OECD 人工智能研究报告全文

人工智能数据抓取与知识产权问题研究报告总结

引言

人工智能（AI），尤其是生成式AI的快速发展，对知识产权（IP）领域构成了重大挑战。AI模型的开发高度依赖大规模数据集，其中数据抓取（从第三方网站自动提取信息）成为常用方法，但未经授权的抓取可能侵犯版权、商标权、商业秘密等知识产权，引发法律争议。

数据抓取的理解

数据抓取泛指利用自动化工具从网络等来源收集AI训练数据的过程，包括网页抓取、网络爬取和屏幕抓取等技术。数据抓取的流程包括数据收集、预处理和使用，但缺乏统一定义，常与数据挖掘（分析数据识别模式）和网络爬虫（系统化索引网页）混淆。

数据抓取生态系统

数据抓取生态系统涉及多个参与者：

• 研究机构与学术界：利用抓取数据开展研究和开发，但面临法律挑战。
• AI数据聚合商：聚合并提供抓取数据，但透明度和授权问题突出。
• 科技公司与平台运营商：既是数据抓取目标，也从事抓取活动，通过反抓取技术和服务条款规范数据访问。
• 知识产权创作者与所有者：作品常被抓取用于训练AI，但缺乏透明度导致维权困难。

数据抓取的法律环境

数据抓取可能涉及多种知识产权：

• 版权：未经许可抓取受版权保护的材料可能侵权，但各国对合理使用或文本数据挖掘（TDM）的例外规定存在差异。
• 数据库权利：提取受保护数据库的实质性部分可能侵权。
• 商标权：抓取包含商标数据可能构成侵权。
• 商业秘密：未经授权访问或披露商业秘密可构成侵权。
• 肖像权与姓名权：抓取包含个人肖像、姓名或声音的数据可能侵权。
• 道德权利：允许创作者主张作品作者身份并反对有损其声誉的修改。

全球范围内，涉及数据抓取的诉讼日益增多，尤其在美欧地区。数据抓取的管辖权复杂，涉及多个司法管辖区，合同协议在规范数据访问和减少纠纷方面发挥重要作用，但其可执行性因地区而异。

政策规制路径

鉴于现行法律的局限性，政策制定者可考虑以下措施：

• 制定自愿性“数据抓取行为准则”：确立标准定义、原则，规范数据抓取活动，并建立违规报告系统。
• 支持开发标准化技术工具：如数据访问控制机制、自动化合同监控和直接支付系统，保护知识产权并简化合规流程。
• 制定标准合同条款：为数据抓取行为提供法律框架，可作为可选起点，并针对不同应用场景定制。
• 提升利益相关者意识：赋能权利人了解自身权利，教育AI系统用户负责任使用。

结论

数据抓取在推动AI创新中发挥重要作用，但也引发知识产权等法律问题。通过制定行为准则、技术工具、标准合同条款和提升意识，可在促进创新的同时保护知识产权，实现AI的负责任发展。