چالش‌های حق مؤلف و حقوق مرتبط در آثار تولیدی هوش مصنوعی با استفاده از داده‌های تعلیمی

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه حقوق خصوصی و اسلامی، دانشکده حقوق و علوم سیاسی، دانشگاه شیراز، شیراز، ایران

2 گروه حقوق خصوصی و اسلامی، دانشکده حقوق و علوم سیاسی، دانشگاه شیراز، شیراز، ایران.

3 دانشجوی دکتری حقوق خصوصی، دانشکده حقوق و علوم سیاسی، دانشگاه شیراز، شیراز، ایران.

چکیده

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.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Copyright and Related Rights Challenges in AI-Generated Works Using Training Data

نویسندگان [English]

  • Haniyeh Zakerinia 1
  • Habib Talebahmadi 2
  • Abbas Keshavarz Moayedi 3
1 Department of Private and Islamic Law, Faculty of Law and Political Sciences, University of Shiraz, Shiraz, Iran.
2 Department of Private and Islamic Law, Faculty of Law and Political Sciences, University of Shiraz, Shiraz, Iran.
3 PhD Student of Private Law, Faculty of Law and Political Sciences, University of Shiraz, Shiraz, Iran
چکیده [English]

The rapid development of generative artificial intelligence technologies has posed novel challenges to traditional intellectual property law frameworks. The use of copyrighted works and materials protected by related rights in training generative models demonstrates that existing legal regimes, particularly concerning related rights, are insufficient to address practical complexities. This study employs a comparative approach to examine the laws of the United States, the European Union, the United Kingdom, and Iran, analyzing how legal gaps, lack of clear protection for performers and phonogram producers, and the absence of effective mechanisms to identify infringements in AI training processes create legal uncertainty in the use of training data. The findings indicate that harmonizing the protection of training data and AI-generated works in Iran requires legislative reform and the establishment of clear legal frameworks, while policy measures based on international experiences can help bridge these gaps.

کلیدواژه‌ها [English]

  • '؛ Reproduction'؛ Copyrights'؛ Related Rights'؛ . '؛ Training data'؛ Intellectual property'؛
  • '؛ Artificial intelligence'
مجله علمی

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 07 اسفند 1404

فایل ها

هم رسانی

ارجاع به این مقاله

آمار