北美智权股份有限公司

2023年1月13日，Sarah Anderson、Kelly McKernan及Karla Ortiz代表自己及其他艺术家，于美国加州北区联邦地区法院对Stability、DeviantArt及Midjourney等三家AI系统业者提起推定的集团诉讼（putative class action）[1]。所谓推定的集团诉讼，就是现阶段原告人数不多，但假设未来成案，会有更多原告加入的集体诉讼[2]。原告控诉被告涉及包括直接侵害著作权（Direct Copyright Infringement）在内的多项民事不法行为，被告申请驳回原告起诉，法院于2023年10月30日就被告之申请作出裁决[3]。

原告声称，Stability AI于2022年8月创建并发布名为Stable Diffusion的多用途软件程序。Stable Diffusion付费给名为LAION的组织，透过后者从网络上抓取（亦即重制）超过50亿张图像，作为Stable Diffusion的「训练图像」。从而Stability在建置Stable Diffusion时，未经授权即下载了数十亿件受著作权保护的图像重制物[4]。

原告将Stable Diffusion形容为一种「软件图书馆」，为DreamStudio、DreamUp、及Midjourney等AI系统提供图像生成服务。消费者将文字提示输入程序即可创造出具有艺术家风格的图像。这些透过数学程序创造的新图像，完全基于训练图像而来，是训练图像的衍生物。原告声称，从系统中产出的所有图像都衍生自潜在图像（latent images），因此，必然都是衍生著作[5]。

DreamStudio是Stability于2022年8月推出的付费使用产品，其功能是作为进入经训练版的Stable Diffusion的用户接口[6]。

被告DeviantArt创立于2000年，提供可供数字艺术家上传及分享作品的在线社群 (online community)。DreamUp是DeviantArt于2022年11月发布的产品。DreamUp是一项靠Stable Diffusion产生图像的商业产品，仅限付费客户使用。原告认为，Stable Diffusion的训练图像中，包含LIAON从DeviantArt网站所抓取的资料。因此，Stability未经授权即重制了数百万件DeviantArt用户所创作的艺术作品，作为训练图像。由于DreamUp的数据源是Stable Diffusion，这样一来，DeviantArt等于违反了自己非商业使用，及不作未经同意使用的服务条款以及隐私政策[7]。

被告Midjourney则是一家位于旧金山的公司，经营「Midjourney Product」。. Midjourney Product是一项发布于2022年7月的商业产品，响应文字提示产生图像的方式和DreamStudio及DreamUp相同。原告声称，Midjourney不但使用Stable Diffusion，也用于训练Stable Diffusion的图像进行训练。Midjourney Product透过网络聊天系统Discord提供用户服务，并透过应用程序，收取服务费。Midjourney的CEO表示，Midjourney使用了大量开放式数据集，原告认为，这就「暗示」了Midjourney使用LAION数据集进行训练。2022年8月，Midjourney发布了使用Stable Diffusion的测试版本[8]。

每位被告虽分别提出驳回起诉请求，但所持论点基本上并无二致，故法院合并审理[9]。

由于美国著作权采登记制度，要对侵害著作权者提起诉讼，必须先将著作办理著作权登记。被告一致主张McKernan及Ortiz的著作权侵害起诉应予驳回，因为他们并未就其作品向著作权局提出著作权登记。原告并未就此点加以争执。法院裁决McKernan及Ortiz的著作权请求驳回不得再诉（dismissed with prejudice）。被告同时主张Anderson的著作权侵害起诉范围应限于其已登记的16套作品。Anderson未争执此点。法院裁决Anderson的著作权请求限于其已注册之作品[10]。

原告提起直接侵害著作权之诉的主要论述基础是，Stability 创建并使用从网络上抓取的训练图像训练 Stable Diffusion。Stability对原告论述的真实性提出质疑。然而法院指出，即使Stability也承认，这些指控的真实性，亦即违反著作权法的重制是否发生在训练Stable Diffusion的背景下，还是发生在 Stable Diffusion 运作时，此时此刻无法解决。Stability并未争执Anderson就训练图像直接侵害著作权的其他指控的充分性。因此，Stability驳回原告起诉之申请，遭到法院裁决驳回[11]。

原告未能指出DeviantArt在抓取和使用Anderson及其他人的作品以创建训练图像中，发挥了任何积极作用的具体可信的事实。相反，起诉状承认，抓取和创建训练图像是由LAION在Stability的指示下完成的，并且Stability使用训练图像来训练Stable Diffusion。DeviantArt遭到的具体指控是成为为训练Stable Diffusion而创建的LAION-Aesthetic数据集的主要「来源」。然而，这并不能支撑对DeviantArt本身直接侵害著作权的指控[12]。

另外，原告指控DeviantArt透过其用户接口DreamUp传播Stable Diffusion，而后者内有训练图像的「压缩重制物」（compressed copies）[13]。法院同意Deviant所说，原告对于何谓压缩重制物语焉不详[14]。法院要求原告修改起诉状以阐明他们关于训练图像的压缩重制物的理论，并说明Stable Diffusion与训练图像的操作方式的事实依据。如果原告认为Stable Diffusion包含了训练图像的压缩重制物，他们需要定义压缩重制物并提出具有事实依据的合理解释。又如果原告的压缩重制物理论是基于Stable Diffusion包含可以通过算法或指令执行的数学或统计方法以全部或部分重建训练图像以创建新的输出图像的主张，他们需要阐明这一点并提供有事实依据的合理解释[15]。

原告提出另一种直接侵害著作权理论，主张DreamUp所生产的「输出图像」（Output Images）皆为侵权的衍生作品。DeviantArt认为，为了充实此理论，原告必须指控输出图像与受保护作品具有实质相似性。但鉴于原告一再承认，对于某个特定的文字提示的响应而产生的任何Stable Diffusion输出图像，都不太可能与训练数据中的任何特定图像高度匹配，原告之理论从而失其附丽。但原告认为，根据判例，他们不需要指控或解决实质相似性的问题。法院认为，为符合系争判例，原告Anderson受著作权保护之著作的所有元素都被整体重制为训练图像，因此输出图像必然是衍生的[16]。法院指出，原告的理论将面临两个问题，首先是关于压缩重制物和DeviantArt的重制的理论尚待厘清，并由可信的事实充分支持；原告的另一个问题是，每个用于训练Stable Diffusion的训练图像皆受著作权保护，或者所有DeviantArt用户的输出图像都依赖于受著作权保护的训练图像，因此所有输出图像都是衍生图像，这种说法根本不合理[17]。

基于上述理由，法院裁决驳回原告对DeviantArt的起诉驳并准予修正[18]。

至于Midjourney，原告提出的直接侵权理论，和前述对DeviantArt的指控大同小异。法院同样认为这些理论有瑕疵，并认为，原告需要进一步厘清他们的理论究竟是基于Midjourney使用Satblity Diffusion，或是基于Midjourney自己独立使用训练图像来训练Midjourney产品，或两者皆有[19]。因此，法院裁定原告对Midjourny的起诉驳回并准予修正[20]。

法官认定原告的起诉状瑕疵甚多，从而大致上核准被告所提，驳回原告起诉之申请，但也给予原告修正的机会。

Anderson v. Stability AI, et al., (N.D. Cal. 2023) (No. 3:23-cv-00201).
杨智杰，终端消费者是否为高通违反竞争法的受害者？2017年加州北区地院In Re: Qualcomm Antitrust Litigation案（一），北美智权报 203期，2018 年 01 月 24 日。
Andersen, et al. v. Stability AI Ltd. et al., No. 23-cv-00201-WHO (N.D. Calif. 2023). （其他请求包括代位著作权侵害（Vicarious Copyright Infringement）、移除著作权管理信息（Deletion of Copyright Management Information）、侵害法定公开权（Violation of Statutory Right of Publicity）、侵害普通法上公开权（Violation of Common Law Right of Publicity）、不公平竞争（Unfair Competition）及确认性救济（Declaratory Relief））
Id. at *1-2.
Id. at *2.
Id. at *2.
Id. at *2-3.
Id. at *3.
Id. at *5.
Id. at *5.
Id. at *7.
Id. at *7-8.
Id. at *8.
Id. at *6-7.
Id. at*9-10.
Id. at *10-11.
Id. at *11-12.
Id. at *13.
Id. at *14.
Id. at *14.