学習データの合法性は、既存のフェアユース、権利者の許諾、契約上の手配に依存します。三つの側面があります。第一は著作権の側面です。素材の取得・利用自体が侵害行為になる場合があります。メドゥーサ案件では、アニメキャラクターを切り抜いてモデル学習に使用し公開した行為が、複製権および情報ネットワーク伝達権を侵害すると認定されました。『慶余年』ワンクリック映像作成案件では、映像断片を切り分けてデータベースに格納し AI に呼び出させた行為に対し、80 万元の賠償判決が言い渡されました。ウェブスクレイピングについては、ウェブサイト利用規約に違反していないか、不正競争に該当しないかを別途検討する必要があります。第二は規制の側面です。『生成式人工知能サービス暫定弁法』第 7 条では、データおよび基礎モデルの出所が合法で知的財産権を侵害しておらず、個人情報を扱う場合には同意を取得することが義務付けられています。生成コンテンツについては、別途『人工知能生成合成コンテンツ標識弁法』に基づいて標識を付ける必要があります。第三はデータの側面です。個人情報または重要データが関わる場合には、個人情報保護およびデータ越境に関する要件を守らなければなりません。実務上の助言としては、データ出所台帳を作成し、許諾関連の証拠を保管し、リスクの高いコーパスに対しフィルタリング・非識別化を実施し、サービス契約に責任分担を明記することが挙げられます。
