科研之友
微信
新浪微博
Facebook
分享链接
摘要
以复制权的依附性为逻辑起点,机器学习可分为表达型、混合型和非表达型机器学习。其中,表达型和混合型机器学习从事传播效果导向的复制面临侵犯复制权的风险,继而加剧算法偏见问题。鉴于合理使用制度秉持的公平理念、限制复制权的历史逻辑以及应对市场失灵的经济价值,合理使用制度可有效规制机器学习。三步检验法中,第一步"特定、特殊情形"的僵化可通过援引司法经验并寄希望于未来修改《著作权法实施条例》来解决;第二步将损害法定权利经济价值的复制行为排除在外;第三步则采用比例原则并辅以因素分析法为合理范围内损害权利人利益的行为提供自由裁量标准。依此逻辑,表达型和混合型机器学习因其使用行为特点不同而具有不同的合理使用适用范围:相较于前者的内容转换性,后者的目的转换性更利于合理使用的认定。
- 单位
