[論文レビュー] Copyright in Generative Deep Learning

Giorgio Franceschelli, Mirco Musolesi|arXiv (Cornell University)|May 19, 2021

Generative Adversarial Networks and Image Synthesis参考文献 82被引用数 6

ひとこと要約

本稿は、生成的深層学習（GDL）における著作権の課題を検討し、米国およびEU法下で、著作物の訓練データとしての使用が法的に許可されるかどうか、またAIが生成する芸術作品やコードの権利帰属は誰に帰属するかを分析している。結論として、現在のフェアユースおよびTDM例外は、一定の条件下で訓練を許可しているが、法的明確性は依然として限定的であり、今後のGDL応用に向け、開発者および政策立案者が倫理的ガイドラインと更新された立法措置を採用するよう促している。

ABSTRACT

Machine-generated artworks are now part of the contemporary art scene: they are attracting significant investments and they are presented in exhibitions together with those created by human artists. These artworks are mainly based on generative deep learning techniques, which have seen a formidable development and remarkable refinement in the very recent years. Given the inherent characteristics of these techniques, a series of novel legal problems arise. In this article, we consider a set of key questions in the area of generative deep learning for the arts, including the following: is it possible to use copyrighted works as training set for generative models? How do we legally store their copies in order to perform the training process? Who (if someone) will own the copyright on the generated data? We try to answer these questions considering the law in force in both the United States of America and the European Union, and potential future alternatives. We then extend our analysis to code generation, which is an emerging area of generative deep learning. Finally, we also formulate a set of practical guidelines for artists and developers working on deep learning generated art, as well as some policy suggestions for policymakers.

研究の動機と目的

• 米国およびEU法下で、生成的深層学習モデルの訓練データとして、著作物を保存・使用することが法的に許可されるかどうかを分析すること。
• 進化する法的原則を踏まえて、AIが生成する芸術的著作物やコードにおける著作権所有権がどのように定義されるかを調査すること。
• フェアユースや2019年EU著作権指令のような既存の法的枠組みが、新たなGDL応用に対して十分に機能しているかどうかを評価すること。
• 生成モデルを扱うアーティストや開発者に実用的なガイドラインを提供し、コンプライアンスと倫理的利用に焦点を当てる。
• 革新と知的財産権の両立を図りながら、AIが生成するコンテンツを保護するための将来の立法的ニーズを検討すること。

提案手法

• 米国のフェアユース原則と2019年EU著作権指令を比較し、テキストおよびデータマイニング（TDM）例外に焦点を当てる法的分析を実施する。
• 特に研究および商業的文脈において、訓練中にメモリ上に著作物データセットを保存することの法的立場を評価する。
• 変換的使用および著作者としての要件を考慮し、GDLモデルが生成する出力の著作権保護の可能性を分析する。
• GitHub Copilotのようなコード生成システムを分析し、現在の知的財産権枠組み下での法的・倫理的含みを検討する。
• ライセンス準拠、データの差異化、利用規約の明確化を含む、開発者およびアーティスト向けの実用的ガイドラインを提言する。
• 生成AIの技術的現実に合わせ、知的財産権法を整備するための政策的改革を提言する。特に自律的出力の文脈で。

実験結果

リサーチクエスチョン

• RQ1 米国およびEU法下で、生成的深層学習モデルの訓練データとして、著作物を保存・使用することは法的に許可されるか？
• RQ2 著作物の訓練データとしての使用がフェアユースとして認められたり、法的TDM例外として認められるかどうか。また、実務におけるこれらの原則の限界は何か？
• RQ3 AIが生成する芸術的著作物やコードの著作者および著作権所有者は、誰であるべきか—開発者、ユーザー、それともAIシステム自体か？
• RQ4 公開可能だがライセンスが付与されたデータセットを訓練データとして使用する場合、開発者およびアーティストはライセンス条項をどのように遵守できるか？
• RQ5 AIの能力の拡大と既存の知的財産権枠組みとの間のギャップを埋めるために、どのような政策的・法的改革が必要か？

主な発見

• 米国のフェアユース原則は、著作物の訓練データとしての使用を許容する可能性があるが、その適用は不確かであり、特に商業的利用の文脈では変換的使用の有無に依存する。
• 2019年EU著作権指令では、科学的研究所を目的としたテキストおよびデータマイニングが許可されているが、権利所有者がこの権利の予約を明示していない場合に限るため、実務上曖昧さが生じる。
• 現在の法的枠組みでは、AIが生成する出力に著作権保護が与えられない。これは、人間の著作者が欠如しているためであるが、将来的な改正により再考される可能性がある。
• GitHub Copilotのコード生成は、ほとんどが正確なコードスニペットを再現しないが、ライセンス準拠を確保するためのトラッカーを搭載しており、そのような事例を検出・追跡可能である。
• ユーザーがAIが生成したコードを能動的に指導・完成させた場合、業務遂行のために作成された作品の原則に基づき、法的に著作者および所有者として認められる。
• 開発者は訓練データから逸脱するよう努めるとともに、モデルの利用規約においてライセンス条項を明確化することで、法的リスクを低減し、倫理的利用を促進すべきである。