すべての人に恩恵をもたらすフェアユース

AI Progress⁠（新しいウィンドウで開く）

裁判所は、著作権を確立された範囲を超えて拡張しようとする原告らの試みを退けるべきです。AI の学習は、著作物を根本的に異なる目的で利用するものであり、それらの作品へのアクセスを代替する手段を公衆に提供するものでも、著作権法上認められる市場への損害を生じさせるものでもありません。むしろ、すでに公益をもたらしている多種多様な変容的技術を可能にしています。著作権は創造と進歩を促すために存在するのであり、合法的なイノベーションを抑圧したり、著作者を競争から守ったりするためのものではありません。したがって、確立されたフェアユースの原則に従えば、生成 AI の学習はフェアユースに当たるという結論に至らざるを得ません。

米国盲人協議会、研究図書館協会、米国図書館協会、全米民生技術協会、ビジネスソフトウェアアライアンス⁠（新しいウィンドウで開く）

本件は、大規模言語モデル（LLM）を開発する企業だけに関わる問題ではありません。医学研究者と患者、多様な学習ニーズを持つ生徒を支援する教育者、より自立した生活を求める障がい者、農業知識を実践に生かす農家、新たな表現形式を開拓する独立したクリエイター、そしてソフトウェアから法律まで幅広い業界に影響します。これらの人々に共通する関心は、幅広く多様な知識源を調べ、そこから学べること、そして、その学びを役立てるためのツールを利用できることです。多くの人々は、自らモデルを学習させるのではなく、オープンソース AI システムを含む、他者が開発したシステムに依存しています。フェアユースは、こうした人々が学び、発見し、伝え、創造する力を支えています。フェアユースに基づく学習を制限すれば、AI を構築する組織と、それを利用する人々の双方に影響が及びます。

Authors Alliance⁠（新しいウィンドウで開く）

市場希釈化の理論は、著作権法がこれまで一度も制限してこなかった経済現象から権利者を保護するよう、同法に求めるものです。新しい作品は、既存作品の保護された表現を複製しなくても、その売上、認知度、価値を低下させることがあります。著作権法は、こうした競争を意図的に著作権者の支配の及ばない領域に置いています。したがって、法廷助言者は裁判所に対し、「市場希釈化」は米国法典第 17 編第 107 条第 4 号で認められる市場への損害には当たらないと判断するよう、謹んで求めます。ここでいう市場希釈化とは、同じ題材やジャンルを扱う、保護対象外の特徴を共有する、同じ受け手をめぐって競合するといった、権利を侵害しない出力が全体として生み出す競争圧力を指します。この理論を退けることは、第 2 巡回区控訴裁判所が一貫して維持してきた区別を守ることになります。著作権が著作者を保護するのは、保護された表現が代替されることに対してであり、単にそれと競合する新たな表現が成功することに対してではありません。

Chamber of Progress、Abundance Institute、Trevor Lawrence Jr. 氏⁠（新しいウィンドウで開く）

現代のクリエイティブ産業における生成 AI の活用は、これらの原則が実際に機能している好例です。生成 AI ツールが、人間のさらなる創造を可能にするという著作権の中心的な目的をいかに推進しているかを示しています。たとえば、音楽家は生成 AI を使って編曲を模索し、メロディーを作り、資金や人手などの制約によって実現できなかったかもしれないプロジェクトに取り組めるようになっています。これらのツールは芸術家の判断を支え、その実現を助けることで、人間の表現の可能性と、公衆が享受できる作品の幅を広げています。

コンピューター・通信産業協会⁠（新しいウィンドウで開く）

生成 AI モデルの学習は、これまで裁判所に判断が求められた利用の中でも、とりわけ変容性が明白なものの一つです。著作物は、鑑賞・閲覧や頒布のために複製されるのではありません。人間のユーザーの指示に応じてツールが新たな文章などの出力を生成できるよう、統計的パターンを抽出するために分析されます。この利用の目的と性質は、いずれも元の作品の本来の目的と性質とは根本的に異なります。

Ed Lee 氏、Rebecca Tushnet 氏⁠（新しいウィンドウで開く）

法学教授

権利を侵害しないこれらの出力は、原告らの作品と実質的に類似しているわけではなく、単に同じジャンルに属するか、類似した事実を含んでいるにすぎません。原告の前例のない「希釈化」理論は、著作権の趣旨を逆転させるものです。ジャンルや事実は、著作権による保護の対象にはなりません。憲法の著作権条項に照らせば、これらの要素はいかなる「著作者」の独創的な「著作物」でもなく、自由に複製できます。

電子フロンティア財団⁠（新しいウィンドウで開く）

原告らは裁判所に対し、その慎重な姿勢をかなぐり捨て、制定法にも判例法にも根拠のない適法な取得という要件を追加するよう著作権法を書き換えることを求めています。さらに、汎用ツールが、競合する可能性はあっても権利を侵害しない作品の制作に使われ得るというだけで、その開発者に不利な方向へフェアユースの判断を傾けることを求めています。裁判所は、これら 2 つの理論をいずれも退けるべきです。

Engine、Developers Alliance⁠（新しいウィンドウで開く）

スタートアップによる基盤モデルの活用は、AI モデルの学習に著作物を利用することが、著作権侵害ではなくフェアユースに当たることを示しています。基盤モデルを学習させる目的は、学習した作品を複製することではありません。他者が新たな目的に応じて活用できる汎用ツールを構築することです。スタートアップが選んだ用途は、どの学習データセットに含まれる作品の目的ともまったく異なります。

Foundation for American Innovation⁠（新しいウィンドウで開く）

AI の学習が新たな知識、表現、ソフトウェア、その他の能力の創出を可能にする限り、その恩恵は、フェアユースの第 4 要素である、利用が市場に及ぼす影響の評価に関わります。この考え方は、本件での新たな適用を裏づけます。すなわち、新たな分析やソフトウェア、その他の生産的な仕事を可能にする能力について、国家安全保障上の価値を考慮することです。

Gregory Leppert 氏⁠（新しいウィンドウで開く）

図書館技術の専門家

「著作権の第一の目的は、著作者の労苦に報いることではなく、学術および有用な技芸の進歩を促進することです」。図書館も、著作権法のこの根本的な目的を共有しています。たとえば、米国議会図書館は、その使命を「豊かで多様かつ永続的な知識源へのアクセスを提供し、皆様の知的・創造的な取り組みに情報と着想をもたらし、その活動を後押しすること」としています。他の機関も、驚くほど一貫した言葉で使命を掲げています。ハーバード大学図書館の使命は「コミュニティとともに新たな知識の創造と共有に取り組むこと」です。MIT 図書館は「情報の生成、普及、利用、創造的な活用、保存のための信頼できる基盤を提供し、知識を発展させること」を目指しています。ニューヨーク公共図書館は「資料への無料で開かれたアクセスを提供することで知識を発展させること」を存在意義としています。汎用 AI モデルが広く利用可能であることは、図書館が時代の変化に対応しながら、人類の知識を将来の世代のために保存し、アクセスを確保できるようにするという、重要な公益に寄与します。

Joshua S. Gans 氏⁠（新しいウィンドウで開く）

戦略経営学教授

著作権は、コンテンツを創作する動機だけでなく、そのコンテンツから学習するツールを開発する動機も支えています。代替によって失われる売上をすべて訴訟の対象とするルールは、前者を確実に保護できないまま、後者を弱めるおそれがあります。

Kevin Kelly 氏⁠（新しいウィンドウで開く）

作家

AI は、芸術や科学の数多くの分野で、新たな作品や成果の創出を加速する変革的な技術です。Kelly 氏は、AI が文学の発展にどのように寄与するかを実体験から理解しています。同氏の見解では、各 AI モデルは、著作者が新たな文章やアイデアを生み出し、推論することを可能にする、まったく新しい媒体として捉えられます。したがって、フェアユースの争点について原告らに有利な判決を下せば、連邦議会が付与しようとした、独創的な表現に対する限定的な独占権をはるかに超える権利を原告らに与えることになります。それは、かつては想像もできなかった量の情報を広められる技術の開発を妨げることになります。また、新たな思考のあり方や、芸術と科学の双方における新たな独創的作品の創出も阻害します。法廷助言者は、大規模言語モデルの学習に著作物を利用することは、米国法典第 17 編第 107 条に基づくフェアユースに当たるという被告らの主張を支持し、本意見書を提出します。生涯にわたって執筆に取り組んできた Kelly 氏にとって、著作権者に与えられる保護は重要です。同様に重要なのは、著作物の適法な利用と、変容的な技術の発展の余地を残すことです。そうしなければ、著作権は、本来促進するために存在するはずの創造、イノベーション、知識の普及そのものを抑え込んでしまいます。フェアユースの法理は、この均衡を確保するために不可欠です。

Khosla Ventures⁠（新しいウィンドウで開く）

フェアユースはまさに、著作権法が、本来促進するはずのイノベーションを妨げるために使われることを防ぐために存在します。「学術および有用な技芸の進歩を促進する」という著作権の憲法上の使命（米国憲法第 1 条第 8 節第 8 項）を果たすため、裁判所は、OpenAI の大規模言語モデルの学習に著作物を利用することが、法律上フェアユースに当たると判断すべきです。

Matthew Sag 氏⁠（新しいウィンドウで開く）

法学教授

本件の訴訟記録によれば、被告らが AI の学習に原告らの作品を利用することは、変容性が極めて高く、フェアユースの認定を強く支持するものです。現実的な条件下では、被告らのモデルの出力は、学習過程で作成される外部から見えない中間複製物と、法的に意味のある点で何ら類似していないからです。

Michael Wall 氏、Sarah Rose Siskind 氏⁠（新しいウィンドウで開く）

音楽家・作曲家 / コメディアン・作家

本意見書は、著作権による保護と AI ツールの両方によって生計を維持している 2 人の独立したクリエイターの仕事を通じて、その一文が実際に何を意味するのかを示します。法廷助言者である Sarah Rose Siskind 氏と Michael Wall 氏は、独創的な作品を制作し、その利用を許諾している芸術家です。一方で、両氏は創作に付随する業務をこなし、より豊富な経営資源を持つ競合がひしめく市場で事業を成長させるために、AI を活用しています。法廷助言者らにとって、AI は創造性に取って代わるものでも、創作過程を省略する手段でもありません。AI は、両氏がより多くの作品を生み出し、新たな表現の形へと活動を広げる助けとなっています。法廷助言者らの経験は、AI ツールが「大手と独立系の出版者の間にある競争条件の格差を縮める助けとなり得るし、そうあるべきだ」という米国政府の見解を裏づけています。Siskind 氏は、日々の事務作業からアイデアの開発、新規顧客の獲得まで、事業のあらゆる面で AI を活用しています。AI により、同氏の創作以外の業務はより速く、低コストになり、創作の質も向上しています。同氏は「今となっては、AI なしで事業を運営できるとは思えません」と述べています。同様に、AI は Wall 氏が音楽事業の運営業務をこなし、費用を削減し、作曲により多くの時間を充てる助けとなっています。Siskind 氏と同じく、Wall 氏も、AI がなければ今の形で事業を存続させるのは難しいと考えています。

Mike Knoop 氏、Daniel Lowd 氏、Douglas Schmidt 氏⁠（新しいウィンドウで開く）

コンピューター科学者

汎化と記憶は異なる現象です。大量かつ多様なデータで学習することで、モデルは学習時に遭遇しなかったプロンプトにも応答できるようになります。これは、モデルが単に元の作品を保存するのではなく、新たな文脈に適用できるパターンを学習しているという結論を裏づけます。学習済みモデルは、アドレスを指定して文書を取り出せる保管庫ではなく、通常、特定の学習データを保存済みファイルとして取り出すことはありません。特定の学習データを要求して取得するためのアドレス、インデックス、ファイルハンドルは存在しません。生成は代わりに、次のトークンの確率分布を作成し、そこからトークンを選ぶことで進みます。

Public Knowledge⁠（新しいウィンドウで開く）

フェアユースは、画像検索や書籍の全文検索など、デジタル世界がもたらした膨大な情報の中から必要なものを見つけるためのツールを保護してきました。Perfect 10, Inc. v. Amazon.com, Inc., 508 F.3d 1146, 1164–68 (9th Cir. 2007)、Authors Guild v. Google, Inc., 804 F.3d 202, 216–17, 225 (2d Cir. 2015)（「Google ブックス」）を参照してください。また、印刷物を読むことが困難な読者に、図書館がアクセシブルな電子書籍を提供することも保護してきました。Authors Guild, Inc. v. HathiTrust, 755 F.3d 87, 101–03 (2d Cir. 2014) を参照してください。さらに、「法に無料かつ容易にアクセスできることがもたらす大きな公益」を認め、法令に組み込まれた技術規格をオンラインで無料公開することも保護してきました。Am.Soc’y for Testing & Materials v. Public.Resource.Org, Inc., 82 F.4th 1262, 1271–72 (D.C. Cir. 2023)。AI の恩恵が特権を持つ一部の人々に独占されるのではなく、広く社会全体に行き渡るようにするうえでも、フェアユースは同様に有益です。

Rick Santorum 上院議員、Rick Boucher 下院議員⁠（新しいウィンドウで開く）

元連邦議会議員

「著作権法は、その誕生以来、技術の大きな変化に応じて発展してきました」。Sony Corp. of Am. v. Universal City Studios, Inc., 464 U.S. 417, 430 (1984)。この成り立ちに沿って、1976 年著作権法で成文化されたフェアユースの法理は、技術の変化に逆らうのではなく、それと歩調を合わせて機能することを意図しています。AI は、この法理を適用すべき最新かつ最も重大な影響を持つ技術です。AI モデルの学習に著作物を利用することは、フェアユースの典型例です。AI モデルは、作品の表現を公衆に伝えるために作品を利用するのではありません。それとはまったく異なり、モデルの機能を可能にする言語の統計的パターンを導き出すために利用します。AI の学習がフェアユースに当たるという判断は、わが国にとって極めて重要です。米国の科学者、企業、起業家が自由に AI の学習を行えることは、経済的にも戦略的にも最重要の意味を持ちます。

Ron Suskind 氏、Brian L. Frye 氏⁠（新しいウィンドウで開く）

ピュリツァー賞受賞ジャーナリスト / 法学教授

OpenAI が生成 AI モデルの学習に新聞記事を利用したことは、原告である報道機関の合理的な商業上の期待を何ら損なっていません。原告らは、消費者に記事の閲覧権を販売することを見込んで、新聞記事の執筆を依頼し、掲載しました。原告らは、自社の記事の閲覧権を消費者に販売する独占的な権利を保持し、引き続き行使しています。OpenAI が AI モデルの学習にそれらの記事を利用しても、原告らが消費者に記事の閲覧権を販売する能力に影響はありませんでした。

米国政府⁠（新しいウィンドウで開く）

本訴訟でニューヨーク・タイムズは、フェアユースの法理の適用範囲を狭め、OpenAI の大規模言語モデル（LLM）の学習を対象から除外することを求めています。そのような結果は著作権法の基本原則に反し、「学術および有用な技芸の進歩」を著しく妨げます。米国憲法第 1 条第 8 節第 8 項。以下で述べるように、ニューヨーク・タイムズ自身に加え、独立系や新興メディアを含む報道・出版機関が、報道などの目的で LLM を活用しています。さらに、本訴訟で扱われている領域を超えて、LLM はすでにさまざまな分野の研究者による大きなブレークスルーの達成を支えています。フェアユースの法理を誤解したまま LLM の開発を制限すれば、こうした創造や科学の進歩を阻み、米国の繁栄と、人々が経済的地位を向上させる機会を妨げることになります。