AIの学習データ利用と著作権：国内外の法的評価と最新動向
導入：AI学習データ利用が提起する著作権問題の核心
人工知能（AI）技術の急速な発展は、画像、テキスト、音声といった様々な形態のコンテンツ生成を可能にし、クリエイティブ産業に革新をもたらしています。しかし、その根幹を支えるAIモデルの「学習」プロセスにおいて、既存の著作物データが大量に利用されることは、著作権の基本的な枠組みに新たな問いを投げかけています。著作権法は、表現者の創作活動を保護し、その成果の公正な利用を促進することを目的としていますが、AIの学習行為が既存著作物の利用としてどのように評価されるべきか、また、その利用が著作権侵害に該当するのか否かについては、いまだ国際的に定まった見解が存在せず、活発な議論が続いています。
本稿では、AIの学習データ利用における著作権上の主要な論点を整理し、米国、欧州連合（EU）、日本を中心とした各国の法的アプローチと最新動向を詳細に分析します。知的財産法を専門とする研究者の皆様にとって、本テーマに関する多角的な視点と、今後の研究や議論に資する信頼性の高い情報を提供することを目指します。
AI学習データ利用と著作権侵害の法的構成
AIモデルが学習のために著作物を利用するプロセスは、複数の著作権法上の権利と関連します。
1. 複製権との関係
AIが大量のテキストや画像を学習データとして取り込む際、これらの著作物はデジタル形式で複製され、モデルの内部に符号化されます。この行為は、著作権法上の「複製」に該当する可能性が指摘されています。特に、一時的な複製であっても、それが恒常的なデータベース構築やモデル生成に繋がる場合、その許諾の要否が問題となります。
2. 公衆送信権・自動公衆送信権との関係
インターネット上に公開された著作物をAIがクロールして取得する行為は、公衆送信権、特に自動公衆送信権との関連性が議論されます。著作物をアクセス可能な状態に置くこと自体が、権利侵害となりうるか否かは、技術的な側面と法的な解釈の両面から検討が必要です。
3. 翻案権との関係
AIモデルが学習した結果、既存の著作物の表現形式を直接的に模倣せずとも、その「本質的な特徴」や「アイデア」を抽出して新たなコンテンツを生成する場合、翻案権の侵害が問題となる可能性もゼロではありません。ただし、学習行為自体が直接的な翻案に当たるか否かは、その表現の「類似性」と「依拠性」の判断基準がAIにどのように適用されるかという新たな課題を含んでいます。
これらの法的構成については、既存の著作権法の原則をAIの特性に合わせてどのように解釈・適用すべきか、各国で異なるアプローチが採られています。
各国における法的アプローチと例外規定の適用
AI学習データ利用に関する著作権法上の扱いは、各国・地域によってその法制度や解釈に差異が見られます。
1. 米国におけるフェアユース原則の適用
米国著作権法では、著作物の公正な利用（フェアユース）が認められています。AIの学習データ利用も、このフェアユース原則の下で評価されることが多く、特に以下の四要素が考慮されます。
- 利用の目的と性格: 商業的利用か非商業的利用か、変形性（transformative use）があるか。AIの学習は、既存の表現をそのまま提示するのではなく、新たなモデル構築のための「変形的な利用」と解釈される傾向があります。
- 著作物の性質: 事実性の強い著作物か、創作性の高い著作物か。
- 利用された分量と実質性: 著作物の全体が利用されたか、ごく一部か。学習のために著作物の全体が取り込まれることの是非。
- 市場への影響: 利用が著作物の潜在的市場や価値に不当な影響を与えるか。
現在、米国ではStability AI, Midjourney, DeviantArtなどが著作権侵害で集団訴訟を提起されており、これらの訴訟において、AIの学習行為がフェアユースとして認められるか否かが主要な争点となっています。特に、AIモデルが生成する出力が、学習データとなった元の著作物と「実質的に類似している」かどうかが、判断の重要な要素となると考えられています。
2. 欧州連合（EU）におけるTDM例外規定
EUでは、デジタル単一市場における著作権に関する指令（DSM著作権指令2019/790）において、テキスト及びデータマイニング（TDM: Text and Data Mining）のための著作物利用に関する例外規定が設けられています。
- 第3条（研究機関・文化遺産機関の非商業的利用）： 研究機関や文化遺産機関による科学研究目的のTDM利用は、ライセンス契約で明示的に禁止されていない限り、著作権者の許諾なく認められます。
- 第4条（商業的利用を含むTDM）： その他のTDM利用（商業目的を含む）についても、著作権者が利用を「明示的に留保」しない限り、著作権者の許諾なく認められます。これは、著作権者が利用を拒否する「オプトアウト」の機会を持つことを意味します。
このTDM例外規定は、AIの学習行為を促進しつつも、著作権者の意思を尊重するバランスを取ろうとするEUのアプローチを示しています。しかし、「明示的に留保」する方法や、その技術的実装については、さらなる議論と明確化が求められています。
3. 日本における著作権法30条の4（情報解析のための複製等）
日本著作権法においては、2018年の改正により新設された30条の4が、AIの学習データ利用の根拠として注目されています。この条文は、「著作物に表現された思想又は感情の享受を目的としない利用」について、原則として著作権者の許諾なく行うことができる旨を定めています。
この規定の適用条件として、「著作権者の利益を不当に害することとなる場合」は適用されないとされています。この「不当に害することとなる場合」の解釈が、AIの学習データ利用における最大の論点となります。文化審議会著作権分科会の議論では、以下の点が考慮されるべきと示唆されています。
- 著作物の種類や用途に照らした影響: 特定の種類の著作物（例: AI学習用データセットとして販売されているもの）に対して、無許諾利用が市場に与える影響。
- 学習の態様と生成物の特性: 学習データから生成されたコンテンツが、既存の著作物と強く類似し、その市場を代替するような場合。
現時点では、AIの学習行為自体は原則として30条の4により適法と解釈される傾向にありますが、将来的にAI生成物が著作権者の正当な利益を不当に害する具体例が出現すれば、その解釈は変化する可能性があります。
クリエイターの権利保護とオプトアウトメカニズムの課題
著作権者の視点からは、自身の著作物がAIの学習に無許諾で利用されることへの懸念が高まっています。これに対し、著作権者が自らの著作物のAI学習利用を拒否できる「オプトアウト」メカニズムの導入が提案されています。
しかし、オプトアウトの実装には多くの課題があります。
- 技術的課題: 大量のデータセットの中から個々の著作物を特定し、利用を停止させる技術的な仕組みの構築。
- 運用上の課題: オプトアウトの意思表示をどのように行い、それをAI開発者がいかに認識し、遵守するか。
- 法的課題: オプトアウト権の法的位置付けや、それを侵害した場合の救済措置。
これらの課題を克服し、クリエイターの権利とAI技術の健全な発展を両立させるための国際的な協力と新たな法制の構築が急務となっています。
国際的な調和と今後の展望
AIの学習データ利用に関する著作権問題は、国境を越えて発生する性質を持っています。ある国では適法と判断される利用が、別の国では著作権侵害となる可能性があり、これは国際的なコンテンツ流通とAI開発の障壁となりえます。
世界知的所有権機関（WIPO）などの国際機関では、この問題に関する国際的な議論が進められていますが、各国の法制度や産業政策の差異から、統一的な解決策を見出すことは容易ではありません。
今後の展望としては、以下の点が注目されます。
- 主要国の判例の集積: 米国で係争中のAI著作権訴訟の結果は、今後の国際的な議論と法形成に大きな影響を与えると考えられます。
- 法改正の動向: 各国でAI技術の進展に対応するための著作権法の見直しが進められる可能性があります。
- ライセンスモデルの進化: AI開発者と著作権者との間で、学習データ利用に関する新たなライセンスモデルや契約形態が生まれる可能性があります。
- 技術的な解決策の模索: 著作権保護技術（DRM）の応用や、学習データ利用を透明化する技術の開発も進むでしょう。
結論
AIの学習データ利用に関する著作権問題は、技術の進展が既存の法制度にもたらす典型的な課題であり、知的財産法の根幹に関わる論点を多く含んでいます。各国の法制度は、それぞれの歴史的背景や政策的判断に基づいて異なるアプローチを採っており、一様ではありません。
研究者の皆様においては、これらの複雑な状況を深く理解し、技術と法、そして倫理の交錯する領域において、公正かつ持続可能なAIアートの生態系を構築するための、継続的な学術的貢献が求められます。今後も、国内外の判例の動向、法改正の議論、そして新たな技術的・社会的な潮流に注視し、その解釈と適用について多角的に分析していくことが重要であると考えられます。