从“不正当竞争”角度思考AI模型训练中“爬虫行为”的违法边界——欧盟与中国之比较

文章预览

如您希望下载PDF版本，请点击文末“ 阅读原文 ”获取。 引言 当前，生成式人工智能（generative artificial intelligence，以下简称“ 生成式AI ”）的发展突飞猛进，而此过程需要海量数据的支持，尤其是在模型训练阶段。故而，实践中很多生成式AI模型的训练往往依赖于爬虫工具从互联网上大量爬取数据。 [1] 例如，OpenAI公司的ChatGPT模型曾通过互联网爬取第三方网站中的电子书籍、文章、数据库等570GB、超过3000亿个单词用于训练AI模型。 [2] 然而，在AI模型训练中的爬虫行为如火如荼开展的同时，也需警惕爬虫行为所带来的以下几方面法律风险： （1） 知识产权侵权：当AI公司对第三方网站上受版权保护的内容，如文章、图片、音乐、视频等进行爬取时，可能构成版权侵权； （2） 个人信息侵权：若第三方网站上包含个人信息，如姓名、身份证号、地址、 ………………………………