大模型理论基础-大模型法律篇学习笔记

Introduction

主要涉及以下几点进行讨论：

1. 新技术与现有法律的关系。
2. 互联网的挑战
3. 法律和道德的关系
4. 法律的管辖权问题
5. 法律的类型
6. 大型语言模型
7. 数据所涉及的法律问题
8. 下游应用带来的法律问题

版权法

知识产权法

其动机是鼓励创建各种类型的知识产品。如果任何人都可以利用你的辛勤劳动并从中获利，人们就会对创造或分享失去动力。知识产权包括：版权，专利，商标，商业秘密。
使用版权作品有两种方式：获取许可或依赖公平使用条款。

许可

“许可就是承诺不起诉”。
创作共享许可，允许免费分发版权作品。例如，维基百科、开放课程、可汗学院、免费音乐档案、来自Flickr的307百万图像、来自MusicBrainz的39百万图像、来自YouTube的1000万视频等。

公平使用

决定是否适用公平使用的四个因素是：

1. 使用的目的和性质（教育用途优于商业用途，转型用途优于复制）
2. 版权作品的性质（虚构作品优于事实作品，创新性的程度）
3. 使用的原作部分的数量和实质性
4. 使用对原作市场（或潜在市场）的影响

注意：事实和想法不受版权保护。如果策划/安排被视为表达，事实数据库可以受版权保护。复制数据（训练的第一步）就已经是侵权，即使你不做任何事情。法定损害赔偿可以高达每件作品150,000美元（版权法第504条）。

案例研究

作家协会诉Google

Google Book Search扫描了印刷书籍并使其在线可搜索（显示片段），始于2002年。作家协会抱怨Google没有寻求他们对仍受版权保护的书籍的许可。2013年，地区法院判定Google公平使用。

Oracle诉Google

（搁这套圈呢）Google在Android操作系统中复制了Oracle（原Sun Microsystems）所有的37个Java API。Oracle以版权侵权起诉Google。2021年4月，最高法院裁定Google的使用Java API属于公平使用。

Sega诉Accolade

1989年，Sega Genesis游戏主机发布。Accolade想要在Genesis上发布游戏，但Sega收取额外费用，希望成为独家发行商。Accolade反向工程Sega的代码，制作新版本，绕过安全锁。Sega在1991年起诉Accolade。1992年，第九巡回法庭裁定赞成Accolade，认为其属于公平使用。（迷惑的反向工程和迷惑的裁定）

公平学习与机器学习

对于将机器学习视为公平使用的论据：训练数据的广泛访问会为社会创造更好的系统。如果不允许使用，那么大部分作品无法用来产生新的价值。使用版权数据可能更公平。
反对将机器学习视为公平使用的论据：认为机器学习系统不会产生创意的“最终产品”，而只是赚钱。生成模型（例如，语言模型）可以与创意专业人士竞争。机器学习系统的问题（传播假信息，实现监控等），因此不应该给予机器学习系统利益的怀疑。（我觉得也是，资本逐利太严重了）

阶段性结论

1. 第一阶段：文本数据挖掘（搜索引擎），基于简单的模式匹配。
2. 第二阶段：分类（例如，分类停止标志或情感分析），推荐系统。
3. 第三阶段：学习模仿表达的生成模型。

隐私法律教程

主要是涉及到隐私法在该信息时代的一些例子，包括Clearview AI、加利福尼亚消费者隐私法案（2018）、加利福尼亚隐私权法案（2020）以及欧盟的一般数据保护条例（GDPR）。

GDPR （欧盟一般数据保护条例）

涉及到数据隐私的保护，于2016年通过，2018年可执行。其范围比CCPA更广泛。不适用于处理个人数据的国家安全活动或执法行为。数据主体可以同意处理个人数据，并可以随时撤回。人们应有权访问自己的个人数据。因为在Android手机设置过程中未获得广告个性化的同意，Google被罚款5700万美元。
（不得不说在这方面国外领先太多）

其他法律

加利福尼亚的机器人披露法案：如果使用机器人与人进行通信，而不披露它是一个机器人，这是违法的。限制：只适用于激励销售或影响选举投票的情况。限制：只适用于每月在美国有1000万访问者的公开网站。
（应当是考虑到fake information和misunderstand的问题）

总结

涉及到大模型的训练和下游应用，需要考虑从公平使用，隐私保护等多个方面的因素和法律法规。