Российский научный вестник2782-38302782-383010.24412/2782-3830-2026-2-368-372OtherИСПОЛЬЗОВАНИЕ ОХРАНЯЕМЫХ ПРОИЗВЕДЕНИЙ ПРИ МАШИННОМ ОБУЧЕНИИ ГЕНЕРАТИВНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТАTHE USE OF WORKS OF ART PROTECTED BY LAW IN MACHINE LEARNING OF GENERATIVE ARTIFICIAL INTELLIGENCEКасихинЛев ВладимировичKasikhinLev Vladimirovichlev.kasihin@mail.rupostgraduate student, Russian State Academy of Intellectual Propertyаспирант, Российская Г, осударственная Академия, Интеллектуальной Собственности1803202623683721702202618032026

В статье рассматривается использование защищённых авторским правом произведений в процессе машинного обучения генеративного искусственного интеллекта. С учетом быстрого развития генеративных нейросетей, которые обучаются на больших объемах защищённых данных, возникает вопрос о законности такого использования произведений для тренировки ИИ. Этот вопрос становится особенно важным, поскольку в прошлом году имели место множество коллективных исков авторов оригинальных работ к компаниям-разработчикам генеративных нейросетей с требованием признать подобное использование незаконным. Оценка четырёх факторов, являющихся основой доктрины Fair Use, позволяет определить, может ли существующее использование произведений для обучения генеративных нейросетей быть признано судом добросовестным, а также выработать рекомендации для изменения подхода к обучению искусственного интеллекта в целом.

The article explores the use of works of artprotected by law in machine learning of generative artificial intelligence. Due to the rapid development of generative neural networks, which are trained on large amounts of copyrighted data, the question arises of the legality of using such works to train artificial intelligence. The issue is also of particular relevance because over the past year, collective lawsuits have been repeatedly filed by the authors of original works against companies developing generative neural networks, demanding that such use be recognized asillegal. An assessment of the four factors underlying the Fair Usedoctrine makes itpossible to assess to what extent, in the existing paradigm, the use of works for training generative neural networks can be recognized by a court asfair, aswell as to formulate a proposal for a systemic change in the approach to training artificial intelligence in general.

генеративный искусственный интеллектитеративный характерправориск-ориентированный подходотраслевой подходискусственный интеллекткомплексный подходцифровые технологиизаконопроектartificial intelligenceintegrated approachdigital technologybillgenerative artificial intelligenceiterative naturelawrisk-based approachindustry approachKьhl N., Goutier M., Hirt R., Satzger G. Machine Learning in Artificial Intelligence: Towards a Common Understanding. // Cornell University. 27.03.2020. // URL: https://arxiv.org/ftp/arxiv/ papers/2004/2004.04686.pdf; Wakefield K. A guide to the types of machine learning algorithms and their applications. – SAS UK // URL: https://www.sas. com/en_gb/insights/articles/analytics/machinelearning-algorithms.htmlArtificial Intelligence in Society, OECD Publishing, Paris, 2019. // URL: https://www.oecdilibrary.org/docserver/eedfee77en.pdf.Наумов В. Б., Тытюк Е. В. Правовые проблемы машинного обучения // Образование и право. – 2020. – № 6Andersen v. Stability AI Ltd. (3:23-cv-00201) URL: https://www.courtlistener.com/docket/ 66732129/andersen-v-stability-ai-ltd/Балобанова Е. В. К вопросу о применимости доктрины добросовестного использования в континентальном праве // Журнал Суда по интеллектуальным правам. – 2017. – № 18Ворожевич А. С. Fair use и доктрина «расширяющего полезность использования» // URL: https://legal-support.ru/information/blog/ ip-daidzhest/fair-use-i-doktrina-rasshiryaushhegopoleznost-ispolzovaniya/Луткова О. В. Доктрина добросовестного использования произведений в современном авторском праве США // Право. Журнал Высшей школы экономики. – 2016. – № 2Сагдеева Л. В. Свободное использование как ограничение исключительных прав // Юридические исследования. – 2017. – № 9Могилевский П. С. Доктрина добросовестного использования в США и свободное использование произведений в России: сравнительный анализ // Гражданское право. – 2022. – № 5Шутьков А. А., Анищенко А. Н. Будущее искусственного интеллекта, нейросетей и цифровых технологий в АПК // Экономика и социум: современные модели развития. – 2019. – Т. 9. – № 4 (26). – С. 508–522Доклад НИУ ВШЭ «Проблема машинного творчества в системе права: регулирование создания и использования результатов интеллектуальной деятельности с применением искусственного интеллекта, зарубежный опыт и российские перспективы» / Рук. авт. колл. В. О. Калятин. – М.: Издательский домВысшей школы экономики. 2021.Васильева А. С. Использование объектов авторских прав для обучения искусственного интеллекта // Журнал Суда по интеллектуальным правам. – 2024. – № 4 (46). Декабрь.На сегодняшний день различают триосновные метода МО, которые подробно описаны в технической литературе (см., например, материалы IBM: What is machine learning (ML)? // URL: https://www.ibm.com/topics/machine-learning). Во-первых, контролируемое МО, которое использует маркированные наборы данных для обучения алгоритмов классификации данных или точного прогнозирования результатов: по мере того, как входные данные подаются в модель, этамодель корректирует их поступление, пока они не будут соответствующим образом подобраны, что позволяет избежать как переобучения, так и недообучения модели. Во-вторых, неконтролируемое МО, которое использует алгоритмы машинного обучения для анализа и кластеризации немаркированных наборов данных – этиалгоритмы обнаруживают скрытые закономерности или группировки данных безвмешательства человека. В-третьих, полуконтролируемое МО, которое иногда именуют как «обучение с подкреплением» и оценивают как золотую середину между контролируемым и неконтролируемым МО: такое обучение предполагает использование меньшего маркированного набора данных для классификации и извлечения признаков из большего, немаркированного набора данных (Подробнее см. Julianna Delua. Supervised versus unsupervised learning: What’s the difference? // URL: https://www.ibm.com/think/topics/supervisedvs-unsupervised-learning).Kьhl N., Goutier M., Hirt R., Satzger G. Machine Learning in Artificial Intelligence: Towards a Common Understanding. // Cornell University. 27.03.2020. // URL: https://arxiv.org/ftp/arxiv/ papers/2004/2004.04686.pdf; Wakefield K. A guide to the types of machine learning algorithms and their applications. – SAS UK // URL: https://www.sas. com/en_gb/insights/articles/analytics/machinelearning-algorithms.htmlArtificial Intelligence in Society, OECD Publishing, Paris, 2019. // URL: https://www.oecd-ilibrary.org/docserver/eedfee77en.pdf.Naumov V. B., Tytyuk E. V. Legal problems of machine learning//Education and law. – 2020. – № 6Andersen v. Stability AI Ltd. (3:23-cv-00201) URL: https://www.courtlistener.com/docket/ 66732129/andersen-v-stability-ai-ltd/Balobanova E.V. On the applicability of the doctrine of fair use in continental law//Journal of the Intellectual Property Court. – 2017. – № 18Ворожевич А. С. Fair use и доктрина «расширяющего полезность использования» // URL: https://legal-support.ru/information/blog/ ip-daidzhest/fair-use-i-doktrina-rasshiryaushhego-poleznost-ispolzovaniya/Lutkova O. V. Doctrine of fair use of works in modern UScopyright//Law. Journal of the Higher School of Economics. – 2016. – № 2Sagdeeva L.V. Free use as a restriction of exclusive rights//Legal research. – 2017. – № 9Mogilevsky P.S. The doctrine of fair use in the USA and the free use of works in Russia: comparative analysis//Civil law. – 2022. – № 5Shutkov A. A., Anishchenko A. N. The future of artificial intelligence, neural networks and digital technologies in the agro-industrial complex// Economics and society: modern development models. – 2019. - VOL. 9. – № 4 (26). - S. 508-522HSEreport “The problem of machine creativity in the legal system: regulation of the creation and use of the results of intellectual activity using artificial intelligence, foreign experience and Russian prospects “/Ruk. auto call V.O. Kalyatin. - M.: Publishing House of the Higher School of Economics. 2021.Vasilyeva A. S. Use of copyright objects for training artificial intelligence//Journal of the Court for Intellectual Rights. – 2024. – № 4 (46). Dec.To date, there are three main MOmethods that are described in detail in the technical literature (see, for example, IBMmaterials: What is machine learning (ML)?//URL: https://www.ibm.com/topics/ machine-learning). First, a controlled MOthat uses labeled datasets to train data classification algorithms or accurately predict outcomes: asinput data is fedinto the model, this model adjusts itsarrival until it is matched appropriately, thus avoiding both overand under-training of the model. Second, uncontrolled MO, which uses machine learning algorithms to analyze and cluster unmarked datasets - these algorithms detect hidden patterns or groupings of data without human intervention. Third, semi-controlled MO, sometimes referred to as “reinforcement learning” and assessed as the sweet spot between controlled and uncontrolled MO: such learning involves using a smaller labeled dataset to classify and extract features from a larger, unmarked dataset (For details, seeJulianna Delua. Supervised versus unsupervised learning: What’s the difference? // URL: https://www.ibm.com/think/topics/supervised-vs-unsupervised-learning).