楊蓉（主持人）：前段時間，網信辦發布了關于生成式
人工智能管理辦法征求意見搞，引起了業內外對生成式監管的廣泛探討。但大模型的算法本身就是一個黑盒子，監管難度可能會非常高。我們想問，AI時代的版權保護應該保護誰？怎么保護？國外的法律體系是否有可借鑒之處？
黃凱：作為法律背景的人，我認為我們應該直接談論最新的規定。在AIGC領域，我是來學習的，雖然這個場合講繼任比較沉重，但我盡量簡要易懂的介紹我的看法。生成式人工智能的管理規定，是我國非常領先的一項規定，全球范圍內也是如此。這其實跟我國現在的立法技術水平和應用水平都有關系。對于黑箱問題，我們可以從幾個方面來介紹，例如為什么我們要出臺這樣的規定，在法律方面我們該如何看待及關注哪些問題，各個國家法律都是如何規定等等。從法律的角度來看，AIGC的合規問題主要可以概括為三個方面。首先，它的應用場景非常廣泛，這一點在法律上會比較麻煩。AI的應用場景非常廣泛，但涉及到法律問題時可能會觸及到法律規范的邊界。
另外，AI的黑箱問題指的是AI的涌現和自適應特征，這個過程和產生的結果難以用傳統邏輯方法解釋。因此，可能涉及到規則的問題，如行為的責任、內容歸屬和數據依賴性問題等。在版權方面，需要解決的問題包括侵權主體的認定、專利化和制作權的問題，以及可能涉及到大量內容侵權的問題。在這些方面需要主要考慮合規性的問題。
陳太鋒：黃總剛剛詳細介紹了法律方面的內容。就我所從事的行業而言，無論是保護還是違規，我們對于任何一個內容的判斷，核心都在于關注它的四個方面：第一個是目的，第二個是性質，第三個是數量，最后是影響。在互聯網內容安全治理和版權保護方面，這是非常核心的內容。從AIGC鏈條的角度來看，我們近期一直在分析整個鏈條的數據采集、數據生產和合成中間的數據治理和版權保護問題。目前業內關注的核心問題有兩個方面：一個是在合成前數據的知識產權歸屬，另一個是生成后這些內容的歸屬權。在這兩個方面，業界尤其是法律界存在較大爭議。如果遵循著作權法的話，著作權的核心是內容是否是獨創性和智力成果。生成的內容到底是機器人生成還是人主導生成，目前還不好界定。最近，我看到國外有一篇報道，第一個國家對合成內容的版權歸屬有了一個案例，印度采用共享成果的方式處理版權歸屬，即應用開發者享用一部分版權，使用者也有一部分版權。具體歸屬問題，還需要大家一起探討。
韓一：我的觀點和其他人不同，我認為只要國家需要監管，就一定應該進行監管。然而，我認為現在監管的時間可能有點過早了。舉個例子，現在很多人在抖音上剪輯別人的電影，將90分鐘的電影剪輯成了只有9分鐘，這樣的視頻非常受歡迎。但是，如果讓AI來剪輯，如果沒有明確的擁有者，誰來監管這樣的視頻？應該用哪些法律條款來監管它呢？我認為現在討論這個問題還為時過早。我們都知道，互聯網的發展帶來的結論是，任何早期的產業技術都應該給予足夠的土壤和包容，讓它們得以發展。如果我們現在就對AI進行嚴格監管，這勢必會影響整個產業的發展速度。作為這個行業的創業者，我希望監管可以再晚一些。這是我的觀點。
邱諄：站在創業或者早期投資的角度來說，對于監管問題，我的想法可能會有些特殊。我覺得監管是非常困難的，并且在某種程度上來說總是有各種辦法可以規避。但在早期階段，我們更應該考慮如何讓這個生態更快地繁榮起來，而不是過多地使用監管手段來限制它。我們應該理解這種精神，即如何支持早期的創新。現在很難界定監管的具體內容，但回頭看歷史，我們可以以開源軟件為例來理解這個過程。在最初的時候，我們允許人們使用它，而不知道最終誰會獲得收益。這種做法幫助我們建立了一個生態。
形成生態之后，可以考慮使用其他的商業模式來獲取收益。軟件本身是可以復制的，開源之后確實無法維護著作權，每行代碼都可以被復制。但這之上可以通過增值服務、訂閱等方式來收取商業價值，而不是僅僅靠賣出復制品或設計方案。這樣可以讓使用者先免費使用軟件，等到使用者用起來后，再通過其他方式獲取商業利益，避免侵犯他人的知識產權，并且也不需要申請太多著作權或專利。實際上，大部分公司申請專利是為了自我保護，而非攻擊他人。比如微軟的Office，當年通過提供了免費使用的版本，從而減少盜版的情況出現。這種思維方式可以幫助我們更好地保護新興技術的知識產權，同時也實現商業價值。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
