2.人工智能能够提供更为整全性的信息。

最高人民法院针对特定类型案件制定的司法政策，主要表现形式为意见和通知,国务院发布的针对民事关系的、具有一般适用性的规范性文件，主要表现形式为意见和决定。[43]参见前引[4],彭中礼文,第67页。

[56]参见金梦:《立法性决定的界定与效力》,《中国法学》2018年第3期,第150页以下。具体来讲，司法机关所认可的国家政策制定主体主要有国务院、[28]国务院行政机构、最高人民法院、[29]最高人民检察院等中央国家机关，以及地方人民政府、[30]地方司法机关、[31]地方人民政府的行政机构等地方国家机关，有时乡镇人民政府也被认为可以制定国家政策，但罕有法院将人大及其常委会制定发布的规范性文件视为国家政策的载体。人们在日常生活中的一般观念和表达习惯，也影响着司法者对于国家政策的判断和识别。有些路线或方针会被写入行政法规或部门规章，有些则被写入规范性文件之中，以政策的身份存在。[60]由宪法的上述规定及其规范逻辑来看，应当由最高国家权力机关行使的其他职权并不包括制定国家政策的权力。

尤其是，要调整错综复杂的社会利益关系，离不开更为精细和灵活的制度工具，这就使国家政策广泛介入社会经济生活具备了必要性。该原则主要是为了处理好国务院行政机构制定的国家政策和省级人民政府制定的国家政策之间的关系。[44]当然，数据不仅具有正外部性，也具有负外部性。

在企业之间，大量的数据爬虫案件通过反不正当竞争法来实现。对人工智能施加此类责任，既有利于合理保护作品原创者的利益，防止其作品被类似作品替代，也有利于激励人工智能企业的发展。[69]例如，人脸识别技术不能对某些特定种族的人群形成歧视，自动驾驶不能将风险不公平地转移到某类群体，生成性人工智能应当避免出现色情、仇恨言论。[13]《个人信息保护法》第13条第6项、第27条。

[84]参见高富平：《数据流通理论数据资源权利配置的基础》，载《中外法学》2019年第6期。当然，减轻对个人同意的依赖，并不意味着放弃告知同意制度。

相反，在刑法等法律的严厉规制下，中小企业和个人用户的数据爬虫变得极为谨慎，不再充当数据共享的连接者。作为一种数据隐私自我管理的制度工具，[8]告知同意制度可以为个体提供一定的自我保护，防止信息处理者过度收集个人信息所带来的风险。[41]如果说传统社会是以私人自治为一般规则、以公共互联为例外，那么在网络社会中则是以公共互联为规则、以私人自治为例外。[4]海量数据之于人工智能的作用，就像人类从婴儿到儿童再到成人所接触到的万事万物。

上文提到的著作权人难以联系、策略性要价问题就仍将存在。非生成式人工智能对于著作权作品的利用目的是获取其中的事实性知识，而非创造性表达。而其深层法律制度原因则在于个人信息保护、著作权、数据互联等制度对传统法律制度的路径依赖。[67]关于财产规则与责任规则的区别，参见Guido Calabresi A. Douglas Melamed, Property Rules, Liability Rules, and Inalienability: One View of the Cathedral, Harvard Law Review, Vol.85(No.6), p.1089-1128(1972)。

See Paul Goldstein Bernt Hugenholtz, International Copyright: Principles, Law, and Practice, Third Edition, Oxford University Press, 2013, p.220.[66]美国与欧盟的相关案例，参见Baker v. Selden, 101 U. S.99(1879); C-406/10 SAS Inst., Inc.v. World Programming, Ltd., ECLI:EU:C:2012:259[2012]at 30-31。就知情同意而言，当时个人被收集信息的次数非常有限，而且收集个人档案类信息往往非常明显，个人往往有很强的意愿了解信息收集的情况。

在私人自治与公共互联之间，传统社会的法律更强调前者。人工智能在对著作权作品进行宽泛合理使用的同时，也应承担与此相应的更多责任。

为此，对于从互联网等途径收集的信息，法律应适度减少对个人同意的依赖。本文指出，当前数据制度的核心问题在于数据收集端的形式性风险防范与确权门槛过低，导致集体行动的失败与数据汇聚困难。[59]如果对必要性原则进行过度严格的解释，则人工智能对于大量个人信息将无法合理使用。第4条进一步规定，任何机构都应当有此种复制权利，但当著作权所有者明确保留其文本和数据挖掘权利时，机构就无权进行复制。[66]允许非生成式人工智能利用著作权数据进行训练，符合各国著作权的一般规定与基本原理，也将有利于解决本文所提到的数据大规模汇聚问题。对于用于人工智能训练的数据处理，这一条款也可能成为人工智能企业的合法性基础之一。

当数据的价值不确定时，买家和卖家也更难达成协议。为了实现大规模微型权益的聚合，有必要重构数据的公共性。

对个人信息与著作权作品，应在数据收集端适度放宽。早在20世纪60年代，肯尼斯·阿罗（Kenneth Arrow）就在相关研究中指出，信息与数据交易常常面临多重困难，如买家在购买之前首先需要了解或试用数据，以确定数据的价值，而了解或适用数据即意味买家可以不用再进行购买。

互联网的自治与互联亦是如此，要求互联网企业完全开放，也可能对企业的合理生态管理造成威胁。生成式人工智能对于数据的利用更为复杂，因为其对著作权作品数据的利用常常既涉及事实，也涉及表达，其生成作品有可能对原作品形成替代。

[81]上述规定为人工智能利用数据提供了法律依据。对于人工智能生成作品的著作权问题，目前实务与理论界的主流意见反对赋予人工智能作品以著作权，但也有部分国家和地区规定，人工智能的设计者可以拥有著作权。[23]在刑法上，我国《刑法》第285条规定了非法侵入计算机信息系统罪、非法获取计算机信息系统数据、非法控制计算机信息系统罪。我国《著作权法》第24条规定，在法律、行政法规规定的其他情形中，在不得影响该作品的正常使用，也不得不合理地损害著作权人的合法权益的前提下，可以不经著作权人许可，不向其支付报酬。

但因此而对上游水流进行赋权，试图通过赋权来实现风险自负与权益分配，并非此类问题的解决之道。於兴中、郑戈、丁晓东：《生成式人工智能与法律的六大议题：以ChatGPT为例》，载《中国法律评论》2023年第2期。

[70]其次，人工智能企业应对具有实质相似性的生成作品承担侵权责任。[53]信息处理者不仅可以通过个人同意而轻易收集个人信息，而且其处理也常常可以因为告知同意而免责。

相反，美国由于其数据公共领域的相对发达，类似OpenAI这样的独角兽企业也能获得足够训练数据，发展出比微软、谷歌等大型企业更为出色的ChatGPT。3.公共性的重构为解决数据汇聚的难题，有必要重新建构数据的公共性。

当非生成式人工智能利用人脸照片或交通照片进行训练时，其对照片中的创意性表达或创意性因素并不感兴趣。因为除了极少数专门采集的个人信息，绝大部分个人信息被收集时，其目的都只和生活、消费、资讯、出行、娱乐、服务等个人目的相关。美国的计算机欺诈和滥用法案将未获许可的爬虫都视为犯罪行为，将其类比为线下的非法侵入（trespass）行为。而且很多数据库并不拥有其中大部分作品的著作权，这些作品的著作权可能仍然归分散的著作权人所有。

人工智能促进型的数据法律制度更应如此，因为不同于水资源，数据资源具有可再生、可重复利用、复制成本极低等特征，其汇聚并不会直接减少数据的价值。在人工智能时代，法律应当在收集端放宽数据的融合汇聚，但在利用端对人工智能施加更为严格的责任。

[61]目前，我国和域外个人信息保护的制度工具箱中已经具备了多种制度工具，例如，企业内部合规、数据保护专员、合规审计与个人信息影响评估、隐私设计、算法审计、数据伦理等。如果法律允许合理的数据爬虫，则数据爬虫就可以充当不同数据孤岛之间的桥梁。

例如，互联网企业收集个人信息进行大数据分析，但采取严格保护措施，这类做法带来了长尾效应，促进了消费者福利。[83]参见吴汉东：《人工智能生成作品的著作权法之问》，载《中外法学》2020年第3期。

西南空管局技保中心动力室完成双流二、三、四区油机常态化带载运行

首都机场鱼池维护采购项目比选公告

克拉玛依机场开展组织性学习

山东航空珠海—北京航线首航，每日一班

筑牢安全防线 塔城千泉机场全面开展冬春换季工作

呼伦贝尔空管站气象台召开月度安全例会

华北空管局工程建设指挥部举办招投标廉政培训

华东空管局通信网络公司党委召开2024年全面从严治党工作会议

内蒙古：塔台管制室积极做好“四防”工作

山东空管分局召开2024年全面从严治党工作会议