随着第一批关于生成式人工智能系统对劳动力市场影响的实证证据的发布，创作者群体对这一技术对其收入来源的影响普遍感到焦虑。因此，如何从版权法的角度处理生成式人工智能的问题在全球范围内备受关注。在美国，创作者已经对人工智能运营商提起了几起诉讼，而国家层面也已经开始尝试对这一问题进行立法。欧盟目前正在最后敲定一项名为 "人工智能法案"的雄心勃勃的一揽子法规，该法案对欧盟的版权制度具有重要影响，特别是对用于训练人工智能算法的受版权保护作品的透明度义务的实施。在此背景下，马丁·森夫特勒本（Martin Senftleben）的新文章《生成式人工智能与作者报酬》（Generative AI and Author Remuneration）显得尤为及时，并就该领域版权改革的未来之路提出了极具启发性的思考。

Senftleben 的主要关注点之一是找到一种可行的方法，既不抑制人工智能创新，又能为 "有血有肉的作者（flesh and blood authors）"创造新的收入来源，确保他们的报酬，改善他们的工作和生活条件。事实上，作者的出发点是：

人工智能系统的日益复杂化将不可避免地扰乱人类文学艺术作品的市场。人工智能生成系统提供文学和艺术作品的速度更快，成本更低。因此可以预见，人类作者将面临替代效应。从新闻和写作到音乐和视觉艺术，他们可能会因为被机器取代而失去收入。

文章主要分析了版权法是否允许使用受版权保护的作品来训练机器学习算法。这是一个复杂的问题，可以说世界上还没有哪个司法管辖区有直接的答案，因为还没有一部版权法是在考虑到人工智能生成技术的情况下通过的。由于机器学习基于文本和数据挖掘（TDM），从版权角度来看，问题往往集中在允许 TDM 的例外和限制是否也能涵盖这些用途。

虽然大科技人工智能行业声称这种情况属于美国的合理使用例外情况，但内容行业却认为这些使用属于专有权的范畴，应当获得许可。在欧洲，最近推出的 TDM 例外规定（在某些情况下）为权利人提供了 "选择退出 "文本和数据挖掘例外的可能性，并保留对其作品的完全控制权（《数字单一市场版权指令》第 4 条）。一些大型的集体管理组织已经宣布，他们将从机器学习的文本和数据挖掘活动中退出全部作品，这将大大减少人工智能系统可用的训练材料。

正如马丁（Martin Senftleben）所正确强调的那样，将这种 "退出 "机制应用于生成式人工智能并不是一个令人满意的解决方案，因为它会抑制这种技术的发展，从而使欧盟对人工智能开发者失去吸引力。出于同样的原因，他反对将这些用途纳入专有权的想法："需要获得个人授权并管理人工智能训练的报酬支付，这构成了交易成本和许可费形式的额外成本因素。如果所涉成本过高，将对欧盟人工智能部门在世界市场上的竞争能力产生负面影响"。

马丁建议的核心在于，为了补偿人类作者因生成式人工智能而减少的市场份额和收入，版权法应引入法定报酬形式的人工智能征税制度（AI levy system in the form of a statutory remuneration），并确保向创作者支付公平的报酬。不过，在他的模式中，法定报酬与将受保护作品用于人工智能机器学习的 TDM 用途无关，而是将 "生成式人工智能系统的文学和艺术产出 "作为 "支付报酬的法律义务的参照点"。

作者认为，以 "产出为导向的人工智能征税制度 "为重点，可以统一适用于欧盟的所有人工智能生成系统提供商。与侧重于投入维度和人工智能训练活动的薪酬义务相比，以产出为导向的征税方法避免了对欧盟高科技产业不利的风险。生成式人工智能系统的所有提供商在欧盟提供产品和服务的那一刻起，就同样面临征税付款义务。当人工智能开发者的系统产生的人工智能生成成果有可能替代人类作者的作品时，他们必须支付一次性报酬。为了消除法律/教义方面的顾虑，并为该提案提供理论支持，马丁提到了 "公共付费领域"（"domain public payant"）理论，根据该理论，对公共领域的利用至少应部分服务于在世的第一代作者。

诚然，马丁提出的建议在精神上是非常欧洲化的，因为其收入再分配的原理可能并不容易适合所有的版权传统，尤其是美国的传统。不过，从欧洲的角度来看，该提案肯定符合有偿例外的传统，因为关于通过集体管理组织获得这种报酬的创作者的分配规则，已经有了既定的惯例和判例法（详见：Christophe Geiger & Vincenzo Iaia, The Forgotten Creator: Towards a Statutory Remuneration Right for Machine Learning of Generative AI, 52 Comp. L. Sec. Rev. (forthcoming, 2024), available at Elsevier (Nov. 24, 2023); Christophe Geiger, Elaborating a Human Rights friendly Copyright Framework for Generative AI, available at SSRN: (Nov. 16, 2023).。

事实上，在政策层面上，要就基于有偿公有领域的提案达成共识会更加困难，因为那些主张强大公有领域的人可能会赞成改善创作者的报酬状况，但不太赞同有偿公有领域的想法。（文终）