دانشگاه تهران مجله علمی "حقوق خصوصی" 2008-840X 22 2 2026 05 19 Copyright and Related Rights Challenges in AI-Generated Works Using Training Data چالش‌های حقوق مؤلف و حقوق مرتبط در آثار تولیدی هوش مصنوعی با استفاده از داده‌های تعلیمی 179 193 106197 10.22059/jolt.2026.406013.1007433 FA حانیه ذاکری‌نیا گروه حقوق خصوصی و اسلامی، دانشکدة حقوق و علوم سیاسی، دانشگاه شیراز، شیراز، ایران 0000-0002-0732-2091 حبیب طالب احمدی گروه حقوق خصوصی و اسلامی، دانشکدة حقوق و علوم سیاسی، دانشگاه شیراز، شیراز، ایران 0000-0002-4704-8031 عباس کشاورز مؤیدی گروه حقوق خصوصی و اسلامی، دانشکدة حقوق و علوم سیاسی، دانشگاه شیراز، شیراز، ایران 0009-0005-7489-3459 Journal Article 2025 11 12 The rapid advancement of generative artificial intelligence has introduced significant challenges to traditional intellectual property frameworks. The use of copyrighted works and materials protected by related rights in training generative models reveals that existing regimes—particularly those governing related rights—are inadequate to address emerging practical complexities. This study adopts a comparative methodology, examining the legal systems of the United States, the European Union, the United Kingdom, and Iran to assess how legal gaps, the absence of clear protections for performers and phonogram producers, and the lack of effective mechanisms for detecting infringements in AI training processes generate uncertainty regarding the lawful use of training data. The analysis shows that achieving coherent protection of training data and AI‑generated outputs in Iran requires legislative reform and the establishment of clearer legal standards. Drawing on international experience, the study further argues that targeted policy measures can help bridge existing regulatory gaps and provide a more predictable and balanced framework for stakeholders. تحولات فناوری‌های مولد هوش مصنوعی، چارچوب‌های سنتی حقوق مالکیت فکری را با چالش‌های نوینی مواجه کرده است. استفاده از داده‌های مشمول حق مؤلف و حقوق مرتبط در آموزش مدل‌های مولد نشان می‌دهد که قوانین موجود، به‌ویژه در حوزه­ی حقوق مرتبط، قادر به پاسخگویی به پیچیدگی‌های عملی نیستند. این پژوهش با بررسی تطبیقی حقوق آمریکا، اتحادیه اروپا، انگلستان و ایران، تحلیل می‌کند که خلأهای قانونی، فقدان حمایت روشن از اجراکنندگان و تولیدکنندگان آثار و نبود مکانیسم‌های مؤثر برای احراز نقض حقوق مولف و مرتبط در فرآیند آموزش مدل‌های مولد، موجب ایجاد عدم قطعیت حقوقی در استفاده از داده‌های تعلیمی شده است. یافته‌ها نشان می‌دهد که به منظور همسان ‌سازی حمایت از داده‌های تعلیمی و آثار تولید شده توسط هوش مصنوعی، بازنگری قانونی و تدوین چارچوب‌های مشخص در ایران ضروری است و اتخاذ راهکارهای سیاستی مبتنی بر تجارب بین‌المللی می‌تواند این خلأها را جبران کند. https://jolt.ut.ac.ir/article_106197_405f88c237790b1a71a847a03e9ce757.pdf