对AI模型的训练是否具有转换性（Transformative）”？

AI训练与“合理使用”的边界：从转换性说起

版权领域有个“合理使用”的概念，即在某些特定情况下，不经著作权人许可、不支付报酬也能直接使用作品。我国《著作权法》第24条就明确了这类情形，比如第二款提到的，为了介绍、评论某一作品或说明某一问题，可以适当引用他人已发表的作品。这些传统规则含义清晰，一般没什么争议。

但AI模型，尤其是大语言模型（LLM），训练时需要海量版权材料。那么，这种对版权材料的使用算不算“合理使用”？目前没有统一共识，相关诉讼也尚未形成定论。一个核心问题摆在这里：这种使用究竟属于对原作的平庸“挪用”，还是产生了新的、无法预见的效果？

在美国版权法中，“合理使用”的判断主要看四个因素：

1. 使用的目的和性质——是商业目的还是非盈利教育目的；
2. 版权作品的本质；
3. 使用部分的数量与作品整体的比例；
4. 使用对作品潜在市场或价值的影响。

第一个因素里，最关键的是：对版权材料的使用是否具有“改造性/转换性”（Transformative）。说白了，就是要回答，新作品是否只是取代了原作的用途，还是增加了新东西，有了进一步的目的或不同的性质，用新的表达、意义或信息改变了原作。它问的是，新作品在多大程度上是“转换性”的。

在Oracle诉Google那场关于Ja va API的世纪诉讼中，计算机领域79位著名科学家明确表示：谷歌将原本用于桌面电脑的API应用到一个新领域——移动端操作系统Android，这种使用具有“转换性”。这个观点后来被美国最高法院采纳。2021年的判决中有一句话值得注意：

可以看出：把版权材料应用于一个“新”领域，确实存在具有“转换性”的可能性。

这个思路已经被OpenAI考虑进去了。2019年，OpenAI在给美国专利商标局的一份意见中写道：

训练AI系统当然极具“转换性”。主要理由是：训练所用的版权材料原本是为了人类消费（比如娱乐）而创作的。但训练AI系统的目的显然完全不同——AI在学习过程中所“学习”到的“模式”，和人类阅读的过程也完全不同。这是一种“非表达”（Non-expressive）的过程。所以，无论从目的还是表达过程看，对AI系统的训练显然是对原版权材料高度转换性的使用。

这个说法巧妙利用了深度学习“训练-使用”两个阶段分离的特点，认为模型训练的目的与“人类阅读”不同，进而推出这种使用与传统版权使用有本质区别。OpenAI的逻辑是：把版权材料用在一个全新领域，就等于具有了转换性。

但这里有个明显的漏洞。计算机对版权材料的“阅读”从根本上就与人类不同——计算机不可能为了“娱乐或学习”去读一篇文本。在最底层，它接收的不过是0和1。这个过程并不是这个世代才有的。现代冯-诺依曼架构的计算机已经存在快80年了。从这个意义上说，向计算机输入文本并不是一个全新领域。

有人可能会说，大模型是近几年才出现的新事物，用文本训练大模型是新的。但即使从这个角度看，深度学习的历史——大约可以追溯到1950年——几乎和现代计算机一样长。用深度学习模型做语言模型，也至少有四五十年的历史。所以，用文本训练深度学习模型，同样不是一个新的技术领域。

对于如今的大模型来说，真正的不同其实发生在量上，而不是质上。大模型的训练几乎用尽了互联网上所有可获得的材料。正是靠着近20年间算力和存储能力的指数级增长，这件事才有了实现的可能。用文本训练模型并不是什么新领域。而一旦考虑训练完成后要做什么，事情会更清楚：训练后的大模型将向每个人兜售各种文本材料的切片组合，并在其中植入明暗不一的广告——这其实是一种传统的商业行为，只不过换成了更具操控性的手段。