是說，它不會重復使用受版權(quán)保護的表達方式來將其傳達給用戶。
安德森霍洛維茨：投資者已經(jīng)花費了“數(shù)十億美元”
在過去十年或更長時間里，人工智能技術(shù)的開發(fā)投入了數(shù)十億美元的巨額投資，前提是人們認識到，根據(jù)現(xiàn)行版權(quán)法，提取統(tǒng)計事實所需的任何復制都是允許的。這一制度的改變將嚴重擾亂這一領域的既定預期。這些期望是私人資本對美國人工智能公司進行巨額投資的關(guān)鍵因素，而這反過來又使美國成為人工智能領域的者。破壞這些預期將危及未來的投資以及美國的經(jīng)濟競爭力和國家安全。
抱臉：受版權(quán)保護的材料的培訓屬于合理使用
在訓練中使用特定的工作具有廣泛有益的目的：創(chuàng)建獨特且富有成效的人工智能模型。該模型不是取代初始作品的特定交流表達，而是能夠創(chuàng)建與底層的受版權(quán)保護的表達完全無關(guān)的各種不同類型的輸出。出于這些和其他原因，生成式人工智能模型在訓練大量受版權(quán)保護的作品時通常是合理使用的。然而，我們故意使用“一般”，因為人們可以想象一些事實模式會引發(fā)更嚴厲的呼吁。
StabilityAI：其他國家稱AI模型訓練合理使用
包括新加坡、日本、歐盟、韓國、臺灣、馬來西亞和以色列在內(nèi)的一系列司法管轄區(qū)已經(jīng)改革了版權(quán)法，為人工智能培訓創(chuàng)造安全港，從而達到類似的合理使用效果。” 在英國，首席科學顧問建議“如果的目標是促進英國創(chuàng)新型人工智能產(chǎn)業(yè)，就應該能夠挖掘可用數(shù)據(jù)、文本和圖像（輸入）并利用[原文如此]現(xiàn)有的版權(quán)和知識產(chǎn)權(quán)法對人工智能成果的保護。
蘋果：讓我們對人工智能代碼進行版權(quán)保護
在人類開發(fā)人員控制輸出的表達元素以及修改、添加、增強甚至拒絕建議代碼的決策的情況下，開發(fā)人員與工具交互產(chǎn)生的較終代碼將具有足夠的人類作者權(quán)以受版權(quán)保護。
