为使读者更好地获取当下数字法学研究动态，中国民商法律网按月选取相关研究成果进行分类整理汇总。本期围绕个人信息目的限定原则、被遗忘权、数据资产、人工智能与个人信息保护、人工智能与著作权等主题，选取文章若干进行归纳。本文为不完全的归纳总结，有未尽周延之处，敬请读者谅解。
吕双全讲师在《个人信息处理目的合理性判断的动态体系论》一文中指出，目的合理是目的限定原则的重要组成部分，也是正当性原则的重要体现，其承担维持个人信息主体、个人信息处理者和社会公众三方利益平衡的重要任务。因此，可从中抽象出三种原理，一是人格尊严原理，选取“个人同意”和“时间推移”作为动态衡量具体因素；二是促进利用原理，选取“经济效率”作为动态因素；三是社会价值原理，选取“公共利益”作为动态因素。“个人同意”在特殊情况下并不能完全体现意思自治，个人信息处理目的的合理性比获得个人同意的要求更高。“时间推移”可以保障人格权益、弥补我国法律体系内在缺陷、平衡个人信息保护和言论自由保障。“经济效率”可以实现个人信息主体和个人信息处理者利益的平衡。对于“公共利益”，则要摒弃“一刀切”的判断思维，深入判断公共利益的强度。同时，要确定各项因素之间的协动体系来体现灵活性，如以下要素的重要性强弱从高到低依次是：公共利益、个人同意、时间推移、经济效率。此外，应通过各项因素的基础性评价和原则性示例保证评价标准的一致性，如在实践中法官对于“个人同意”因素应当更多关注形式同意背后当事人的真实意思。邾立军副教授在《“被遗忘权可被删除权替代说”之质疑》一文中，从被遗忘权的概念、本质和适用情形等方面对“被遗忘权可被删除权替代说”予以反驳。首先，被遗忘权的概念不同于删除权，被遗忘权分为遗忘权纬度和删除权纬度。在遗忘权纬度属于实体性权利，遗忘是自我和人格尊严发展的基本要素；在删除权纬度则属于程序性权利，个人有权控制其个人信息，即删除权是实现被遗忘权的手段而非目的。其次，被遗忘权和删除权的适用情形也不同：一是有权删除情形：被遗忘权规定了数据控制者无保留数据正当理由则应删除，而删除权并未规定；二是不能删除情形：被遗忘权规定了数据控制者保留数据不予删除的正当理由的例外条款；而删除权并未作此规定。关于被遗忘权的实质界定与具体构成：一是权利主体，GDPR规定了权利主体为自然人且不适用于已故人；二是义务主体，应为收集原始个人数据的数据控制者和相关第三方数据控制者并且会有资格限定；三是客体，由于欧盟强调保护人格尊严和自由，而美国倾向于保护商业利益和言论自由，因此客体范围有所差异，同时我国《个人信息保护法》删除权涵盖的客体要比被遗忘权更广；四是行使方式，被遗忘权由权利人主张行使，义务人负有审查义务、删除义务和通知义务。张素华教授在《数据资产入表的法律配置》一文中指出，判断数据可否作为资产入表的标准有三，一是由企业拥有或控制，文章认为根据政策指引、数据特征、体系解释、域外视角，“拥有或控制”的关键在于控制；二是很可能导致经济利益流入企业，文章指出，“很可能”是会计判断，概率为50%—95%，“流入”可以和其他资源结合考察，经济利益流入因企业类型不同也有差异；三是价值能够可靠计量，数据资产估值原则上采取成本法，初始计量层面主要涉及成本的归集与分摊，后续计量层面主要涉及摊销与减值测试。关于数据确权，包括企业的数据持有权和数据利用权，其中数据持有权还应当在数据生产阶段和数据流通阶段的双阶二元结构中考察，数据持有权的客体也应原则上限制为数据集合和数据产品，还应考量是否包含公开数据集。数据利用权则包含持有权和利用权同属一个主体，也包含为鼓励数据流通利用的持有权和利用权分属不同主体的情况。数据价值链形成的主体可以分为数据来源者、数据生产者、数据使用者。数据权属的结构也应以该三类主体为基本依归，以数据持有权为核心。数据资产入表的过程中要对数据资产来源、处理和流通展开合法性评估。通过扩充指标类型、区分指标类型的主客观纬度来完善数据质量标准规范。对数据处理者科以数据安全保护义务，并发展数据安全监测评估、认证服务。关于经济利益流入分析，作为无形资产入表，并考虑应用场景、生命周期等因素。关于列报，根据《暂行规定》藉由“无形资产或存货”列报并采取历史成本计量；等待条件成熟可单独制定数据资产会计准则并统一采取公允价值计量；关于披露，采取强制披露和自愿披露相结合。黄锫教授在《生成式 AI 对个人信息保护的挑战与风险规制》一文中，主要关注生成式人工智能对个人信息保护带来的挑战及其风险规制的问题。首先，生成式人工智能的技术特征对“告知－同意”规则，生成式人工智能的无监督学习降低了语言模型预训练的数据成本，但也产生了认知不透明的“技术黑箱”，使得开发者客观上难以依法履行“告知－同意”制度。其次，生成式人工智能对已公开的个人信息处理规则造成了一定的挑战，生成式人工智能开发应用过程中的“技术黑箱”问题，使得目的限定原则和“场景理论”无法应用于大语言模型处理已公开个人信息的合理范围。与此同时，生成式人工智能具备的机器学习能力和碎片化信息整合分析能力导致其在输入和输出端都可能产生对信息主体的敏感个人信息权益和个体隐私权的侵害风险。因此，应当从传统上“基于权利的方法”实施的个人信息保护逐步演变为“基于风险的方法”实施的个人信息保护。基于包容审慎的基本风险规制理念，适当放宽“告知－同意”的制度限制，更侧重于保护人格权。具体包括：一是调整“告知同意”制度，包括普通个人信息适用默示同意制度等；二是生成式人工智能训练过程中使用已公开个人信息时，只要不对人格权造成侵害，就属于法律允许的范围。三是设立生成式人工智能领域个人信息中人格权保护的行政规制措施。武腾教授在《人工智能时代个人数据保护的困境与出路》一文中指出，在人工智能发展实践中，个人数据保护的基本原则和具体规则尚未得到全面遵循，个人信息权益也未受到充分保护。首先，文章认为目的限定原则应当包括：一是处理目的自身的限制，即处理目的必须明确、合理；二是处理目的对处理方式的限制，即处理方式与处理目的必须直接相关。但目的限定原则与人工智能的无监督机器学习存在一定的不适配问题，如若削弱/放弃目的限定原则将会造成最小必要原则适用困难，也会造成透明原则不被遵循和质量原则适用困难的问题。其次，在当前的人工智能发展的个人数据处理中，有些企业并未向个人清晰告知处理目的、方式以及风险，且没有根据个人数据的类型、处理方式，保障个人行使决定权。如若个人信息权益难以实现，个人数据交易将会缺乏自愿性和公平性。因此，应当在目的限定原则“宽进严出”模式下明确披露人工智能各层处理目的，并且满足目的合理性要求，实现“智能向善”。同时，企业如若将个人信息应用于训练机器学习模型、制作标签和画像，应当单独告知，而非掩盖于“提供个性化服务”“改善服务体验”的模糊表述之下，且告知应当基于“风险”的类型与内容，而非人工智能发展过程中的每一个处理步骤。“透明性”与“准确性”不是截然对立的关系。此外，在人工智能商业化应用中个人决定权的集体行使中，人工智能形成的用户标签、画像属于个人数据，以及例如要求降低画像精细度等个人决定权的行使限度等内容。陶乾教授在《基础模型训练的著作权问题：理论澄清与规则适用》一文中，通过在数据准备、数据投喂和机器学习三个阶段理清数据和作品的关系来分析大模型训练过程中的著作权问题。首先，在数据准备阶段，数据集创建涉及两类著作权问题，一是侵权内容的过滤，二是将作品复制于数据集时获得著作权授权。在采集公开数据时，对于侵权内容，数据集创建者不承担侵权责任，除非其明知其侵权性质。如果在购买第三方数据时，数据集创建者应当承担适当的注意义务，对合法性问题有合理预见。对于第二类著作权问题，应当区分通用数据集和专门数据集，前者可因公共利益原则豁免，专门数据集的创建者应当承担著作权合规义务，对此有两个可行方案，一是“选择退出”机制的著作权人权利保留声明，二是著作权人的事后许可。其次，在数据投喂阶段，作品是一种以数据为载体的信息，基础模型开发者具有对专业数据集内容的合规义务，其对作品的复制属于过程性复制、内部复制，并不侵犯著作权。最后，在机器学习阶段，基础模型开发者是非侵权的，著作权指向的是表达性使用，该阶段的非表达性使用不在著作权涵盖范围之内。1. 吕双全：《个人信息处理目的合理性判断的动态体系论》，载《法学》2024年第8期；
2. 邾立军：《“被遗忘权可被删除权替代说”之质疑》，载《政法论坛》2024年第5期；
3. 张素华：《数据资产入表的法律配置》，载《中国法学》2024年第4期；
4. 黄锫：《生成式 AI 对个人信息保护的挑战与风险规制》，载《现代法学》2024年第4期；
5. 武腾：《人工智能时代个人数据保护的困境与出路》，载《现代法学》2024年第4期；
6. 陶乾：《基础模型训练的著作权问题：理论澄清与规则适用》，载《政法论坛》2024年第5期。
3.李琛：论人工智能的法学分析方法——以著作权为例 | 前沿
【温馨提示】由于微信公众号推送规则的改变，未对本公众号设置星标关注的读者，将难以第一时间接收到本公众号每日发布的前沿讯息！星标关注操作指南如下：
