人工智能研究报告全文

第1页 OECD人工智能研究报告全文 目录 引言 第一章 人工智能数据挖掘行为解构 数据挖掘的法定构成要件：数据收集、数据预处理与数据存储 第二章 人工智能数据挖掘主体权责生态 2.1学术研究机构基于科研目的的数据挖掘应用 2.2人工智能数据聚合服务商的第三方数据供给行为 2.3数据爬取对知识产权权利人（创作者/所有权人）的实质影响 第三章 数据爬取法律争议焦点及司法实践动态 3.1 涉数据爬取的知识产权侵权客体范围 3.2 版权作品数据爬取的侵权认定争议 3.3 生成物新型侵权诉由 第四章 政策规制路径的初步考量 4.1构建自愿行为守则 4.2 授权许可机制的创新探索 4.3 标准化合同条款的规制价值 4.4 对知识产权及数据挖掘的认知提升 第2页 内容摘要 人工智能（AI），尤其是生成式AI的迅猛发展，为知识产权（IP）领域带来了复杂的挑战。AI模型的开发、测试和验证高度依赖大规模数据集，导致对训练数据的需求激增。一种广泛采用的方法是“数据抓取”，本报告特指从第三方网站、数据库或社交媒体平台自动提取信息的行为。当数据抓取未经权利人同意或未支付报酬时，会直接影响知识产权保护作品的创作者和所有者。此类活动可能涉及多种知识产权及相关权利，包括版权、数据库权利、商标权、商业秘密、肖像权及人格权。 围绕数据抓取的知识产权法律环境复杂且快速演变。现行知识产权法律多制定于现代AI实践兴起之前，且不同司法管辖区存在差异，使得其适用性变得复杂。数据抓取常涉及受知识产权保护的内容，引发关于侵权、例外条款（如合理使用或文本与数据挖掘/TDM规定）的适用性，以及遵守合同条款等问题。抓取受版权保护的材料会引发关于其收集或使用是否构成侵权的疑问。此类诉讼在全球范围内日益增多，美国、欧盟及其他地区已出现多起具有影响力的案例。此外，对AI生成内容（尤其是未经授权模仿个人风格、声音或外貌的输出）的担忧，正促使各方采取多样化的法律应对措施，以保护权利并防止滥用。 数据抓取已成为普遍实践，但其涵盖多种方法且缺乏普遍认可的定义。该术语常与“数据挖掘”（指通过计算过程识别模式、趋势和关联的流程）及“网络爬虫”等技术混淆。本报告指出定义不一致的问题，并提出了一个广泛的工作定义。数据抓取的流程通常包括数据收集、预处理和使用。报告分析了不同的抓取技术，并强调需要采用通用/标准术语以及对这些方法进行明