基于技术与制度协同演化理论来应对机器学习对于著作权权利限制条款的挑战，有助于突破技术作用于制度或者制度作用于技术的单向视角局限，填补制度与技术相互作用的动态视角盲区。日本著作权法的立法创新体现在两方面：一是通过权利限制条款的结构重塑，来应对人工智能等新兴技术对现行著作权法的制度挑战；二是通过将文本与数据挖掘特定技术场景纳入权利限制范畴，为人工智能技术进步创设更为充分的制度允纳空间。我国《著作权法》中权利限制条款的结构重塑，应在制度与技术协同演化的总体思路下展开，根据著作权人的不利益程度划分成为三大类，并为之单独设计权利限制条款。机器学习对于作品的使用不会给著作权人带来规范性损害，其权利限制条款的设计思路可分为三步：首先通过抽象性条款来增强法律适用的灵活性，然后通过列举方式将以文本与数据挖掘为代表的特定技术纳入其中，最后通过但书条款的设计来确保著作权人的利益不受显著损害。

协同演化 机器学习 文本与数据挖掘 权利限制条款 结构重塑

引 言

人工智能作为引领未来的战略性通用技术，正通过新法律的创设或旧法律的改造等方式，重新刻画着法律生成轨迹；与此同时，制度回应也正通过正激励或负激励等途径反向制约技术创新路径。基于此，各国在争先抢占人工智能技术创新高地的同时，尤其注重制度创新特别是法律的创设或调适。可以说，技术和制度都是促进人工智能产业进步的重要驱动力。

日本著作权领域权威学者上野达宏教授曾多次在国际会议上提到，日本可谓是“机器学习的天堂（paradise for machine learning）”。其主要原因或在于：日本《著作权法》中的权利限制条款，特别是其包含的文本与数据挖掘（text and data mining, 以下简称TDM）专门场景（机器学习是其主要应用场景），是少有的能辐射并影响国际立法走向的制度创新。日本早在2009年即专门创设了TDM权利限制条款，这在当时是全球范围内的首次尝试；此后，英国（2014年）、德国（2017年）、法国（2018年）、欧盟（2019年）、瑞士（2019年）和新加坡（2021年）等国家和地区，也陆续在其著作权法中增设了TDM权利限制条款，这一定程度上是受到了日本影响。2018年，日本在《著作权法》修订中，将此前的专门条款调整为一般条款，并将TDM作为三类典型行为之一加以例示。经此修订后，日本在人工智能技术发展法治保障方面，获得了业界权威人士的积极评价。此举至少说明，日本在人工智能方面的立法尝试快速回应了当前新兴技术的发展诉求。

我国很早即意识到人工智能领域制度创新的重要意义。一方面，学界开展了充分的前期研究（包括但不限于知识产权领域）；另一方面，随着人工智能技术非线性发展和大规模市场落地，人工智能治理转化为不同的法律议题进入人们的视野。然而，至少就法学领域而言，截至目前的讨论主要着眼于技术作用于制度或者制度作用于技术的单向视角，较少关注制度与技术二者间双向互动的动态视角。这会导致以机器学习数据训练的权利限制为典型代表的人工智能立法，未能充分面向产业发展中的真实需求，进而无法确保制度回应产生正向的激励作用，而非反向的阻碍作用。

日本在著作权权利限制条款的立法创新中，是如何实现人工智能技术与立法二者间协同演化的？对这一问题的深入剖析，或可为我国今后拿出富有成效的机器学习数据训练制度供给方案，提供技术和法律双向互动的动态视角。本文尽可能揭示法律议题背后的技术本质，在此基础上，考察日本TDM权利限制条款的立法创设及此后的发展历程，重点探究日本在立法过程中如何将TDM这一技术场景有效融入著作权权利限制条款结构改造之中，依此总结和提炼出法律与技术协同演化的一般性规律，最后尝试将其具化为我国著作权权利限制条款立法改造的思路建议，从而有效回应人工智能时代诉求。

一、机器学习著作权侵权行为的技术澄清

机器学习的本质是对百千万亿兆级别数据的“千锤百炼”。此过程必然伴随着对现有作品的著作权侵权风险。实际上，以ChatGPT、DeepSeek为代表的生成式人工智能，与运用于自动驾驶、人脸识别等领域的决策式人工智能，在著作权侵权行为的技术表征上存在着显著差异。然而，现有研究常将此二者合并讨论，从而不免导致问题与进路之间无法精准匹配，进而影响法律规制逻辑精细化。对此，有必要从技术层面对二者的区别加以澄清。

生成式人工智能技术的开发和利用流程如图1所示。其中，学习和开发阶段（阶段一）与生成和利用阶段（阶段二）所涉及的侵权行为（主要是复制行为）涵盖多个环节，而各环节中复制行为的表征不尽相同。

图1 生成式人工智能技术开发和利用的一般流程图

（注：本图是基于日本《AI时代知识产权研讨会中间意见》中的参考图绘制而成）

1. 学习和开发阶段

阶段一的问题可概括描述如下：机器学习训练数据中不可避免地包含受著作权保护的作品，如文字作品、美术作品、电影作品等。由于包括研发主体在内的创新主体（不区分商业或科研目的），显然难以承受逐一获得海量著作权人授权许可的高昂交易成本，因此会产生如下两个问题：其一，根据现行《著作权法》，对在先作品的复制行为，是否构成著作权侵权行为；其二，如为人工智能技术发展之所需，这一行为应否落入著作权权利限制范畴，后续立法的必要性、正当性以及可行性如何。

在解决上述问题之前，首先需厘清哪些技术环节涉及复制行为，以及各环节下的复制行为的目的是否相同。之所以考察复制行为的目的，是因为即便同样是发生在学习和开发阶段的复制行为，若行为目的不同，也可能导致在“能否受到侵权豁免”这一问题上得出不同结论。具体而言，阶段一至少涵盖两类复制行为：一类是为构建学习数据集合而收集包含作品在内的数据，其复制目的在于收集而非训练。至于形成的专门数据集合，既可能为自行研发使用，也可能许可他人使用。另一类是为训练模型而输入数据（也称“喂养”），其复制的目的在于训练人工智能预处理模型，用技术语言表述则为“数据挖掘和解析”。很显然，这两类复制行为的目的是不同的，后续讨论应予以区分对待。

2. 生成和利用阶段

阶段二的问题可概括描述如下：完成训练的模型根据用户输入的提示词生成文章、图像、视频等内容。这一过程同样涉及对在先作品（存在于数据集合中）的复制行为，但其复制目的是根据用户指令生成内容。这是其与阶段一中复制行为最主要的差异。对此，生成的内容是否全部或部分复制了学习用数据集合中包含的作品，以及是否侵犯了在先作品的改编权或信息网络传播权等，完全可适用现行著作权法中的侵权判定要件。虽然这一阶段同样涉及到对数据的复制行为，但无需特别考虑应否出于技术进步等公共目的，将其纳入权利限制范畴。

然而，存在争议之处在于，在考虑阶段一中两类复制行为是否属于合理使用时，应如何处理其与阶段二中以输出内容为目的的复制行为之间的关系。换言之，是将阶段一和阶段二作单独区分处理，还是将两者作统合处理。对此，需结合下文对决策式人工智能的分析来综合评判。

相较于生成式人工智能，决策式人工智能的技术解构相对简单。无论是自动驾驶类还是人脸识别类人工智能，均仅涉及图1中阶段一的两种复制行为，无须考虑生成内容过程中的复制行为，更不用考虑两阶段的行为关联性。本文认为，从技术区分的角度，有必要将阶段一和阶段二作区分处理，否则会导致问题解决方案的局限性；毕竟，如不作精细化区分，立法建议要么仅面向生成式人工智能，要么仅面向决策式人工智能。而另一方面，正如有学者所指出的，人工智能输入端的技术开发与输出端的技术提供在法律治理上具有密切的牵连性。不同于技术层面的区分必要性，在考虑生成式人工智能著作权权利限制或合理使用的立法思路时，尽管规范的都是阶段一中以训练为目的的复制行为，但在后续法律的解释和适用上，却与阶段二中的复制行为存在一定的关联性，因此需要进行统合处理。

总的来看，在技术视角下澄清阶段一和阶段二中具体涉及哪些复制行为，以及各环节下复制行为的具体表征，能够将问题聚焦到合理范畴，从而使后续的分析讨论更具指向性。概言之，在立法论层面上，需要对阶段一和阶段二作技术区分，至少不应仅以生成式人工智能作为讨论的技术对象，方能增强立法构造对于更多技术样态的可覆盖性；而在解释论层面上，特别是涉及到生成式人工智能时，应将阶段一和阶段二作统合处理，以此提升法律适用的科学性和合理性。

二、日本TDM权利限制条款与人工智能技术进步的互动影响

2009年，日本在《著作权法》修订中创设了TDM权利限制专门条款（旧法第47条第7款）；2018年，日本《著作权法》再次修订，将该专门条款改造为权利限制一般条款项下的三类例示性行为之一（现行法第30条第4款）。考虑到此前的TDM权利限制专门条款几乎被全文移植到了现行一般条款之中，本部分将着重阐释日本是如何将TDM这一特定技术场景融入著作权权利限制一般条款立法改造中的。同时，本部分还将结合国际上关于TDM权利限制条款的立法，展开横向比较分析，并尝试对日本是“机器学习的天堂”这一观点进行客观评价。

日本《著作权法》中的权利限制构造，并非美国合理使用制度那般依托于高度概括性的抽象规定，而是由多条更具专门指向的“小型”一般条款的法条集群（日本现行《著作权法》第30条至第50条）组成。日本TDM条款在著作权权利限制的结构重塑中裹挟前进，旧法中专门条款的样貌被改造成为新法第30条第4款“小型”一般条款项下的一类例示性行为。以下就日本《著作权法》第30条第4款（特别是其第2项）的具体构造及其适用要件等进行说明。

1. 容器规定

日本《著作权法》第30条第4款首先作了一般性概括规定，立法者称其为容器（受皿）规定。该规定具体内容如下：在以下情况及其他不以享受（enjoy）或让他人享受该作品表达所承载的思想或感情为目的的情况下，可在必要限度内使用作品，无论使用方法为何。根据立法者的说明，在作品的表达所承载的思想或情感被“享受”之后，市场上对于某类知识或精神的需求获得满足，作品的经济价值随之实现；在此前提下，如不是以“享受”为目的而使用作品，一般不会侵蚀著作权人回收市场对价的机会，因此此类行为可以落入著作权权利限制之中。

理解此容器规定的关键在于，对“不以享受该作品表达所承载的思想或感情为目的”（以下简称“非享受使用目的”）的使用作出恰当的解释。首先，对于其中的核心概念“享受”，日本现行《著作权法》并无具体定义，立法者也仅是通过举例方式进行了简要说明。一般认为，只需从朴素的字面含义来把握“享受”的内涵。至于“享受”的程度，立法者也未明确要求其达到相当的高度，因此只需在正常水准上传达了作品的思想或情感即可。其次，“作品的本来使用”作为本次立法结构创新的基础前提之一，具体指向与作品原有市场发生竞合的使用行为。最后，关于何为著作权人的财产性权利所能实现的经济性利益这一问题，日本学界的主流观点认为，与“作品的本来使用”相对应的市场对价回收机会，是著作权法应确保著作权人享有的经济性利益。换言之，只有那些具有“享受目的”的作品使用行为，才算真正满足了市场上对知识或精神的需求机会。

但是，有两类特殊情况存在解释论上的争议。第一类是计算机程序、数据库等功能性作品。一种观点认为，功能性作品的表达所承载的思想或情感本就是作品的功能，相应地，作品的“享受使用目的”也应该是对作品所实现功能的享受。相反观点则提出：如将作品的“享受使用目的”解释为功能上的享受，这至少在文义表达上是牵强附会的。如采前一种观点，对计算机程序进行反向工程的行为则不能适用第30条第4款；如采后一种观点，此类行为则可能进入著作权权利限制的豁免范畴。第二类是戏仿作品。有观点认为，戏仿作品是对原作品所承载的思想感情进行脱胎换骨之改变，应属于以“非享受目的”使用作品。另有观点认为，虽然戏仿作品对原作品进行了内容上的转换性使用，但仍然属于以享受为目的使用作品，无法适用本条款的权利限制。后者并非当前日本学界的主流观点。

此外，容器规定还要求在“必要限度”内使用作品。鉴于信息解析（也即TDM）为例示性行为之一，根据文义解释可知，将使用他人作品的行为解释为信息解析目的，也须满足“必要限度”这一要件。事实上，要满足这一要件并不困难。根据立法者的说明，为学习某画家的画风而将其所有作品作为训练数据，也在“必要限度”内。

2. 例示性行为：信息解析（第2项）

在容器规定后，第30条第4款第1—3项列举了三类“非享受使用目的”的例示性行为，分别是：一是作品录音、录像及其他利用相关的技术研发或者产业化试验；二是信息解析；三是除第二项规定的情况外，电子计算机在信息处理过程中的使用及其他使用，且这些使用不伴随人类知觉对于作品表达的感知。

以上三类例示性行为与前文的容器规定属于包含与被包含的关系。其中，第二项继续延用了旧法第47条第7款中关于信息解析的含义，立法者仅是补充性地进行了举例说明。具体示例包括：收集网页上或书籍中的特定单词或词组，对其用法异同进行统计性分析；对声音、视频和图像进行声波、编码和文字解析，并与事前准备的标准数据特征进行比对，最终识别出最接近的声波、编码和文字，等等。日本文化厅进一步解释认为：为人工智能深度学习或机器学习训练学习模型而使用著作权法上的作品，也应属于信息解析的范畴。由此，为研发机器翻译或人脸识别类人工智能而大量收集互联网上人脸写真或文章，以及为研发深度伪造技术而大量收集特定艺人的声音或人脸写真，都可纳入信息解析范畴。

3. 但书规定

日本《著作权法》第30条第4款还规定了但书条款，具体内容如下：如果参照该作品的种类、用途及其使用样态，使用行为给著作权人的利益带来不当损害，则不在此限。这意味着，即便特定行为满足容器规定中“非享受使用目的”“必要限度”等要件，并属于三类例示性行为之一，但只要落入但书规定的范畴，便无法适用第30条第4款的侵权例外豁免。与旧法第47条第7款仅将数据库作品作为限定对象相比，新法第30条第4款的排除范围变大，著作权被限制的范围由此变小。这或是立法者对于著作权人与使用者之间利益平衡关系的再次纠正。

关于是否给著作权人的利益带来“不当损害”的判断，须从两方面展开：一是是否与著作权人的作品市场发生冲突，二是是否可能妨碍作品未来的潜在销售。具体考虑要素则包括作品种类、作品用途、利用形态三方面。同时，结合关于著作权人经济性利益实现逻辑的法律规定，还可将“不当损害”的判断标准引申理解为，是否与作品的“本来用途”所能带来的市场对价收回机会产生冲突。例如，音乐作品原本的用途是供他人品味和欣赏，而机器学习过程中将其用于信息解析的复制，本不属于作品的“本来使用”，因此一般不会给著作权人带来“不当损害”。此外，关于“不当”的理解，还应在冲突程度与使用正当性之间进行权衡和取舍。至于究竟造成多大程度的冲突才能被评价为“不当”，则需要司法机关在个案中根据立法趣旨进行弹性处理。可见，立法者的初衷或是预留一定的“法官造法”空间，以增加该条款的适用弹性。

如前文所述，不少国家在其著作权法中增设了TDM权利限制条款，英国等国也已开始酝酿新一轮修订。为分析日本制度优势之所在，本部分首先对各国关于TDM权利限制的规定进行横向比较，具体如下。

其一，主体和目的。与日本一样，多数国家的立法例对数据挖掘和信息解析主体未作特别限定。例如，2014年英国《版权、设计和专利法案》修订增设第29A条，即用于非商业研究的信息和文本解析的复制条款，其适用主体为“合法接触作品者（a person who has lawful access to the work）”。据此，即便是商业主体而非科研机构，只要是为非商业调查目的，即可适用该条款。再如，2019年欧盟《数字化单一市场版权指令》（以下简称《欧盟DSM指令》）第4条同样未对适用主体加以特别限定。但是，《欧盟DSM指令》第3条作为适用于科研机构和文化遗产机构的专门条款，规定了较之于第4条更为宽泛的技术利用自由。总的来看，除《欧盟DSM指令》第3条外，多数国家的TDM权利限制条款并不严格区分商业或非商业（营利或非营利）主体。

虽然多数国家未对TDM条款的适用主体设定限制条件，但各国普遍对数据挖掘和信息解析行为施加了目的要求。例如，英国《版权、设计和专利法案》第29A条第1款a项的规定为“将非商业研究目的作为唯一目的（for the sole purpose of research for a non-commercial purpose）”。虽然英国规定了非商业目的这一限制，但并不妨碍行为人将数据挖掘和信息解析的成果（outputs）用于商业化目的的公开，或是进行其他类型的商业化利用（commercialisation）。再如，《欧盟DSM指令》第3条、2019年瑞士《联邦版权和相关权法》第24d条第1款要求以学术研究为目的。但是，《欧盟DSM指令》第3条中并未出现“非商业性目的”等字眼；由此可知，出于商业目的的科研活动并不会被排除在本条款的适用范围之外。相较之下，日本《著作权法》第30条第4款、《欧盟DSM指令》第4条以及2021年新加坡《版权法》第243条，甚至未对目的附加任何要求，其法律效果是：即便是出于商业化目的的学习模型训练，依然是TDM权利限制条款的适用对象。不同之处在于，《欧盟DSM指令》第4条赋予了著作权人“选择退出”（opt-out）的权利。据此，权利人便可通过明确的权利保留意思表示来阻却其他企业出于商业目的将其作品用于信息解析，而日本和新加披均未设定此退出机制。

其二，适用要件。多数国家或地区都设定了“合法接触（access）”或“合法复制”要件。例如，英国《版权、设计和专利法案》第29A条第1款a项规定的适用主体为合法接触作品者。据此，若违法获取作品，则无法适用权利限制条款。再如，新加披《版权法》第244条第2款e项明确规定了“合法来源”要件。由此，在破坏付费措施或违反数据库作品使用条款而接触作品等情况下，由于不符合“合法来源”要件，无法适用权利限制条款。同样，《欧盟DSM指令》第3条第1款和第4条第1款也明确要求行为人应“合法接触”作品。相较之下，日本《著作权法》并未附加此类要件。换言之，即便通过破坏技术保护措施或付费措施等违法手段获取作品，并将其作为训练数据用于机器学习，也不会因此被排除在第30条第4款的适用范围之外。

其三，豁免行为。多数立法例将数据挖掘和信息解析所伴随的复制及其保存（retaining）行为作为豁免的行为类型。例如，根据《欧盟DSM指令》第3条、第4条规定，用于数据挖掘和信息解析的复制或提取（reproductions and extractions）是被允许的，但对其加以保存的行为还须受学术研究目的场景（第3条第2款）和信息解析必要期间（第4条第2款）这两项限制。相较之下，日本《著作权法》第30条第4款规定的豁免范围更宽，因其无需对使用方法进行区分。换言之，只要是为信息解析所需，无论是对作品的复制使用还是对作品的二次演绎，甚至将数据集合许可第三人使用，都属于TDM权利限制条款所能豁免的行为类型。

其四，技术或合同限制措施。《欧盟DSM指令》第7条第2款规定，欧盟《信息社会版权指令》第6条第4款有关技术限制措施（technological measures）的规定同样适用于《欧盟DSM指令》第3—6条。根据该规定，如果权利人采取了技术限制措施，欧盟成员国有义务采取必要手段保障原本可适用权利限制规定的受益者，还能继续进行数据挖掘和文本解析活动。相较之下，日本、英国、新加坡立法并未明文禁止著作权人采取技术限制措施。在这些国家，法律未禁止著作权人采取技术限制措施阻止他人将其作品用于数据挖掘和信息解析。在合同限制措施方面，英国《版权、设计和专利法案》第29A条第5款、《欧盟DSM指令》第7条第1款都明确否定了当事人排除数据挖掘和信息解析的约定的法律效力，而日本《著作权法》中未有类似规定。有学者指出，此类约定很可能因违反公序良俗原则而被认定无效。一般来说，在数字经济交易模式中，以缔结商业秘密条款为代表的合同形式较为普遍，在此背景下，很难认为合同约定优先（override）于第30条第4款这一行为违反了公序良俗原则。

其五，但书排除范围。《欧盟DSM指令》第7条第2款第1项规定，欧盟《信息社会版权指令》第5条第5款规定的“三步测试法”适用于其第3条、第4条。据此，欧盟TDM权利限制条款需要满足三步测试法这一基本要求。日本《著作权法》第30条第4款同样设计了但书规定，当然，也可将此视为在遵守《保护文学和艺术作品伯尔尼公约》三步测试法下的一个必然动作。但结合上文分析可知，日本《著作权法》的但书条款在适用过程中的不确定性更高。

总的来看，较之于其他国家和地区的立法，日本TDM权利限制制度设计的优越性至少体现在如下方面：第一，适用范围更广泛。日本《著作权法》第30条第4款既未对主体、目的、客体等方面附加特殊要求，也未专门设立如《欧盟DSM指令》中的“选择退出”机制。第二，对新技术、新业态更为包容。日本TDM权利限制条款从专门条款到一般条款的嬗变，一方面能够为更多新技术打造更为适配的制度，另一方面也能为未来技术发展的不确定性留足调适空间。第三，对机器学习的技术研发更为友好。即便是通过不合法手段从网络上获取的作品，也可用于学习模型的训练活动。

然而，我们也应客观、冷静地看待日本是“机器学习的天堂”这一宣传口号。的确，就目前的制度设计而言，日本称得上是机器学习研发和训练阶段的制度天堂。但是，绝不能想当然地认为日本的制度选择倾向于技术决定论，即不惜牺牲著作权人的利益为技术创新争取时间和空间。对于以构建数据集合为目的发生的复制行为，或者虽然在阶段一具备信息处理和数据挖掘目的，但在后续阶段二的目的却是输出生成内容的行为，则无法满足日本《著作权法》第30条第4款第2项规定的要件。此外，在解释论层面上，根据日本《著作权法》第30条第4款第2项能够豁免的范围，也仅限于图1阶段一中以信息处理和数据挖掘为目的的复制行为，而无法当然延伸至阶段二中的复制行为。

三、人工智能法律与技术协同演化下的权利限制逻辑展开

法律作为重要的制度表达，其与技术进步之间的关系，不仅被经济学界长期关注，也是法学界长期探究的基础理论问题。本部分引入在经济学领域取得瞩目成就的协同演化理论作为分析工具，从动态演化的视角来理解技术和法律的互动过程，并以日本《著作权法》TDM权利限制专门条款从创设到成为一般条款的立法改造为考察对象，尝试总结法律与技术的协同演化的一般规律，剖析其背后的立法逻辑。

技术变迁是著作权法演进历程中最为常见的外部变量。技术中立原则对著作权法中权利限制与例外的发展产生了重要影响。但是，作为技术决定论的技术中立原则，着重考量的是技术变迁对于著作权制度设计的影响这一单向关系，而未充分关注制度变迁对于技术轨迹的反向形塑作用，更未对技术与制度二者间的相互作用关系予以周全考量。具体到著作权法立法上，即便技术中立原则仍是“确保技术不被沦为著作权权利附庸的前置准则”，但却无法从中得出“必然能够促进技术进步”的最终结论。此外，“技术中立”的意涵标准也随时代更迭而发生变化，如延续以往历次科技革命中的经验和视角，无论是从规律、后果还是目的进行分析，都存在局限性。因此，法理学层面上的功能中立、责任中立和价值中立，在人工智能、区块链、大数据等新质生产力冲击下，无论是在逻辑证成的自洽性上，还是在规制效果的圆满性上，都面临着全新挑战。

基于经济学领域的协同演化理论来探讨技术与制度二者关系的研究成果富有启发意义。“协同演化”这一概念源自生物学，最早出现在《蝴蝶与植物：关于共同演化的研究》一文中，意指两个以上的物种持续地演变，且演化路径互相纠结的现象。通过隐喻、类比等方式，协同演化理论被逐步扩展运用于经济学、计算机等学科，成为重要的理论分析工具。在协同演化理论看来，一方面，制度构成技术演化过程中的边界条件，对技术变迁起着重要作用；另一方面，技术反过来又成为制度变迁的选择压力，对制度演化产生重要影响。技术与包括法律在内的制度之间，既不是单向的决定关系，也不是简单的相互决定关系，而是相互作用、协同演化的关系。

在技术与制度的交互作用过程中，技术演化主要通过如下方式对制度演化产生影响：一是为有效利用新的生产方法或新的技术，而对新制度的协调产生需求；二是新技术可能会降低制度的实施成本，使得原先无法实施或者实施成本过大的制度得以推行。同样地，制度演化也会对技术产生如下作用：制度的自由程度将影响各种可能的技术创新；制度会对技术创新产生正激励或负激励，进而影响技术选择的正确性，等等。由此推知，在法律制度创设的过程中，一方面要关注新的技术样态对于旧的法律制度的破坏程度，确定是否需要创设新的法律制度来协调；另一方面也要重视新制度的生成对技术轨迹选择可能的影响及其正反向激励等外部因素。相较于后者，现有研究对于前者的关注更为充分。

承续上文，引入双向互动视角考察人工智能技术与著作权法之间的关系，需要解答如下问题。一是新技术之于现有制度的影响，也即对现有著作权法的破坏程度，以及是否需要导入新法。这一问题实际上可归结为著作权制度特别是权利限制制度的模式选择问题。二是制度之于技术的作用，也即制度创新应在何种范围内吸收新技术带来的增益。这一问题实际上可归结为著作权法的规范旨趣与创新发展等其他价值理念的冲突问题。在这些问题的处理上，日本已从立法论的制度建构阶段过渡到解释论的精雕细琢阶段，或可为各国立法提供一个较为成熟的参考范本。

1. 机器学习作品使用的权利限制逻辑

版权制度自诞生之初即带有技术基因。长久以来，著作权法与新技术二者之间一直保持着互相反馈、互相作用、互相成就的关系。以人工智能为代表的新一轮科技革命和产业变革带来的结构性冲击至少有二。一是规制行为方面，“复制”的内涵发生变化。原本被定位为作品市场流通重要前提的复制行为，近来逐渐进化，甚至可能包括不符合著作权法正当性基础的复制行为。如图1中阶段一发生的复制行为即为典型。这一阶段对于作品的复制利用，既无进一步传播作品的目的，也不伴随任何经济性利用。二是权利限制的构造方面，其所发挥的功能也在发生变化。在著作权法中设置权利限制与例外条款，最初的主要目的是平衡赋予作者排他性的私权与科研、教育等公共利益之间的冲突。而当下，权利限制条款还承担着更多元化的功能。例如，在复制行为的内涵发生变化的背景下，如要彻底重塑著作权法规制的行为类型及其结构，反而可能带来更大的不确定性。此时，通过权利限制条款将不符合著作权法立法趣旨的复制行为排除出保护范围，自然成为合理期待。基于以上背景，日本《著作权法》立法修订作出如下回应。

2009年，日本在《著作权法》修订中首次引入了TDM权利限制专门条款，这是日本为应对TDM新技术而创设的一种新制度。2018年，日本又在三步测试法的总基调下建构了一套以“三层构造”为特征的弹性权利限制立法模式。如果说2009年立法创设的重要意义在于通过创设专门条款来回应新技术的发展诉求，并为技术使用提供积极的预期，那么2018年立法创新的显著意义则在于著作权法中权利限制条款的结构性变化。

具体而言，日本创设了具有“三层构造”的弹性权利限制制度。的确，以一般性规定为代表的美国合理使用制度是最具影响力的权利限制立法模式之一。日本也曾于2012年以“日版合理使用”之名导入过一般性规定，但却是一次败北的尝试。2018年日本再次启动《著作权法》修订工作，这次修订被评价为日本平成时代的最后一次大规模调整。此次重大立法结构创新，是在保有既有立法传统（三步测试法）的基础上，集此前著作权法历次修订经验于一身的大成之作。

在制度设计上，虽然是以三步测试法为底色，但为兼顾稳定性和灵活性双重价值，立法者根据作品使用可能给著作权人带来的不利益程度划分了三个层级，且对归于不同层级的条款进行了差异化设计，以满足不同技术类型的作品使用对豁免空间的不同要求，进而克服以往专门条款的僵硬性弊端。前文重点解析的日本《著作权法》第30条第4款位于第一层级，落入第一层级的作品使用行为不属于作品的“本来使用”，侵权豁免的结果并不会给著作权人带来任何实质性损害。因此，立法者赋予这类使用行为最大程度的弹性。其他层级的豁免弹性则有所不同。例如，第二层级的作品使用行为属于作品的“本来使用”，但会给著作权人带来轻微损害，对此，立法者仅赋予这类行为一定程度的弹性。

2. 创新发展与著作权保护利益的冲突和调适

创新发展促进经济增长，是制度让步于技术的一个正当性理由。与此同时，著作权法也通过赋予创作者排他性激励，实现文化繁荣这一公共福祉。对其间价值冲突的调试，考验着各国立法者的智慧和能力。这一冲突的本源，在于新技术不仅事实上改变着人类传统的作品组织和创作方式，还可能实质性动摇长期存在于著作权制度内部的激励结构。一旦超级平台手持合理使用的通行证，便可以超低成本自由“创作”出新作品，这必然会一定程度“驱逐”人类的有偿创作劳动，从而与著作权制度激励人类创作更多优秀作品的立法趣旨背道而驰。假设我们将容易被人工智能所替代的人类作品排除在著作权法激励结构之外，由此便意味着，《纽约时报》自动丧失了将OpenAI公司和微软诉诸法庭的法律基础。皮之不存，毛将焉附？如果缺少足够的文化创作主体和创作源泉，人类又如何展开与人工智能的差异化竞争？更何况，鉴于人工智能无法在创造性的维度上提供增量，“高科技的剽窃”进一步凸显了人类创作的稀缺性和宝贵性。

反之，如出于对超级平台“权力性”发展的理性规制，而选择文化价值优先的立法判断（亦即不承认作品的合理使用），从长远看，或导致超级平台萎缩或无法孕育出未来超级平台的风险。根据前文分析，尽管在不同技术类型项下，是否构成合理使用的结论并不必然相同，但其背后蕴含的“无意过多介入未来市场”的总体思路却是相通的。对此，有学者甚至提出，为促进内生性私秩序的生成，著作权权利限制和例外的功用无需太过显著。

比较来看，美国合理使用制度以其强大的产业竞争优势和正向作用的市场机制为基础，始终保持对新市场的谦逊介入，由此打造具有绝对竞争优势的法治环境；相较之下，以日欧为代表的专门或一般性限制条款，其可预测性的制度优势不无对新市场带来隐患和风险。为解决这一制度性弊端，日本以著作权权利边界究竟在何处为出发点，探究哪些行为并不属于著作权原本应保护的范围，由此尽可能吸收技术带来的增益价值。为此，日本在创设具有“三层构造”的弹性权利限制制度之际，重新审视了著作权法应保护的著作权权益究竟为何，以及著作权规制的行为究竟为何。在此基础之上，前一部分反复提及的作品“非享受使用”的解读逻辑可拆解如下：既然不属于作品的“本来使用”，当然可评价为不损害权利人利益的行为类型；不服务于“享受目的”的作品使用，当然也不会损害到权利人的对价回收机会。TDM这种“非享受使用目的”的作品使用行为，本不属于著作权的原本保护范围，故其落入权利限制范围具有正当理由。这也与商标性使用有异曲同工之处。

四、人工智能时代著作权法权利限制条款的设计思路

我国人工智能产业发展具有较强的场景和平台优势，相应的制度赓续应为新质生产力创造更多的技术包容空间，避免过于教条化的立法模式抹杀未来市场的无限可能性。但是，彻底颠覆现行《著作权法》第24条而全盘接纳美国合理使用制度，至少在现阶段仍面临诸多挑战，并不具有现实可操作性。日本通过制度性的结构创新为新兴技术创造出更为充分的弹性空间，以克服大陆法系国家立法的封闭性和僵硬性弊端，一定程度上是在不放弃“三步测试法”稳定性价值追求下的较优范本选择。但是，日本的立法改造之路亦不完全可取，其庞大的条款规模以及艰涩的条款文义，很可能成为影响法律实效的掣肘因素。我国《著作权法》第24条权利限制与例外条款的结构性改造，应在客观审视产业和立法成本、效率等基础上，选择性吸收、借鉴日本经验。

首先，对现行《著作权法》第24条第1款第1项至第13项的各个场景，以及能够覆盖机器学习技术的TDM技术场景，应根据不同行为给著作权人带来的损害程度（也即不利益程度），划分为不存在损害、轻微性损害以及影响到公共利益三类情形，并分别设计权利限制程度不同的条款。具体就机器学习中的作品复制而言，即便将其纳入侵权豁免范畴，也不会对著作权人带来任何规范意义上的损害，因此属于第一类情形。考虑到机器学习是TDM技术的重要应用场景，为加强立法对于更大范围技术的可及性，建议直接将TDM技术纳入权利限制范畴，也可将类似的不会给著作权人带来损害的技术类型一并考虑在内。需要强调的是，作为本文考察对象的TDM，仅是未来权利限制构造中的一个具体技术场景，不宜仅针对其设立一个专门条款。如此，未来《著作权法》中的权利限制条款将从目前的仅一个条款扩展为3个条款。各条款的具体制度设计可仿照现行《著作权法》第24条“抽象条款+例示性行为+但书条款”的三层结构。考虑到主题相关性，本文不就其他两大类情形的权利限制条款构造进行分析。以下仅就TDM所在第一大类别的条款设计思路具体展开。

其次，抽象条款的设计要兼顾灵活性和操作弹性。日本原《著作权法》第47条第7款的专门性权利限制条款由立法机关进行事前判断，属于“规则”的范畴，具有稳定性和可预测性的优点；而美国《版权法》第107条的一般性条款则交由司法机关进行事后判断，属于“标准”的范畴，具有不确定性特征。实际上，我国《著作权法》中权利限制与例外条款的封闭性障碍，并未因为第3次修订中增加了第24条第1款第13项“法律、行政法规规定的其他情形”而得以根本性解决。2018年日本《著作权法》修订克服了三步测试法的弊端，兼顾了稳定性和灵活性双重价值，值得我国立法机关参考。就TDM技术所在的条款而言，要想在三步测试法基础上实现弹性空间的扩容，首先应在立法层面上将法律规范的确立时间从事前向事后进行适当腾挪，从而在规范层面实现将部分因素的判断主体从立法机关转移到司法机关。

再次，在抽象条款的设计上，除需包含主体、行为等具体适用要件以及但书条款之外，还应重点考虑“行为目的”。近来，各国学者提倡的“非作品性使用”或“非表达性使用”，本质上也是对作品使用行为的目的考量。具言之，用于数据挖掘和信息解析的作品使用，即便形式上落入复制、改编等法定行为范畴，但由于其并未作为作品而被使用（a use as a work），或者说，使用作品并非为了利用其具有独创性的表达，因此不在著作权保护范围内。

本文认为作品的“非享受使用”这一措辞更具解释上的张力，理由有二。其一，从技术实现上讲，TDM技术本应是大语言模型爆发的最重要支撑技术，不宜认为其具有特定性而机器学习具有非特定性进而将其归为“非作品性使用”。其二，从技术周延性来看，“非表达性使用”将生成式人工智能作为唯一技术底座并在其之上展开划分，其不合理之处在于，无法顾及到人脸识别、自动驾驶等非生成式人工智能技术。如仅就生成式人工智能这一技术分支而对著作权法“大动干戈”，不免生出立法成本过高之嫌隙。

最后，明确但书条款的排除范围，以避免大幅破坏对著作权人创作的激励结构。虽然制度演进总体上应包容技术创新，但不可采取“杀鸡取卵”式的纵容态度，更不能以牺牲著作权人的根本性经济利益为代价。假设本文提出的针对不同情形单独设计权利限制条款的思路能够成立，那么但书条款的设计应较之于前文的抽象条款更加具体化，同时应避免排除对象过于封闭和狭窄。此外，排除范围的确定需要与图1阶段二中侵权判定要件的宽严程度联动考虑。这是因为，例如就生成式人工智能而言，对于作者的创新激励不仅取决于阶段一中复制行为能否享受侵权豁免，还取决于阶段二中关于作品侵权“实质性相似+接触”要件的判定如何同步创新，以保证作者能够得到足够的经济激励。如果后者提供的激励足以确保创作者的创作动因，那么在不影响著作权人原本市场的限度内，出于技术进步等公共利益对前者加以豁免，则更具合理性。

结 语

在机器学习中，作品使用合法性证成的表象背后，其实是技术进步和文化价值的理念取舍以及著作权权利限制的模式选择；其更深层次，则触及著作权保护边界划定、著作权人的利益本质等基础理论问题。我国《著作权法》应如何吸收人工智能技术原理，并将其融于人类文明和文化繁荣的目标愿景？在法律与技术协同演化理论下考虑著作权权利限制条款的制度设计，有助于充分审视法律与人工智能技术发展二者间的互动关系，但同时带来了如何把握技术发展阶段与立法时机的现实挑战。本文以日本TDM权利限制条款作为考察对象，试图呈现一个曾经试图导入美国合理使用制度，但最终基于本土环境和技术需求而进行大规模结构创新的立法范本，供我国立法者参考。由于本文侧重研究的是TDM权利限制条款，因而未对日本著作权权利限制结构的整体逻辑进行充分展现，这可能会导致读者难以在制度全貌下审视TDM权利限制条款的设计思路。这一点笔者拟在他文中加以补足。本文在结论部分仅提出方向性思路而未落实到具体建议，主要也是考虑到机器学习特定场景应融入到著作权权利限制整体改造思路之下解决，在后者未形成共识前暂不适宜确定具体细节问题。