2021年11月13-14日，由中国政法大学民商经济法学院知识产权法研究所主办、百度公司协办的“大数据、人工智能和知识产权”国际研讨会在线上成功举办。来自日本名古屋大学、东京大学、北海道大学、美国德克萨斯农工大学、澳大利亚默多克大学、意大利圣安娜高等研究院、香港中文大学、澳门科技大学、中国政法大学、清华大学、同济大学、厦门大学、中山大学、中央财经大学、百度公司等境内外高校和机构五十余名专家学者参加了线上会议。会议同时进行了线上直播，在线观看会议约一千人次。本次会议亦得到了中国政法大学知识产权法新兴学科建设项目的支持。研讨会为期两天，分为上下两场，议题分别是“人工智能与知识产权”和“大数据与知识产权”。研讨会全程气氛热烈，专家学者们满怀激情，对于数据与人工智能中涉及的相关知识产权问题，例如基于人工智能生成物的知识产权问题、数据是否具有财产权属性或受知识产权保护、人工智能本身能否成为知识产权的权利主体等前沿问题，进行了充分表达和讨论，分享了自己的真知灼见。现就嘉宾发言整理成文，以飨读者。
开幕式
（冯晓青教授主持开幕式）
研讨会开幕式由民商经济法学院知识产权法研究所所长冯晓青教授主持，他对各位嘉宾及广大观众们以线上方式参会表示热烈欢迎和衷心感谢。民商经济法学院院长于飞教授致辞，他指出在当前全球一体化和科技革命的背景下，探讨大数据、人工智能与知识产权之间的关系以及法律对技术的回应具有积极意义，期待本次研讨会为各个国家和地区的学者搭建交流平台。
（于飞院长致辞）
第一单元：2021年11月13日
主题研讨：人工智能与知识产权
日本北海道大学法学院教授Branislav Hazucha的演讲主题是：“AI与创作——在著作权与公共领域之间”。
Hazucha教授认为，AI领域取得了重大进展，并已经融入到文学艺术成果制作的文化生产之中。对此，他列举了AI应用到音乐与绘画作品创作的两项实例，以说明AI通过分析原作品而生成的成果已经达到使受众感受到其与人类创作出来的作品一样的程度。面对上述AI应用于文化生产的新发展，我们是否应给予AI创作以版权保护？存在正反两派观点。反方的理由如下：第一，无需对AI本身进行激励。第二，将AI创作留给公共领域，可进一步激发、激励人类的创造力。第三，如果授予其版权反而是对人类作者的颠覆，实际上是将人放在一个很低的位置。第四，AI本身没有法律人格，在作者权体系和版权法体系中都是如此。正方则认为，对AI技术的投资予以激励很有必要。此外，对AI创作予以保护也不会存在阻碍。其一，对创造性的定义总是与人格挂钩，应当修改；其二，可以根据雇佣作品原则，将AI的“雇佣者”视为其创作的最先版权人；其三，找寻其他法律保护方案，比如合同解决方案。Hazucha教授认为，依照目前的AI水平，其作为版权人至少在不久的将来是不会存在的。实际上，将AI作为创作的工具可能是其适应版权法最为可能的路径。AI及其创作可能类似于百年前的照相机及第一张照片的情况。关于人类对于创作的参与，应区分有监督的机器学习与无监督的机器学习。在第一种情形下，人类参与程度更高，如发出指令作出预选等；在第二种情形下，人类参与主要体现在后期，如营销。就目前AI发展的现状以及人类对AI创作的参与程度而言，对于目前那些只需人类按键操作的AI创作，或许可为其提供邻接权，从而无需达到创造性也能受到保护。此外，AI能较好地完成标准化任务，但无法预测时尚潮流与顾客口味的变化，并且AI创作依赖于超级明星现象。最后，AI快速地产生大量创作与“ 人为的稀缺性”相悖离。
日本名古屋大学法学院教授Suzuki Masabumi（铃木将文）的演讲主题是：“促进数字经济和知识产权：日本最近的发展”。
首先，日本与数据相关的政策及法律框架。Suzuki教授介绍，日本主要包括四个政策领域：旨在建立ICT社会的政策措施；与知识产权有关的政策措施；与个人隐私保护相关的政策措施；实现数据自由流通的政策措施。Suzuki教授重点介绍了第三和第四项措施。其次，对日本《著作权法》2018年修正案的解读，特别是与文本和数据挖掘（TDM）有关的条款。2018年修正案主要涉及对著作权限制和例外的规定。为解决日本长期以来僵硬的著作权例外框架所带来的不利于创作活动的问题，在修正前，文化事务机构的咨询委员提出“应根据三类活动制定适当的灵活条款”的原则。该修正案引入了与其中第一和第二条相对应的一些相对普遍的例外规定，即“超出作品正常使用范围但一般被认为没有损害著作权人的利益的行为”以及“超出作品正常使用范围但只对权利人造成轻微不利影响的行为”。Suzuki教授重点分析了第30条第4款，即非为享受地使用作品的例外条款。该条款规定允许非为享受作品的利用，除非这些利用会不合理地损害版权人的利益。这是一个一般性的例外规定，其例示了三种情形，即用于技术开发的实验、TDM，以及不通过人类感官进行的利用。应特别注意的是，该条款以一种非常普遍的方式涵盖了TDM的例外情况，规定以任何方式和在认为必要的范围内利用世界上的数据分析是允许的，除非这种利用可能不必要地损害权利人的利益。Suzuki教授还介绍了欧盟《单一数字市场版权指令》（以下简称“《指令》”）下的TDM例外规定。《指令》第3条是针对研究机构和文化遗产机构为科学研究的TDM，第4条规定了一种退出机制，根据该机制，权利人可以通过适当的方式，如机器可读方式，明示保留其对TDM的权利。这两条规定都只允许通过计算机对合法获取的作品进行TDM。通过与欧盟法律的对比，可见日本的例外规定非常广泛，从某种意义上说，它涵盖了任何方式的利用。它不允许权利人进行保留，也不要求合法地接触利用的对象。正如有位日本学者所说，现在日本已经成为机器学习和TDM的天堂。同时，我们应当也要警惕“对著作权人的利益造成不合理的损害”的模糊性，以及当事人通过合同条款架空该条例外规定的可能性。此外，对于该条款的影响，有观点认为，该条可能被认为是版权内部限制的一个例子，著作权的范围仅能延及禁止他人为享受作品的内容而造成损害的行为，而不是版权法规定的所有物理复制行为或其他类型的行为。最后，涉及数据自由流动的最新的国际协议。Suzuki教授从日本的角度展示了2019年缔结的《美日数字贸易协定》中的一些条款，这些条款是关于数据跨境转移的最先进的条款。例如，第12条规定了反对数据本地化的原则。第17条规定了禁止强制转让和访问源代码和算法。这将使数据的流动在未来变得更加重要。Suzuki教授总结认为，近几年，日本引入了新的法律机制，这将影响到与数据相关的商业活动。从实践与理论的层面来看，似乎具有重大影响。但是，现在判断由此产生的影响还为时过早，值得关注的是它们将如何实施并影响数据经济的前景。
中国政法大学民商经济法学院教授李扬的演讲主题是：“工具主义视角下AI生成物的著作权问题研究”。
李扬教授以中国司法实践中“北京菲林律师事务所诉北京百度网讯科技有限公司案”与“深圳腾讯诉上海盈讯案”作为引入，分析指出我国法院对于“AI生成物是否构成作品”的问题存在不同观点。李扬教授认为应从哲学的高度，在形而上的层面看待AI与人的关系。如此，AI生成物的著作权问题也迎刃而解。关于AI与人的关系，李扬教授从康德哲学出发，认为无论AI发展到什么阶段，都只能作为人的客体和工具对待。康德认为，理性、自由与自我意识三者是人之为人的根本。人的行动包括人与物的关系以及人与人的关系两个侧面。在人与物的关系上，物只是手段，人才是目的。况且目前AI根本没有脱离人类辅助工具的范畴，没有作为主体性和绝对目的性的理性、自由和自我意识。此外，在法律层面，AI不具备也难以通过拟制被赋予法律主体资格。首先，AI不具备法律主体资格要件。其次，AI也无法被拟制为法律主体。具体来说，AI根本无法像法人一样具备意思能力和行为能力，拥有财产、享有权利、履行义务和承担责任，欠缺拟制为法律主体的基本资格要件。基于以上论述，AI生成物实质只不过是人的生成物，AI生成物是否构成著作权法意义上应受保护的作品，也应当按照著作权法关于人的创作物是否属于应受保护的作品标准进行判断，此种观点可简称为“AI创作工具说”。至于AI生成物的著作权归属，需要注意的是，AI的权利归属是第一次权利分配，AI生成物的权利归属是第二次权利分配。AI本身的权利由AI的开发者享有。AI生成物著作权归属，根据“AI创作工具说”进行分析可以得出结论：谁拥有和利用AI创作出了作品（生成物），谁就是该作品的作者，谁就享有该作品的著作权，除非著作权法有特别规定。
美国德克萨斯农工大学法学院教授余家明（Peter K. Yu）的演讲主题是：“著作权、AI与法机界面”。
Peter K. Yu教授介绍到，目前在美国关于AI的争论中，最大的问题在于机器是否可以成为作者，并且很多研究回归到宪法中的版权条款来讨论上述问题。首先，其他国家的规定与做法。其一，英国1988年《版权、设计与专利法》第49章第9条（3）规定，“对于由计算机生成的文学、戏剧、音乐或艺术作品，其作者应该是为创作这作品而做出了必需安排的人。”该条并不要求同时涉及人类，也并不考虑多少创造性的投入来源于人类。其二，在中国的“深圳腾讯诉上海盈讯著作权侵权案”中，法官将AI生成的内容认定为作品，并未将“来源于人”作为作品的要件。其次，就美国的版权注册实践而言。根据美国版权局惯例汇编313.2的规定，“要获得有独创性作品的资格，作品必须由人类创造。版权局不会注册由机器或纯机械过程随机或自动制作而没有人类作者的任何创意输入或干预的作品。”关于“作品必须由人类创造”的条件，Peter K. Yu教授介绍其主要经“猴子自拍案”推动而引入。但实际上早在“猴子自拍案”前，美国最高法院就于“Burrow-Giles Lithographic Co. v. Sarony”案中指出，“作者是让事物起源都归功于他的人、鼻祖、制作者或那个完成科学或文学作品的人”。Peter K. Yu教授认为，这一定义对我们认定作者具有重大意义。同样重要的是，我们要关注“人类作者的任何创意输入或干预”对作者认定的影响。在AI生成作品的过程中，存在“设计AI算法的首位拥有人”“训练AI算法数据的第二位拥有人”以及“继续训练AI算法数据的现时拥有人”。何者才是作者，这涉及谁提供了创造性的人类输入与干预的问题。Peter K. Yu教授认为，目前，人类的创意输入或干预占更大的比例，能够自动创作的机器人的出现还需要较长的时间。因此，现有的法律框架与制度仍可适用。但是人类的投入一旦降低甚至只有一小部分，那么问题就在于我们是否需要做出调整，让版权法纳入更多内容。但无论如何，Lindsay v. The Wrecked and Abandoned Vessel R.M.S. Titanic案启发我们要以“创造性控制程度”为基础来讨论AI的作者身份这一问题。除上述机器能否成为作者外，Peter K. Yu教授还简要谈及了其他与AI有关的著作权问题。其一，关于著作权侵权问题。其以“ Ty, Inc. v. GMA Accessories, Inc.”案说明，AI生成的成果之所以相似。主要并非因为人类的复制，更主要源于AI创作的特点。其二，关于著作权的限制与例外。Peter K. Yu教授简要就合理使用“ 四要素标准”以及“转换性使用”与“中间复制”在AI领域中进行了特殊性分析。此外，有趣的问题还包括，“能否建造一个自动化的著作权执法系统”以及 “是否会出现内置于电脑芯片的法官”？
厦门大学知识产权研究院教授林秀芹的演讲主题是：“ 对数据的前瞻性保护：中国的视点”。
林秀芹教授就中国对大数据的保护，从法律框架、意见分歧、近期案例进行了展示。首先，中国保护大数据的法律框架。其一，大数据可能作为一个独立的作品或者汇编作品或者计算机程序得到保护。其二，如果大数据满足了商业秘密的要件，则其也可以作为商业秘密来保护。其三，可通过《反不正当竞争法》第2条来保护。其四，《民法典》第111条虽与数据相关，但并非对数据的保护，第127条的规定也只是为大数据保护将来的立法提供依据。其五，《知识产权强国建设纲要》中也提及“研究构建数据知识产权保护规则”，但认为目前的条件尚不成熟。其六，《个人信息保护法》与大数据相关，但其并不关注数据保护。其次，对于数据保护引发的问题以及学界的意见分歧。对于数据保护问题，林秀芹教授认为应当关注：其一，在中国的司法实践中是如何保护数据的；其二，保护数据的正当性是什么以及其他值得关注的问题。其中，一个隐性的问题值得关注，即数据的垄断。林秀芹教授认为，近期的案例也体现了这个问题，但在这方面还没有充分的研究。对于在中国如何保护数据，也存在较大的意见分歧，主要包括以下观点：所有权保护、知识产权保护、新型财产权利保护、有限专有权保护、特殊权利保护、反不正当竞争法保护等。最后，关于数据保护近期案例的介绍与评析。其一，对于“腾讯诉抖音、多闪”案。其认为，法院对被告颁发临时禁令，忽视了消费者福利以及使用者对原告所谓数据的贡献。其二，关于“大众点评诉爱帮网”案。其认为，原告所主张的经过其处理的数据具有实质性价值，原告的盗用是明显的，判决合理合法。其三，对于“北京微梦诉上海复娱”案。林秀芹教授重点介绍了该案判决的逻辑，即“原告对新浪微博数据有独家的权益”“原被告具有竞争关系”“被告的行为构成不正当竞争”“适用反法第12条的互联网条款”。另外，其他一些案例中，法院多适用反法第2条对数据予以保护。林秀芹教授总结认为，第一，中国法院在司法实践中较为积极地保护数据的控制者。第二，法院对数据的称呼有很多，如法律利益、竞争性利益、无形财产权等，中国通过反法或知识产权法对有价值的数据提供了有效的保护。其进一步指出，目前没有明显的证据证明对于数据的保护存在市场失灵。因此，也就没有合理的理由对其赋予更多的权利，特别是赋予专有权利，否则会影响数据的流通。第三，法院适用的法律通常是反法第2条或第12条。此外，林秀芹教授指出，数据垄断是一个值得特别关注的大问题，但现有研究中常被忽略。
中山大学法学院副教授谢琳的演讲主题是：“文本和数据挖掘的市场失灵与著作权例外 ”。
谢琳副教授围绕TDM是否应当被纳入著作权例外这一问题进行展示。TDM是以数字形式对信息进行自动化的计算分析，其可以处理海量的信息以获取新知识或发现潜在的趋势。但是TDM也有版权侵权的风险。为有效利用挖掘软件，检索的数据通常被规范化、添加评注并汇集成一个语料库。其中就可能包含具有版权的材料，而上述行为是未经许可的复制，可能会侵害版权。由此产生的问题是，谁应拥有数据许可市场。规范化与注释可以由发行者完成，如以结构化的方式提供的XML格式的数据，并作为商业要约的一部分；也可以由研究者自己完成，因为对于公共利益研究组织的研究人员来说，他们更倾向于使用自己的工具。对于TDM作为著作权例外的正当性体现在四个方面：第一，合法获取。一般来说，打算进行TDM的人已经合法地获得了内容。第二，类似于私人复制。对于语料库中的版权材料，其仅是用于挖掘而不向公众开放。第三，可能被认定为转换性使用。复制版权材料的目的是分析数据而不是为了消费享受。第四，可能存在市场失灵。谢琳副教授认为这是最重要的原因。为保证TDM结果正确，TDM需要分析所有相关材料，但无法一一去获得所有版权人的许可。因此，为保障TDM产业的发展，有必要为其规定一般性的版权例外。然而在事实上，TDM并没有被广泛接纳。TDM可以用于各个领域各种用途，包括科学研究领域以及其他领域。前者如临床试验分析、基因疾病图谱，后者如专利地图、金融服务。2019年欧盟正式出台的《数字单一市场版权指令》规定了TDM的版权例外。但其也未将所有类型的TDM引入其中。具体来说，对于由研究组织和文化遗产机构进行的科学研究，版权人不能选择保留；但是，对于其他领域，版权人可以选择保留。欧盟没有引入完全的TDM例外，是因为在商业领域某些许可市场已经形成。因此，我们还是应该回到“市场失灵”这一关键问题来考虑是否有必要引入一般的TDM例外。我们应该反思，是否在所有类型的TDM中都存在市场失灵？文本和数据的来源可以是开放的资料库、数据库、社交网络，以及各种公开的互联网。有些TDM工具可以在不复制的情况下挖掘。由于临时复制在中国是允许的，所以缓存内容也是被允许的。因此，市场失灵并不明显。此外，中国《著作权法》2020年修正案关于科学研究的著作权例外条款允许汇编行为，这也为TDM也提供了空间。谢琳副教授总结认为，市场失灵在整个TDM情形中并不明显，显然没有必要为TDM规定一般性的著作权例外。我们可以静待观察市场本身能否解决这个问题。
中国政法大学法律硕士学院副教授陶乾的演讲题目是：“在著作权法下创设数据处理者权—AI生成内容的替代性保护方法”。
首先，要辨析AI生成物与衍生数据的关系。陶乾副教授认为，AI生成内容是一种典型的衍生数据。数据可以分为基础数据和衍生数据。在AI语境下，衍生数据是指可以从基础数据中通过算法计算出的数据。一方面，衍生数据已经脱敏并集成而存在，其不仅仅是数据的合成或汇编，而且具有不同于基础数据的价值与内容以及特定的商业用途。另一方面，AI生成的内容高度依赖于给定的基础数据。利用算法，AI不仅可以生成数据分析报告，还可以生成诗歌、小说、音乐和图片等。这些文学和艺术内容是AI以现有作品为基础数据而进行机器学习，然后在用户设置基本要求后自动生成的。此外，衍生数据具有财产的性质，应当在现有财产法框架内研究如何对其予以保护，仅运用反不正竞争法保护，不足以保护其商业价值。其次，陶乾副教授论证了著作权法是保护AI生成内容的最佳选择，并进一步指出AI生成内容不能构成作品，但可以通过邻接权制度保护。运用著作权法保护AI生成内容的主要理由是：其一，AI生成内容符合知识产权无形的特点。其二，保护AI生内容能激励投资者开发；同时，促进AI生成内容的传播使公众受益，符合知识产权创新理论。其三，AI生成内容关系多数主体利益，而著作权法中的利益平衡机制能够予以回应。其四，保护AI生成的内容可以增加社会效益，主要体现为提高衍生数据的质量，以及促进作品和信息在公共领域的再利用。但AI生内容不具有可版权性，主要原因是：其一，其是自动生成的，人类参与极其有限，因此无法被认为是人类使用工具而创作出来的作品；其二，AI本身没有任何意识和感觉，其生成的内容并不能认为是一项智力成果。但是在中国著作权法中，通过邻接权制度保护具有可行性。理由是：邻接权与技术发展密切相关，目的就在于鼓励和保护文化产品投资，通过保护作品传播者从而促进作品的传播，适用于保护非受著作权保护的成果。AI生成内容是随着信息技术的进步而出现的，AI程序员和互联网巨头都致力于优化这项技术，数据处理者控制着AI生成内容的传播，其对持有者来说是有价值的财产。这些特征与邻接权制度相匹配。通过上述论证，陶乾副教授提出，应在著作权法中创设一项新的邻接权，即“数据处理者权”，即数据处理者对衍生数据的权利。其不同于数据库汇编作品的著作权。其原则上归属于数据处理者，除非AI项目开发者与数据处理者另有约定。为平衡多方主体的利益，数据处理者权也应受到诸多限制，如合理使用和法定许可。应该允许对这些衍生的数据进行数据挖掘。此外，其保护程度应弱于著作权保护。保护期限应非常短，以促进数据更新。陶乾副教授总结认为，应在著作权权法下创建数据处理者权。对数据处理者的保护不仅可以解决AI生成内容的保护困境，还可以解决当前数字经济下对衍生数据的保护问题。
中国政法大学民商经济法学院副教授孙阳的演讲题目是：“AI所有权理论研究”。
孙阳副教授主要介绍了其对AI所有权的研究。首先，该研究有三个角度。第一个角度是AI的价值，即AI的经济利益。目前的争议发生在AI设计者和AI用户之间，主要集中在许可费和其他AI的经济利益之上。第二个角度是，关注AI的输出过程。AI输出过程类似于版权创作。将信息输入AI然后其自动输出，这个输出有时是创造性的，有时仅是为了实现某种功能。其三，需要构建AI所有权。其认为AI的所有权以及其他的AI的法规的设计，由于AI的技术水平完全不同于其他技术和工具，这可能意味着我们要精细设计涉及AI技术所有的法律。其次，孙阳副教授提出一条确保AI价值的路线，该路线分三步走。其一，激励设计。这意味着在AI运作的过程中有多个参与者，如程序员、所有者（大公司）、使用者等。激励措施为财产收益，这些收益归最终归所有者，所有者将其用于支付研发成本，AI所有者获得收益后又能继续推动研发，从而形成一个闭环。其认为，正因为我们无法预测未来AI技术的发展，所以我们对于AI所有权的设计必须首先确保AI的价值。其次，孙阳副教授指出，在其研究之中，AI所有权的基础只是技术。其试图将技术分为两个层次。第一个层次是作为一种工具的较低层次。当AI只是一种技术工具时，设计、制造、拥有AI的人，自然应该被赋予拥有这种工具的权利。第二个层次是更高层次的自主性的AI。此时，AI将具有机器学习的能力。它不会简单地听从程序设计者甚至是所有者的命令或指令，他们会像人类一样努力学习和改进。对于此，其也无法回答谁是自主AI的主人。第三，关于AI所有权结构的制度目的，即权利的保护、价值的实现和利益的平衡。这意味着在未来，当我们以特定的规则和条例的形式构建所有权结构时，我们应该重视上述三项目的。权利保护即权利属于AI所有者或设计者。价值实现呼应上述AI的经济价值。利益平衡是指AI领域存在众多参与者，AI所有权制度的设计是否考量了多方对AI发展所贡献的时间、资源应有的回报。回到版权模式，其认为版权模式成为一个选择的重要原因在于版权自动保护主义，这使得AI的价值无需前期繁琐的程序而很容易被附加价值。但就弱AI与强AI而言，两者的权属就有所不同。前者下，AI的所有者、设计者很容易就可以拥有AI的所有权；但强AI，我们仍然无法回答。当然，关于AI版权模式的主要问题是无法获得人格权理论的支持，我们只能追溯到功利主义理论。第四，关于构建AI所有权结构的标准，即效率优先性、分配公平性、结构稳定性。关于效率优先性，其认为AI的所有者才是使用AI实现其最大化价值的最佳参与者。关于分配公平性，其认为可以引入知识产权法中的利益平衡理论进行分析。关于结构稳定性，其认为我们最好将AI所有权分配给尽量少的主体。孙阳副教授指出AI具有多方参与者，对他们利益分配的考量因素应有所不同。第五，孙阳副教授指出，上述研究是建立在将所有者限定为一个实体的基础上，但如果有多个所有者呢？因此，其提出AI的多元所有权模式。在立法还未规范AI之前，多个所有者可以要求获得AI的所有权，只要他们能够使AI的价值最大化。在此，其列出合作、私人自由和对机会主义的限制三个考量因素。
点评环节
香港中文大学法学院李治安教授点评：
就AI生成物相关问题，其认为Hazucha教授为我们就AI生成物的可版权性提供了全面的视角，如雇佣作品原则、邻接权保护等。就Hazucha教授将AI类比于相机，李治安教授认为，这与李扬教授的展示相关，即将AI视为人类创作的工具。就李扬教授提及的两个案例的不同裁判观点，其认为，在司法实践中要注意到，不同类型的AI创作的过程是不同的，人类的参与和干预程度也不同。这与孙阳副教授所提及的“弱AI”与“强AI”是相关的，孙阳教授提到的AI的所有权实际上是另外一个值得思考的政策性问题。总的来说，李治安教授赞同李扬教授的观点，认为AI技术目前还没有达到具有自主意识的程度，无法自主决定创作什么以及怎么创作。就Hazucha教授提及的运用邻接权制度保护AI创作，以及陶乾副教授进一步提出的数据处理者权，李治安教授认为：其一，AI生成物的创作与传统方式相比，涉及更多的利益相关者，包括软件开发者、数据提供者、机器运行者等，难点就在于如何平衡所有利益相关者及其不同利益之间的关系；其二，以邻接权制度保护可能在侵权认定上存在困境。如将AI生成小说拍摄成电影的行为，就难以构成侵害邻接权，因为传播的媒介改变了。
围绕TDM与著作权例外的相关问题，李治安教授就Suzuki教授、谢琳副教授、Peter K. Yu教授的演讲进行了点评。就Suzuki教授介绍的日本引入TDM的一般性版权例外条款，李治安教授好奇于日本的产业与社会对于法律修改的回应，以及在司法层面该条款是如何适用的，是否有相关案例。就谢琳副教授认为中国《著作权法》第24条为TDM预留了解释空间，其表达了不同看法，认为该条并非专门为TDM而设计，在司法实践中法官可能也难以适用。就谢琳副教授认为是否存在市场失灵是引入TDM版权例外的关键考量因素，其认为这与美国Wendy教授的观点，即合理使用是为了纠正市场失灵具有异曲同工之妙。就Peter K. Yu教授提到的转换性使用，其认为这在美国已经有很多案例了，但转换性使用如何适用于AI领域以及如何在其他法域引入适用，还有待进一步研究。
就数据相关问题，对于林秀芹教授对数据的法律框架进行的全面展示，李治安教授认为，数据不仅涉及私法层面还涉及公法层面。就林秀芹教授展示的案例，其认为反法第2条在数据保护实践中应当被恰当地适用，既不能不用，也不能滥用，而这对法院将是一个挑战。此外，就林秀芹教授提到的数据带来的垄断问题，李治安教授认为，通过竞争法中滥用市场支配地位来处理数据带来的垄断问题存在困难，可能需要创设一项新型的垄断行为。
清华大学法学院崔国斌教授点评：
就AI能否成为民法或知识产权法拟制的法律主体。崔国斌教授简要地分析了公司被拟制为法人的原因。其认为法律将这些组织拟制为人的主要原因是减少组织生产运作成本、降低投资风险等，这些都是为了提高经济效率以及促进更大的利益。但在AI与知识产权领域，崔国斌教授认为目前还没有一种强有力的论据证明，承认AI或将其拟制为法律主体能给社会带来真正重大的利益。
就AI能否被认定为作者以及AI生成内容能否受到版权保护。多数学者将AI看成工具，特别是Hazucha教授将AI类比于相机，崔国斌教授对此是否涵盖所有类型的AI系统表示疑惑。其认为，在某些情况下，AI的算法非常复杂，嵌入了人类的个性。在这种情况下，AI开发者或设计者对生成内容也有贡献，而不应该简单把权利全都分配给AI系统的用户。崔国斌教授认同Peter K. Yu教授的观点，即当认定某一作品的作者时，应当关注“控制程度”这一关键因素。AI系统的开发者或设计者控制AI系统的算法，可以将其视为作者。其以谷歌翻译为例进行了具体分析，认为至少在目前的版权制度下，我们应当承认该软件的开发者或设计者是谷歌翻译出来的作品的作者。
就TDM的版权例外问题。崔国斌教授认为，Suzuki教授可能认为在数据许可市场存在市场失灵，而谢琳副教授可能认为不存在。就谢琳教授认为存在市场失灵是TDM成为版权例外的前提，对此，崔国斌教授认为其是在Wendy教授关于版权例外是为了纠正市场失灵的框架下的进一步研究。崔国斌教授简要介绍了Wendy教授所提出的两种市场失灵类型。回到TDM，崔国斌教授认为坚持合同优先以及退出机制的建立具有一定必要性。其认为，使用者可以通过签订合同合法获取数据进行挖掘。此外，创设TDM一般例外条款，同时允许版权人选择退出，不太可能对数据许可市场本身的激励机制造成严重损害。
就数据保护的路径问题。对于林秀芹教授提出用《反不正当竞争法》第2条来保护数据，崔国斌教授认为该条是一般性条款，对于快速发展的数据领域，我们提供的保护路径应具有一定的可预测性。因此，如果在反法的框架下保护数据，还需要更加具体的规则。对于用财产权来保护数据，其认为，这将为数据提供过强的保护程度，并且财产权保护的路径所需要的立法成本太大；运用反法保护数据，保护的范围更广，能涵盖更多的市场主体。
上海同济大学法学院张韬略副教授点评：
关于AI与版权、作者、所有权之间的关系。张韬略副教授认为，现阶段我们只有弱AI，因此在目前的法律框架下，AI应被视作是创作作品的工具。就Hazucha教授提出“作品是文化塑造者”的观点，其认为这具有指导意义。但是其认为如果AI被产业化使用，可能会降低文化多样性，威胁独立艺术家。但AI作为一个工具，同时也可以被用来促进文化多样性的发展。而这取决于谁在使用这个工具，以及如何使用它。
就中国的数据保护问题，张韬略副教授主要就林秀芹教授与陶乾副教授的演讲进行了点评。首先，其认为AI目前还是创作工具，就AI生成物的性质应当在个案中予以认定。所以，为数据处理者创设一个邻接权需要谨慎。其次，对于林秀芹教授的演讲。一方面，其同样认为“数据的流通是非常重要的”，立法者与司法者都应对此更加关注。诚然，某些平台非常容易吸引和锁定大量消费者，并收集和控制大量数据，存在滥用市场支配地位的可能。就林教授提及的“腾讯诉抖音、多闪”案，张韬略副教授认为，这只是一个关于初步禁令的不正当竞争纠纷案，并非反垄断案件。其还介绍了最近湖南省长沙市中院受理的新浪微博数据垄断案，并期待中国法院对该案的裁判。另一方面，张韬略副教授在某种程度上不太同意林秀芹教授对于数据垄断的担心。就目前中国司法实践的案例来看，法院基本是适用反法来保护数据的。中国目前的数据案件的核心问题在于竞争者的行为是否违反了商业道德和诚信原则，这些案件是关于反不正当竞争而非反垄断。
自由发言与讨论
以Hazucha教授演讲中提及的“AI类比于相机”与崔国斌教授点评时提及的“谷歌翻译”为切入点，与会嘉宾就AI相关法律问题展开了讨论。崔国斌教授提出，假设谷歌翻译是一个AI系统，当我们将论文副本发给谷歌并由其翻译，此时谁才是Hazucha教授演讲中那个“按下相机按钮的人”？Hazucha教授回应道，将AI类比于相机是为了说明，创作作品时必须要有创作者的设计。但是谷歌系统翻译时是否有设计呢？其认为，机器本身在该过程并没有思考和设计，不同的人输入同一个句子可能得到相同或相似的翻译。如此，由谷歌翻译系统自动生成的这些翻译能获得版权保护的问题可能有待商榷。或许AI在某些领域会发挥重要作用，但AI不会用来写一部新的哈利波特小说。在这些领域，人类还将扮演最重要的角色。崔国斌教授对此认为，对于谷歌翻译的例子，可能更重要的不是不同的人输出相同的句子得出相同的结果，而是在于谷歌的翻译可能会与腾讯、微软的翻译不同。在其看来，谷歌翻译的水平是相当高的，甚至只需要人类稍微调整就很具有可读性，可以当做原创文章。Hazucha教授认为，我们需要考虑为什么要对这种翻译进行保护。就目前来说或多或少是逐字翻译的，AI系统的运作就是追寻每个词的最优翻译方式。即使谷歌、雅虎等提供不同服务，可能会产生不同结果，但经过一段较长时间，如果我们使用相似的算法来翻译，可能会得出相同的结果。如果系统进一步发展，出现自动翻译的情形，能提供不同的选项，在不同算法下翻译，此时保护它就不会有太大阻碍。陶乾副教授认为，谷歌翻译不是一个合适的AI生成内容的例子，因为其目的是提供更多和更精确的翻译。所以其更愿意把它看作是通过使用AI产生的内容。而对于那些AI生成的诗词故事，其目的是提供更加多样化的作品。此外，相比于摄像师使用照相机创作摄影作品，AI的创作产生的故事和图片是不可预见的，其可能会产生更多不同内容的结果。此外，冯晓青教授指出，当我们讨论AI生成内容是否能被版权保护时，要明确的前提条件是目前AI的发展水平仍是弱AI，并认为人类控制是重要考量因素。李扬教授认为，我们应该站在哲学的高度来看待AI生产内容的版权问题。
第二单元：2021年11月14日
主题研讨：大数据与知识产权
日本东京大学法学院教授Tamura Yoshiyuki（田村善之）的演讲题目是：“日本对于大数据的保护——行为规制方法”。
田村善之教授的演讲内容涵盖日本的大数据立法进程、大数据是否需要专门立法保护、客体规制和行为规制两种保护路径以及日本《反不正当竞争法》的修改情况四个方面。田村善之教授参与了日本《反不正当竞争法》的修法全过程，但其一直存在是否需要通过新设法律保护大数据的疑问。田村善之教授认为搭便车行为是有利于社会福利的，因此，通常情况下，搭便车行为不应该受到法律的规制。只有当新的商业模式的发展受到损害，并因此影响到对于该商业模式的激励，且这种激励应该受到保护时，相应的搭便车行为才应当被禁止。市场本来就有其激励机制，只有当市场激励失效时，法律保护才显必要。对于大数据而言，通过对商业秘密以及技术措施的保护已经能够使商业主体通过许可获得投资补偿。因此，即使没有著作权等手段，也不意味着对收集、提供大数据行为激励的丧失。
田村善之教授随之提到修改前的日本《反不正当竞争法》对于数据保护存在一些漏洞。首先是商业秘密保护，如果数据被社会公众所熟知，就不符合商业秘密的构成要件；其次是关于技术保护措施的规定，其仅禁止提供规避技术措施的行为，而不涉及实施规避的行为以及使用通过规避技术措施获取内容的人。介于日本已经出台一些保护大数据的行政措施，因此，其在立法过程中主要关注的是减轻法律规制的副作用来避免对于数据自由流通和使用的不必要损害。
对于大数据的立法保护途径，田村善之教授介绍了客体保护路径和行为保护路径。他特别提到，这两种保护方式不是互不相容的，几乎每种知识产权保护中都兼有二者，只是侧重点不同。由于对于大数据而言，设定一个清晰的权利客体边界是比较困难的，因此他认为采用行为规制方法来保护大数据更为恰当。在具体的制度设计上，田村善之教授一是强调对于大数据的技术保护措施，二是禁止规避技术保护措施以及禁止使用通过规避技术保护措施获得的内容，三是设立安全港以保障交易安全并避免数据使用的寒蝉效应。
在以上的立法思路下，田村善之教授介绍了日本《反不正当竞争法》修改的具体条款。其认为，新法对于数据保护采取的是更偏向于行为规制的混合规制。从客体来看，受到保护的数据具有以下五个构成要件，分别是以营业为目的向特定人提供、数据达到一定量的积累、属于技术信息或者经营信息、通过电磁方式管理并且不同于公众可以无偿利用的信息。从规制的行为来看，修改后的反法对于大数据的保护类似于商业秘密保护，但限制的行为范围更窄。一方面进行行为限制，另一方面又确定例外条款，为正当的数据利用提供安全港。
澳大利亚默多克大学法学院名誉教授，新西兰奥塔哥大学副教授Michael D. Pendleton的演讲题目是“知识产权——我们是否已经准备好像迎接工业革命一样迎接信息革命”。
Pendleton教授认为知识产权法在数据保护方面存在不足，其无法为信息创造者提供足够的激励、为竞争者提供足够的确定性以及为信息使用者提供足够多的获取信息的途径。因而我们应当寻找更好的保护方式来促进信息的生产和自由传播。
由于目前人工智能保护主要涉及的知识产权部门法是著作权法和专利法，因此Pendleton教授主要分析了这两部法律存在的问题，从而得出知识产权法保护不足的结论。就著作权法而言，对于作品的保护要求独创性，侵权认定则需要判断何为权利人作品的实质部分，但无论是独创性判断还是实质部分判断都不具有经验性，完全依据法官的自由裁量。此外，Pendleton教授认为，英联邦国家法院通常会在判决中引用“额头流汗”标准，将著作权的保护范围扩大至思想，直到Ice TV v Channel 9案之后，澳大利亚高等法院才转向更高的独创性标准，但这也不能被视作是完全推翻了“额头流汗”标准，而仅仅是一种背离。对于专利法来说，其保护的客体要求具有非显而易见性，但这个条件也是很难确定的，很难说清楚一个发明到底和现有技术有多少区别才能算是具有非显而易见性。
鉴于以上不足，Pendleton教授认为可以制定一部关于不正当竞争或者不正当抄袭行为的一般法律来保护人工智能和大数据，而不是说在传统的知识产权法范围内创设新的权利。这种通过禁止特定行为的保护方式比创设权利的方式更加有效率且更加灵活。在信息时代下，需要一种超出传统财产概念的保护机制来平衡信息创造者和信息使用者之间的利益。
提及如何确定何种挪用行为应当受到规制，即判断被告的挪用行为是否付出了足够的汗水以使其免除侵权责任，Pendleton教授主张以转换性使用作为确定标准，其认为知识产权法应当为挪用行为的一般法所补充，甚至是替代。这种保护方式既未扩大也未缩小现有法律的保护，但却更为合理，因为不过是在反不正当竞争法的既有框架下新设一个类别。
意大利圣安娜高等研究院教授Giovanni Comandé的演讲题目是“欧盟人工智能法案及其挑战”。
Giovanni Comandé教授表明，相比于其他科学技术，欧盟之所以特别规制人工智能，是为了激活人工智能作为新工具以实现更重要经济目标的作用。由于人工智能有时候能够帮我们做决策，欧盟的人工智能高水平专家组认为必须确保人工智能对于人们生活的影响是正当的且符合人类的价值准则，此外还需要有一定的责任机制来保障以上目标的实现。该专家组所制定的《可信赖人工智能伦理指南》中为可信赖的人工智能提出三项要件，分别是合法性、伦理性以及技术和社会层面的稳健性。《人工智能法》提案需要融合法律和伦理准则，其目标是在保护基本权利和自由的前提下促进创新和人工智能的快速发展。
之后Giovanni Comandé教授介绍《人工智能法》提案的具体内容。其提到法案中关于人工智能的定义非常广泛，甚至存在定义模糊的风险，而这样做的目的是为现有的和之后会出现的技术留下充足的空间。法案采取风险划分法，依据人工智能技术可能对健康、安全和基本权利造成的风险制定了人工智能技术的黑名单和灰名单，黑名单内的人工智能技术是完全禁止的，而灰名单中的人工智能技术只有满足一定条件才能够被使用。Giovanni Comandé教授认为目前的《人工智能法》提案面临着以下七项挑战：避免人工智能技术监管的碎片化和监管漏洞的存在；避免法律过度侵蚀人工智能系统使用者的权利；避免将人工智能应用于私人领域对于基本权利产生不良影响；确保整个欧盟法律中伦理准则的一致性；确保人工智能系统开发者和使用者的正当行为从而实现对于公民个人的保护；将法律和伦理对于人工智能的限制转化为机遇；人工智能法案全球范围的有效性。其就最后一点挑战展开说明。《人工智能法》提案第二条“关于本法的适用范围”较广，无论人工智能服务上的注册地是否在欧盟，只要其在欧盟范围内提供服务，均受到规制。此外，人工智能法案还适用于欧盟内有用户、输出内容在欧盟使用，但该人工智能系统位于第三国的系统提供者和用户。Giovanni Comandé教授最后表明，人工智能法案的规制范围体现了欧盟委员会的雄心壮志，该法案对于欧盟乃至全球都会有一定影响。
百度公司副总裁吴梦漪的演讲题目是“人工智能医疗技术所涉及的生物识别信息问题的困境与思考”。
吴梦漪副总裁首先介绍了百度公司对于数据使用的规定。百度公司将数据按照级别和类别进行不同保护。从级别上来说，数据按照识别性、敏感性、数据价值、损失影响、数据规模以及新鲜度被分为五个等级。从类别上来说，数据被分为用户信息数据、业务数据以及公司数据，不同的数据采用不同的审查审批标准。
吴梦漪副总裁表明，《个人信息保护法》具有积极作用，其为个人信息提供了法律保护并且为企业的数据合规工作提供指引。但对于数据处理企业而言，具体适用该法的规定时也存在一些问题，比如人工智能医疗器械获得的分析数据的使用。人工智能医疗器械在增加公众福利方面发挥着重要作用，但人工智能医疗器械的研发需要大量的真实世界的数据（比如视网膜图片）来训练算法模型，那么这种视网膜图片是否属于生物识别信息从而适用更加严格的数据使用规则就是个问题。目前中国的法律框架下缺少对于生物识别信息的准确定义，而欧盟GDPR中对于生物识别信息的定义又过于严苛。就视网膜图片而言，其中包含很多生物识别信息，那么这些信息的相互联系需要达到何种程度才会对自然人的尊严和财产带来危害，这是需要具体厘清的问题。如果只是将所有带有个人生物信息的数据一刀切而适用敏感个人信息的规定，一方面会影响数据的流通效率以及数据价值的发挥，另一方面还会阻碍人工智能医疗产品的研发。医疗行业具有公共属性，一些医疗机构积累了大量难以获得信息主体单独同意的医疗数据，而这些数据对于医疗技术研究又具有重大作用，统一适用敏感信息保护会给医疗企业带来巨大的合规成本。
就如何解决此问题，其认为可以从以下两个方面进行考虑。一是立法上明确生物识别信息的范围并对其分类，对个人权利威胁较大的生物识别信息严格保护，但对于威胁较低、同时社会价值较高的数据可以不严格适用“单独同意”要求。二是采取技术手段，进一步提高数据利用的准确性，进行数据不可复原的脱敏处理。
清华大学法学院副教授蒋舸的演讲题目是“数据保护能够从商业秘密保护中学到些什么——财产法与侵权法之间的比较研究”。
蒋舸副教授认为，通过比较商业秘密的保护方式，可以得出数据保护的最佳途径是财产法保护途径。
蒋舸副教授首先对比了数据保护与商业秘密保护的相似性以解释其比较思路的缘由。从起源上看，二者都源于不正当竞争；从规制方法上看，二者均面临着财产法路径和侵权法路径的选择。财产法模式是基于客体的，如果保护客体不满足秘密性、价值性以及合理的劳动付出这三个要件，无论被告的行为有多不当，都不能受到保护。而侵权法模式则无客体要求，其关注点在于“不当行为”。传统观点认为财产法模式比侵权法模式的保护范围更大，但蒋舸副教授不同意这一点，其引用莱姆利（Lemley）教授在其文章“以知识产权保护商业秘密的优势”中的观点来进行说明。莱姆利教授认为，商业秘密的财产保护模式事实上是鼓励信息的披露而非保密的。如果不存在法律保护，企业在保密上成本过大，因而保密的要求仅仅是一个最低门槛，也就是说除了法律明确规定的客体范围内的信息外，其他所有的信息都能够自由使用。莱姆利教授在进一步解释其商业秘密的财产法保护理论时，指出需要注意以下两点，一是商业秘密权利的客体必须具有秘密性，避免对公有领域中的信息提供保护。一些采纳商业秘密保护侵权法模式的法院很容易在规制不当行为的过程中忽视秘密性的要求。二是由于商业秘密的财产法体系难以避免鼓励对于不当得利的先占，以及法院可能会给予公共领域的信息以私人控制，因此要坚持财产法路径的消极性，即其价值在于确定被诉行为的边界而非利益的先占。由此，莱姆利教授得出财产法模式往往比侵权法模式保护的范围更窄，在财产法路径下，即使被告的行为十分不当，只要行为对象不符合商业秘密保护的客体要求，那么就不承担责任。
视野转向数据保护，蒋舸副教授认为，在财产法保护框架下，通过狭义地确定保护客体范围，扩大对于权利的限制以及赋予权利人有限的权利救济手段，财产法模式就不一定比侵权法模式的保护范围更广。财产法框架具有其灵活性，保护的范围能够通过制度的设计进行调整。类比莱姆利教授对于商业秘密的分析，蒋舸副教授认为数据也能够通过财产法进行保护。
最后，蒋舸副教授总结道：财产法模式的优势在于为法院、相关从业人员以及学者提供了一个非常清晰的分析问题的框架。相比于《反不正当竞争法》第二条的模糊范围，财产法的思路或许是更好的问题解决途径。
中国政法大学民商经济法学院教授冯晓青的演讲题目是“数据财产化的理论阐释和法律构建”。
冯晓青教授演讲内容主要包括数据时代下数据和信息的定义、数据的财产属性及建立数据财产保护体系的合法性、数据财产化的法律构建以及结论四个部分。
冯晓青教授表明数据具有重要的财产利益。《中共中央关于制定国民经济和社会发展第十四个五年计划和2035年远景目标的建议》中明确提出要建立数据产权制度。在这样的大背景下，数据保护十分必要，而进行数据保护首先需要明确数据的概念。从我国《数据安全法》第三条可以看出，数据的核心在于对信息的记录，数据和信息有着密切的联系。此外，对于数据进行类型划分也有利于界定数据产权。冯晓青教授将数据划分为个人数据、商业数据和政府数据。其中，个人数据在欧盟GDPR中有定义，而国内的《网络安全法》、《个人信息保护法》以及《民法典》都只是规定了个人信息。相比于个人信息对于个人隐私和人格权的保护，个人数据则属于财产权范畴。此外，认识数据的价值和意义还需要注意到数据属性的多元性，即技术属性、社会属性以及法律属性的结合。
提及数据财产化的正当性与合理性，冯晓青教授认为可以从以下四个方面理解：一是数据本身具有的财产属性以及数据动态流转和利用中产生的财产性利益；二是数据财产保护制度能够确认数据的产权归属，这是实现数据流通和交易的前提；三是数据财产制度能够激励数据产品的生产和投资，同时也便于进行权利限制；四是数据财产制度是促进数据产业发展的保障。
关于数据财产化的法律构建，冯晓青教授提出了知识产权法保护、反不正当竞争保护以及专门法保护三种途径。知识产权法保护方式的现实基础在于数据和知识产权客体的贯通性。反不正当竞争法则强调对于数据财产性利益或竞争性利益的保护。《反不正当竞争法》中对于商业秘密的保护，第2条、第6条以及第12条都可以用来保护数据。数据专门法的构建需要考虑立法原则和规范构造两个方面。需要考虑的立法原则包括明确涉及数据各方利益主体权益的原则、利益平衡原则以及促进数据流转和交易原则。在具体规范构建的时候，冯晓青教授认为关键在于对于数据价值链中的创造性劳动以及投资提供有限的以数据控制和收益为核心的数据排他权。权利的限制情形主要为数据共享义务、基于公共利益目的需要获取数据、基于公共机构获取数据以及基于科学研究获取数据。
最后，冯晓青教授总结道：现有的法律对数据的财产化提供权利法和行为法两种路径。权利法层面，知识产权法律制度起着不可替代的关键作用。行为法层面，传统反不正当竞争法则可以在数据财产性利益或竞争性利益的保护中实现数据财产化。随着数据在数字经济中的重要性加强，有关数据的专门立法问题也会不断被提出。
中央财经大学法学院教授杜颖的演讲题目是“中国经验视角下的大数据法律保护问题”。
杜颖教授的演讲围绕大数据的定义、隐私保护以及不正当竞争三个问题展开。杜颖教授引用《牛津英文词典》中对于大数据的定义，同时提到大数据的5V定义法，其表明如果从法律的角度看待大数据问题，需要关注大数据的生产过程。这个过程中涉及网络用户、互联网企业以及竞争者三方主体。
杜颖教授提到中国法律体系对于隐私的保护包括《民法典》第111条、《网络安全法》第41条以及《个人信息保护法》。其同意之前吴梦漪副总裁的观点，我国在《个人信息保护法》出台之前一直都未明确定义个人信息。之后，杜颖教授分享了中国涉及隐私保护的三个案例，分别是江苏消协诉百度案、庞理鹏诉去哪儿案以及中国的Cookie第一案——朱烨诉百度案。
就不正当竞争法中的问题，杜颖教授表明大数据的反不正当竞争保护可以依据商业秘密条款以及一般条款。中国很多案例的裁判依据都是《反不正当竞争法》第2条。此问题下，杜颖教授教授介绍了衢州万联网络技术有限公司诉周慧民案以及微博诉脉脉案。
关于数据保护，除上述问题之外，杜颖教授还提出了几个需要关注的问题：一是不同的司法辖区之间能够从对方那里学到些什么？二是不同领域的专家学者能否在同一基础上展开对话？三是为什么会存在对大数据不同的法律规制模式？最后杜颖教授呼吁各学者共同协作，为数据保护提供既有灵活性又具有可行性的方案。
美国亚太法律研究院高级顾问，暨南大学法学院特聘教授孙远钊的演讲题目是“欧、美对数据相关权利的保护与裁决挑战”。
孙远钊教授首先从数据的定义与相关权益入手，分析了数据可能的保护方式。孙远钊教授认为数据的本质是事实。在DIKW金字塔体系中，最底层的是数据，在此基础上通过加工创造逐步形成信息、知识乃至智慧。欧盟的GDPR中对于个人数据的定义十分广泛，囊括了cookies、电子邮件名称、地理位置数据等多种信息。其认为，谈及采用何种手段进行数据保护，可以进一步从数据保护的层面、数据库保护的层面、数据处理的层面以及数据安全的层面进行讨论。由于数据本身是一种事实，而事实是没有办法被任何人所享有的，加之数据不具有时间和空间的限制，在其之上无法建立以公知公示为基础的权利，因而谈及数据只能采用占有这个概念。即使采用商业秘密保护数据，其所保护的也仅是法益而非权利。欧盟和美国正是认识到了这一点，所以将视野转向对于数据库的保护。欧盟发布了《欧盟数据库指令》对数据库进行设权保护，其试图通过对数据库的保护达到对投资的保护，但之后的评价报告显示该保护方式并没有为数据库产业提供足够激励。不同于欧盟，美国通过许可合同规范，以“自律”方式保护数据库。在数据处理层面和数据安全层面，孙远钊教授强调，其保护的对象仅是数据反映的内容，而非数据本身。欧盟通过GDPR实现这两个层面的数据保护，而美国则通过一系列碎片化成文法解决数据处理过程中的个人隐私和国家安全的问题。
随后孙远钊老师具体介绍了欧盟GDPR对个人数据的保护情况以及存在的问题。由于GDPR赋予数据主体的八项基本权利来源于OECD对于数据处理建议的八项原则，且这八项权利除被遗忘权外，都能够在1995年就开始施行的《数据保护指令》中找到踪迹。因此，孙远钊教授认为欧盟GDPR对于个人数据的保护是一个演化过程而非革命性的创造。GDPR为数据主体提供了自诉权，同时配套严厉的处罚措施以保障数据主体的权利。在数据相关权益中，比较有争议且容易引起诉讼的是数据携带权和被遗忘权。就数据携带权而言，Schrems案后欧美之间的“隐私盾框架”失效，至今也未有替代方案，而欧洲议会敏感信息外溢事件也体现了欧盟理事会对于跨境数据传输的谨慎态度。就被遗忘权来说，GDPR赋予数据主体的仅仅是一个请求数据控制者删除数据的权利。一方面，这无法真正实现数据的彻底删除，因为其仅仅是在搜索引擎上的删除。另一方面，其涉及到对于之后社会公众搜索信息的阻碍。此外，GDPR规则下，数据控制者是实际上决定某种数据是否符合删除权要件的主体，这相当于赋予了侵权人以决定权。
最后，孙远钊老师认为GDPR还需要很长一段路去完善，其呼吁立法不应当轻易赋权，需要谨慎考虑赋权之后所带来的挑战以及各种利益之间的平衡。
中国政法大学民商经济法学院博士生易镁金的演讲题目是“中国法下数据利益的反不正当竞争法保护”。
易铨美同学认为，数据的逻辑结构分为政策层面、数据流通层面和技术层面。政策层面设定不同的部门法，其目的在于为数据的流通提供良好的环境。而技术层面的安全措施旨在保护用户的个人信息和隐私，同时也需要法律对于技术措施进行限制来限缩用户对于其个人信息的控制以便于数据利用。
通过对于中国刑法、行政法、民法以及地方法律法规的分析，易铨美同学认为我国对于数据保护的立法体系是在不断完善的，但仍旧未明确说明数据的财产权利设定问题。其认为中国法上一直未提及数据的财产权是因为不同于物权这类有形财产和知识产权这类无形财产，数据能够被重复使用，不具有排他性，很难被个人所拥有，且数据的范围很广，不仅包括个人数据，还包括企业数据和公众数据，涉及到诸多方面。即便如此，目前仍有大量关于数据权利的理论，如新人格权理论、狭义知识产权理论和绝对权保护理论。易镁金同学认为以上保护框架会引起垄断问题，不利于数据的流动。但是为了促进数据相关产业的发展，数据处理企业的利益应当受到保护，搭便车的行为应该被禁止。由此其提出了基于利用情景的数据保护规则。数据处理过程可以基于《个人信息保护法》进行保护，此时需要充分尊重用户的个人信息和隐私权。数据分享和交易过程通过合同法进行规制，此时应充分尊重合同当事人的意思自治，减少数据的排他垄断以促进数据流动和相关市场的繁荣。在涉及数据竞争场景时，《反不正当竞争法》能够发挥作用。因为反法本就旨在调整竞争关系，这种保护模式十分契合数据能够由多个主体共享的特征，并有利于各个主体权利的动态调整。从社会法角度来看，反法能够提高消费者福利；从行为法上来看，反法具有谦抑性，能够最大程度地促进数据流动；从秩序法角度看，反法致力于维护市场秩序，促进市场竞争。
点评环节
香港中文大学法学院李治安教授点评：
李治安教授认为各位演讲者大致可以分为数据的财产保护方和反法保护方。
对于田村善之教授的演讲，其表示同意田村善之教授排他权保护并非总具有正当性的观点，但有些时候知识产权法是具有政策导向的。对于田村善之教授提出的产权路径和行为路径，其就如何区分二者的优势提出疑问。此外，李治安教授还提出了科技路径，即新的权利类型的发展总是基于科技的发展。
对于Giovanni Comandé教授的演讲，其认为欧盟的《 人工智能法》草案提出了一个十分新颖的人工智能规制方法。美国也有相应的人工智能法案，但和欧盟的不尽相同。美国关注于对人工智能歧视的规制以及人工智能审查，强调人工智能的透明化。
对于吴梦漪副总裁的演讲，其认为对于数据，法律的规制过多和过少都有危害，因而平衡的把控十分重要。
对于蒋舸副教授的演讲，其同意商业秘密和数据有很多相似之处，但表示商业秘密不是一个通过财产法进行保护的最好例子。因为商业秘密保护起源于衡平法中的信托责任。普通法体系中，只有美国将商业秘密作为财产进行保护。此外，其认为，如果蒋舸副教授所指的数据包含个人数据，那个人数据可能就不太适合作为可交易的财产进行保护了。
对于冯晓青教授的演讲，其同意数据具有一些财产属性，但认为个人数据涉及人格，这和其他的知识产权是不尽相同的。
对于孙远钊教授的演讲，其表示欧盟的数据保护方法和日本以及中国都有很大不同，这三者之间的法律体系的交流将会十分有意义。
对于易镁金博士生的演讲，其希望她就中国未来的数据保护模式进行预测，是会朝着融合的法律模式发展还是说依据数据类型的不同而分别保护的模式发展。
清华大学法学院崔国斌教授点评：
崔国斌教授的评议包括四个方面。
首先是数据保护的财产法路径和行为法路径的选择问题。其同样赞成通过财产法路径保护数据。其认为财产法路径和行为法本质上并无区别，只是程度上的不同。财产权利同样也是作用于人们之间的行为而非物理状态的事物。从法律实践来看，之前人们也会因为著作权的限制过多而否认将其作为产权来看待，但现在这是大家都接受的事实。相比于反不正当竞争法模式，财产法模式更具有确定性，通过借鉴已有的知识产权法模式，也更便于公众接受，而且财产法模式下也有诸多途径来防止对数据的过度保护。
其次是关于日本通过反不正当竞争法保护数据的问题。其认为日本反不正当竞争法对于数据的保护过于宽泛，并且不赞同日本对于大数据技术措施的保护。因为对技术措施的保护会增加社会成本且超过了数据保护激励的必要。
再次是对于Pendleton教授在知识产权领域建立一般的反盗用法观点的看法。其认为如果只是用反盗用法作为知识产权法的补充是可以的，因为目前出现了很多知识产权法制定时不存在的新型问题。但崔国斌教授无法同意用反盗用法替代知识产权法，因为知识产权法已经发展出自己的利益平衡机制，而这是反盗用法所不具有的。
最后是对于孙远钊教授所说数据产权所带来问题的意见。其不同意孙远钊教授“数据无法被所有而只能被占有的说法”，其认为数据库就相当于数据的集合。在这之上，也是能够建立所有权的。
澳门科技大学法学院易在成副教授点评：
易在成教授赞同Pendleton教授的看法，即通过著作权法规制数据存在一些问题，并认为各位演讲嘉宾的观点都很新颖。其认为以下问题还值得继续讨论。一是到底什么是大数据。二是大数据和个人数据应当分开讨论，大数据涉及法人，可以用反法保护，而个人数据涉及自然人，应当用民法和著作权法进行保护。三是田村善之教授提出的疑问“我们是否需要通过新的法律来规制数据”。
自由发言与讨论
关于数据的财产属性和数据财产权，孙远钊教授表示，其所说的数据是没有进行加工，没有人力劳动付出的原始材料，因而其上没有财产权。崔国斌教授所说的数据库是经过加工处理后的数据，这时候才能够讨论所有权的问题。数据是一种财产，但却不能成为财产权的客体，因而提及数据只能说占有而非所有。崔国斌教授表示其同意孙远钊教授的概念区分，其所说的财产权路径也是建立在对于经过处理的数据之上的。
会议总结
李扬教授向各位嘉宾以及主办方、协办方表示感谢。对于本次会议讨论内容，李扬教授表示人工智能生成物问题应当从哲学高度进行考虑。人工智能只能作为工具进行看待，人工智能生成物的权利只能归属于人工智能的所有者或者使用者。此外李扬教授十分认同田村善之教授的观点。法律只是最后的手段，面临新的问题，如果市场能够解决则无需法律的介入。在市场失灵的情况下，应当司法先行，通过对于现有法律的解释而非重新立法创设权利的方式来解决问题。当前，著作权法、专利法以及反不正当竞争法足以为大数据提供恰当保护，因此无需在大数据之上创设新的权利。当通过反不正当竞争法或者侵权法的一般条款来分配大数据资源时，考虑是否保护数据所有者的利益应当依据激励理论而非复杂的商业道德或是抽象的竞争秩序。
当前，随着大数据与人工智能技术及其相关产业的发展，数据与人工智能的知识产权问题也越来越重要。基于技术与法律互动、法律制度需要随着技术的发展而及时变革与完善的基本原理，对于数据、人工智能的法律保护制度也需要与时俱进。本次研讨会的成功举办对于促进知识产权领域的国际交流，特别是深入推进关于数据与人工智能知识产权保护的研究具有重要意义。
（会议综述由李扬教授和其知识产权法学硕士研究生谭梦溪、陈天佑共同撰写）
