吴汉东，法学博士，中南财经政法大学文澜资深教授、腾讯讲席教授，博士生导师，教育部人文社科重点研究基地、国家保护知识产权工作研究基地名誉主任，教育部和外国专家局“111”引资项目中方首席专家；兼任教育部社会科学委员会法学学部委员，中国知识产权法学研究会名誉会长，国家知识产权战略咨询专家委员会成员，国务院反垄断委员会专家咨询小组成员，*高人民法院知识产权司法保护研究中心学术委员会副主任。著有《著作权合理使用制度研究》《无形财产权基本问题研究》《知识产权基本问题研究》《知识产权多维度解读》《科学发展与知识产权战略实施》《中国知识产权理论体系研究》等著作10余部，另在《中国社会科学》《法学研究》《中国法学》等刊物发表文章180余篇；专著和论文曾获首届全国优秀博士论文奖、司法部优秀科研成果奖一等奖、首届中国出版政府奖（图书类）等；入选2011年度国家哲学社会科学成果文库，其著述以英文、日文、韩文列入海外出版计划。2006年5月在中央政治局第三十一次集体学习上为国家领导人讲授“我国知识产权保护的法律和制度建设”。2009年、2010年两次被评为“年度十大全国知识产权保护*具影响力人物”，并于2009年、2010年两度被英国《知识产权法管理》（MIP）杂志评为“全球知识产权界*具影响力五十人”。

合理使用是现代著作权法中的一项重要制度，在著作权研究中被美、日学者称为世界性难题。本书通过学说理论分析和制度规范分析，回答了合理使用领域中的一系列重要问题。作者以民法学理论为基础，借助法历史学、法哲学、法经济学、宪法学、比较法学，对这一问题进行多维角度的探讨，提出了著作权法的平衡精神、合理使用的正义构成、表达自由优先原则、使用者权利等新的理论命题和观点；同时，运用大量立法、判例资料，分析了合理使用中的“合理性判断标准”、传播技术中的合理使用规则适用以及我国著作权修法的合理使用方案等，在实务研究中评介了国际经验和中国做法。
本书是中国第一部关于合理使用研究的著作权专著，其研究方法与学术观点在知识产权界和学术理论界产生了重要影响。

人工智能时代的著作权法同样面临着以上两大类问题，即“人工智能的著作权法问题”和“著作权法的人工智能问题”。前文已述，当前“数据训练”导向型人工智能技术，分为“输入――学习――输出”三个阶段。因此，人工智能的著作权法问题可细分为输入端和输出端两类，也有学者将其称为上游端（Upstream）和下游端（Downstream），还可作更为生动一点的描述，即人工智能作为“读者”的著作权问题和作为“作者”的著作权问题；不过，并非所有的人工智能都可以作为“作者”涉及输出端的著作权问题，因为人工智能有表达型（如能写诗的微软小冰）和非表达型（如人脸识别）两种，这种分类的意义详见后文。综合人工智能的技术过程以及其对法律不同的作用角度，笔者将人工智能时代著作权及其合理使用制度所面临的问题归纳为以下三个：
问题一：在人工智能输入端，人工智能改变了作品的“阅读”方式，进而产生了作品大批量阅读是否构成合理使用的问题。机器学习（算法训练）需要大量的数据输入，而这其中就包括各类版权作品。我们可以将人工智能的作品输入形象地称之为“阅读”作品，而且这种阅读方式有别于人类对于作品的阅读方式，即人工智能对作品的“阅读”是自动化和批量化的。个人对于作品的阅读和学习属于“个人使用”的范畴，是为法律规定的合理使用例外（参见中国《著作权法》第22条第1项规定），那么人工智能大批量地“阅读”作品以供机器学习是否仍然构成合理使用呢？
问题二：在人工智能输出端，人工智能改变了作品的“创作”方式，进而提出了人工智能作品的著作权保护及其合理使用的问题。人工智能技术在改变作品“阅读”方式的同时，也改变了作品的“创作”方式，开创了后人类时代作品创作的新纪元。在人类较少干预或不参与的情况下，人工智能可以大批量的创作出人类可以理解的内容，包括文本、图画和音乐等。那么这些人工智能生成内容的著作权保护该怎么安排：人工智能生成内容是否构成版权作品？以及合理使用制度在人工智能作品财产权确立过程中起什么作用？
问题三：在人工智能时代，人工智能改变着著作权法的实施机制，进而出现了合理使用规则算法化实施的问题。人工智能技术除了作用于作品的阅读和创作之外，也深刻地改造着著作权法自身，目前已经出现了形式多样的旨在促进法律事业，便利法律运作的法律人工智能应用，如律师务所中的机器人律师、互联网中算法化的“通知――删除”实施系统等。那么对于合理使用判断而言，合理使用规则是否能够以及在多大限度内被算法代码编译，进而在人工智能技术的支持下做出自动化和大批量的合理使用判断？
总体来看，前两个问题属于“人工智能的法律问题”，后一个可归类于“法律的人工智能问题”。相比较而言，现有与人工智能相关的著作权文献较多集中于第二个问题，即人工智能生成内容的著作权保护问题，而其他两个问题的学术研究显得较为冷清。本文的讨论内容将涵盖以上三个问题，以期对人工智能时代的著作权及其合理使用制度有一个更为全面的认识。
二、机器“阅读”作品：侵权使用抑或合理使用？
被用于机器学习（训练算法）的数据集中，可能含有受著作权保护的作品，并涉及非常复杂的著作权关系。利用作品训练算法，是对作品的侵权使用还是合理使用？这是机器阅读“作品”的一个待决问题。在分析这个问题之前，我们先对机器学习过程中涉及的著作权类型及其权项种类做一个说明。首先，就涉及的作品而言，训练数据可能涵盖的著作权有两个层次：第一层是数据集中单个作品的著作权，第二层是数据集作为整体汇编作品的著作权。其次，就可能触及的具体专有权而言，在人工智能在输入数据之前，需要将作品数字化，或抓取已经数字化的作品，并将这些作品集合拷贝至人工智能系统中，这就会涉及到作品的复制权；在有人监督的机器学习情况下，还需要工作人员对数据予以标记、整理和汇总，这就会涉及到作品的演绎权，如改编权、汇编权等；在机器学习过程中，还存在缓存这一类临时复制的问题；经机器学习之后，人工智能输出的内容与所学习的作品构成实质性相似，还会引起作品改编权的问题。可见，机器对作品的“阅读”和学习过程中，会涉及不同层级的作品著作权，有许多步骤都落入著作权的专有权利范围之内。机器“阅读”作品是否构成合理使用，对于人工智能产业的发展而言，是至关重要的。人工智能是否用于商业目的，对于合理使用与否的判断具有重要影响，详细内容见下文对人工智能类型的分类讨论。
（一）科教领域人工智能的作品利用：趋向法定的文本挖掘例外
与输入作品训练人工智能有关的重要概念是“文本和数据挖掘”（Text and Data Mining），具体指“为了获取新知识或信息，对任何数字材料（包括文本、数据、图片、声音等）的自动化分析”。“数据训练导向”型人工智能的技术过程，就是从训练数据中挖掘有用信息，用以完善算法模型，从而做出更为准确的预测甚至是决策。“文本和数据挖掘”，可视为从另一角度对人工智能技术过程的表述。正如一位德国学者所言，“虽然机器学习在技术上比文本数据挖掘更进一步且更加复杂，但是两者有着密切的关系”；“可以这么理解，如果文本数据挖掘是版权例外，那么这种版权例外也同样地适用于机器学习”。目前，有许多国家（地区）的成文法和判例法确立了文本数据挖掘的著作权例外：
（1）2009年，日本修订的版权法涵盖了关于文本挖掘版权例外的类似规定，被认为是该类著作权例外的最早立法例。日本《著作权法》第47条之7规定：为了利用计算机进行信息分析（指从大量作品或其他数据中筛选出构成该信息的语音、影像等要素，并进行比较、分类或统计），在必要的范围内将版权作品拷贝至储存介质，以及对其进行合理地改编是被允许的，但是他人专门用来作信息分析的数据库作品除外。2018年1月，日本再次修改《著作权法》。旧法的第47条之7被新法的第47条之5所替代：首先，该条的目的限定采用更为宽泛的“为了提供新的知识或信息”，以替代旧法中的“信息分析”；其次，允许开展信息处理的主体将自己形成的作品集，在实现上述目的的必要限度内向社会公众提供。这一修改有两大进步之处：一是使得法律条文能够更加灵活地适应日本大力发展人工智能产业的需求；二是允许信息处理人向公众提供机器可读形式的作品数据集。
（2）在欧洲，英、法、德国家先后在自己的著作权法中规定了文本数据挖掘的例外条款。2014年，英国修改《版权、外观设计和专利1988年法案》第29条，即合理使用（Fair Dealing）条款，新增一项版权例外（29A），内容概括如下：为了利用计算机对作品内容进行非商业性地研究分析，可以不经许可对版权作品（该作品来源是合法的）进行复制，但是不得将该作品复制件分享给其他人，也不得将该作品复制件用作其他用途。此外，关于排除或限制基于以上目的对作品合理使用的合同条款不具有实际约束力。2016年，法国也将文本数据挖掘的著作权例外写进了其《知识产权法典》，具体涉及两个条款：一是第L122-5条第10款，适用于作品的挖掘例外；二是第L342-3条第5款，规定了数据库（享有类似著作权的专有权利）的挖掘例外。依据上述修订条款，在科学研究中，可以不经权利人许可对文本数据挖掘过程中所需的和产生的作品资料和数据集进行复制、存储和交换。在上述过程中使用的作品和数据库必须是合法取得的。2017年，德国修改《著作权法》将文本数据挖掘写入著作权例外条款，规定：在对大批量作品予以自动化分析的科学研究活动中，著作权法允许对作品文本进行复制、归类和整合等；著作权法也允许将上述作品材料向参与科研项目的合作研究员开放，以及向对该科研活动具有监管权的第三方开放。上述科学研究者只能追求非商业目的。如果文本数据挖掘的科学研究全部完成，所使用的作品数据库必须予以删除。
（3）美国著作权法中的合理使用，采取以“四要素”为核心的概括式开放立法，不存在合理使用列举主义的立法传统，其文本数据挖掘例外是以判例法形式确立的。在先判例即是2015年的“美国作家协会诉谷歌案”（Authors Guild v. Google）。2004年，谷歌公司发起“谷歌图书”（Google Book）项目，对部分大学图书馆和公立机构图书馆所藏的2000多万本书籍进行数字化扫描，进而向用户提供多种服务，其中的一项是名为“ngrams”的文本数据挖掘服务。谷歌可以根据用户的需求，从谷歌收录的作品中检索某一用词或语句在不同时期的使用频次，在不同作品题材中的使用频率，进而分析作品写作风格的变迁。2005年，美国作者协会将谷歌公司诉至法院，称“谷歌图书”所提供的服务侵犯作品的著作权。2015年，美国联邦第二巡回法院判决谷歌公司的“谷歌图书”所提供的文本数据挖局服务构成对作品的合理使用。法院认为，在文本数据挖掘服务中，谷歌对作品的复制以及部分作品内容的展示，目的是为了给用户提供一个科学研究工具，这有益于社会公众利益；此外，谷歌没有在提供服务的网页上直接投放广告。因此，谷歌为了提供文本数据挖掘分析服务而对作品的复制和展示具有“转换性”（transformative），构成合理使用。
综上所述，文本数据挖掘的著作权例外在欧美国家已经有了较为成熟的法律实践。总体而言，规定文本数据挖掘著作权例外的国家基本上是欧美发达国家，并且普遍具有以下两个特征：（1）现有立法例基本上都将文本数据挖掘例外限于科学研究领域；（2）受文本挖掘例外规定免责的文本分析研究活动，应当以非商业为目的。其中日本较为特殊，其立法没有在字面上将文本数据挖掘例外明确地限定为非商业目的的作品使用，也没有使用具有非商业暗示意义的“科学研究”一词，属于较为宽泛的立法，有观点认为该著作权例外可解释为涵盖商业性的计算机文本信息分析。关于文本数据挖掘著作权例外立法实践的一个重大发展，是欧盟议会2019年3月通过的《数字单一市场版权指令》(the Directive on Copyright in the Digital Single Market，以下简称《版权指令》)。该指令第3条规定了强制性的适用于研究机构的文本数据挖掘例外，这就意味文本数据挖掘的著作权例外规定将要从英、法、德等国扩展至其他的欧盟国家，因为欧盟各成员国有义务在法定期间内将欧盟新版权指令的实质性内容转化为国内法。经过多个国家的法律实践（体素）以及学术研究的理论认同（心素），可以认为，在非商业性的科学研究活动中，文本数据挖掘在国际层面已逐渐成为一项法定的著作权例外。
在此国际大背景下，文本数据挖掘的例外规定在我国著作权法中却付之阙如。从名义层面来看，我国现行《著作权法》第22条所列举的12种有名的合理使用类型中没有提及文本数据挖掘。从实质意义上来看，我国现行《著作权法》22条中规定的两种“以科学研究为目的的合理使用”情形，概与人工智能研究领域的文本数据挖掘最为密切，即第22条第1项“为个人学习、研究，使用他人已经发表的作品”，第22条第6项“为学校课堂教学或者科学研究，翻译或者少量复制已经发表的作品，供教学或者科研人员使用，但不得出版发行”。不过，这两种以科研为目的的合理使用都难以适用于人工智能的科学研究，原因有以下两点：其一，第22条第1项的合理使用强调个人研究，而人工智能因其技术的复杂性个人无法单独完成；个人研究语境中的作品复制是少量的，而人工智能“阅读”作品必然伴随着大批量的作品复制。其二，第22条第2项的合理使用主体，是经由国家设立的代表公共利益的教育科研机构，如经主管部门批准且由国家财政资助的高校、科研院所等，而大多人工智能技术开发会因其商业性目的和私企主体性质不能适用该条规定。
有鉴于此，我国著作权法理应借鉴美、日、欧盟的做法，将文本数据挖掘增设为合理使用情形，为人工智能的技术开发提供明确的法律指引。目前正值我国《著作权法》第三次修改之际，笔者建议在《<著作权法>修订草案送审稿》第43条第12项之后新增一项著作权限制与例外：“在科研活动中，为了使用计算机进行信息分析和知识挖掘，复制他人的作品，在技术开发过程中储存该作品，以及提供作品数据集给特定的第三人，如科研合作人、技术监督人等”。此处的科研活动与现行《著作权法》第22条第1、6项所规定的科研活动一样，应作非商业性解释。而商业领域中人工智能对作品的挖掘学习，现阶段不宜由立法作出细节规定，可暂且交由司法机关依据合理使用识别标准，即“三步检测法”和“四要素检测法”，视情况将某些人工智能学习类型归于《<著作权法>修订草案送审稿》第43条第13项的“其他情形”。对商业型人工智能作品利用的合理使用判断思路，详见下文。
（二）商业领域人工智能的作品利用：合理使用与否的分类讨论
相较于科研领域人工智能的作品利用著作权例外而言，商业领域人工智能的作品利用，是否构成合理使用存有争议。从欧盟的《版权指令》立法历程来看，立法者有意将著作权例外扩展至商业领域的人工智能技术应用。2016年9月，欧盟委员会提出《版权指令》草案，第3条规定了文本数据挖掘例外，适用主体是公共机构和科研组织，以非商业目的为潜在语境。2018年9月，欧盟议会对上述草案作出修改，对文本数据挖掘的合理使用，在保留第3条的同时，将适用主体扩展至暗含商业性开发意义的私人主体，该修订内容在2019年3月的最终版《版权指令》中被列为第4条。不过，相比于第3条科学研究型文本数据额挖掘例外的强制性规定，第4条是选择性规定，即允许各成员国就私人主体的文本数据挖掘例外予以保留；相比于第3条强调著作权人不可用合同条款来排除和限制科学研究型文本数据额挖掘例外，第4条却允许版权人事前明确拒绝作品用于非科研目的的文本数据分析。一方面是适用主体的扩展，一方面是法律效力的淡化，这充分体现出欧盟立法在积极作为和消极不作为之间的彷徨和无奈，其背后的原因是人工智能技术的复杂性，以及人工智能商业化语境中各方利益的交错和竞争。正是因为如此，笔者上文建议，我国拟新增的文本数据挖掘例外暂且限定在非商业的科学研究活动范围内，而商业性的人工智能作品利用可交由法院个案判断，视情况援引兜底条款认定其为合理使用的“其他情形”。
不同类型的人工智能，其利用作品的方式不尽相同，因此合理使用与否的评判自然也不相同。在美国的合理使用文献中，有一个名为“非表达性使用”（Non-expressive Use）的概念，该概念及其理论是对一系列被认定为合理使用的案件的概括总结，具体内容指“如果作品的复制行为没有将作品中受版权保护的独创性表达传播给社会大众，那么这种作品复制不应该构成侵权使用”；一般而言，作品的“非表达性使用”会被认定为作品使用具有转换性，构成合理使用。借鉴“非表达性使用”概念及其理论，哈佛大学学者索贝尔（Sobel）将机器的阅读学习分为“表达型机器学习”（Expressive Machine Learning）和“非表达型机器学习”（Non-expressive Machine Learning）两类，并将“表达型机器学习”界定为“用作品的表达性内容来训练机器算法，使其能够输出表达性内容”。本文赞同这两种分类，但是主张以机器所阅读学习的作品是否来源于单一作者为标准，将“表达型机器学习”进一步地细分为“普通的表达型机器学习”和“私人订制的表达型机器学习”。如此一来，下文将要讨论的机器学习有三种类型：
一是“非表达型机器学习”，其典型例子是用于人脸面部识别的人工智能。例如一个名为“LFW”（Labeled Faces in the Wild）的人工智能系统，其从雅虎网站2002-2003年之间新闻报道中出现的大约50万张新闻图片中提取了44773张人脸图片，并用这些人脸数据训练其人脸识别算法。毋庸置疑，这些新闻报道中的绝大部分新闻图片是享有著作权的，因此技术开发人员利用新闻图片来开发人脸识别人工智能系统时需要面对著作权问题，不过该类型人工智能的作品利用通常构成合理使用。人工智能为了搜集人脸数据，对具有著作权的新闻图片进行了大批量复制，然而其作品复制的目的不是为了使用作品中的表达性要素：人脸识别人工智能从版权图片中提取的内容仅仅是显示人类五官的脸部特征，这些被提取利用的人脸特征在版权照片中属于不具有创造性表达空间的内容，更多的是事实信息而不是受著作权保护的表达。在一起被告复制软件程序代码以进行反向工程的案例中，美国第九巡回法院认为“被告在反向工程中的代码复制属于‘中介性复制’（Intermediate Copying），其目的是为了从受版权保护的软件代码中分析和提取出实用的设计思想和功能性特征，而这些内容并不受版权保护（非表达性内容）；虽然被告在软件反向工程中对原告的软件代码进行了逐字逐句的复制，但不是为了利用软件中受版权保护的表达性内容，该种复制属于合理使用”。同样地，人工智能对新闻图片的大批量复制，也属于“中介性复制”，其复制目的不是为了利用图片中受版权保护的表达性内容，具有转换性；而且人脸识别人工智能在输出端没有生成创造性的表达内容，不会与新闻图片争夺市场。综上所述，与人脸识别类似的非表达型人工智能对作品的利用，一般会被认定为构成合理使用。
二是“普通的表达型机器学习”，指用于算法训练的作品来自数量众多的作者。2015年，谷歌公司在其邮箱产品“Inbox”上推出了一款名为“智能回复”（Smart Reply）的新功能，这项能功可以根据邮箱收件内容自动地生成相应的若干项回复内容供用户选择，其实质上是以机器学习为技术基础的人工智能服务产品。经过算法系统对上亿条过往邮件的统计归类和分析建模之后，谷歌“智能回复”系统可以依据收件内容写出句子结构完整的回复内容，但是这些回复内容大多句式单一且语气生硬。对此，谷歌采用11000余本爱情小说来训练“智能回复”算法，以期该服务产品能够写出语句活泼、风格多变，甚至幽默诙谐的语句。事实上，这些用于算法训练的作品大多都在著作权保护期内，但没有得到著作权人的授权。美国作者协会（Authors Guild）称谷歌“以表达为目的，公然地商业性使用版权作品”，是对版权法“无耻的侵犯”；而谷歌则认为，自己使用作品训练算法，开发人工智能服务产品，构成合理使用。有观点认为谷歌大批量复制作品，是为了从中获取并利用作者们丰富且多变的文字表达，这些文字表达是著作权保护的客体，因而谷歌对作品的复制和使用不具有转换性；而且谷歌“智能回复”人工智能在输出端生成可与被使用作品具有市场竞争关系的创造性表达，可能会减损被使用作品的市场价值，因此不构成合理使用。笔者对该观点持保留意见，事实上，谷歌从大批量复制的作品集中提取利用的事物是所有作品文本中高频率出现的语言模板，是不同作者之间（或作者共同体内部）通用的表达模型，这显然不属于受版权保护的个性化表达，而是出于公共领域的大众化表达。因此谷歌批量复制作品不是为了利用作品中受版权保护的表达性内容，而属于转换性使用，构成合理使用的可能性较大。
三是“私人订制的表达型机器学习”，指用于算法训练的作品全部来自于某个作者。如2014年微软公司开发一款名为“下一个伦勃朗”（The Next Rembrandt）的人工智能系统，技术人员将画家伦勃朗的346副画作数字化为150GB的图像数据用以训练其人工智能系统，之后该系统“独立地创作出了具有新颖性、创造性，模仿伦勃朗画作但是又与其不同的绘画作品”。再如巴黎索尼计算机科学实验室用音乐家巴赫（Bach）的352首歌曲来训练其人工智能系统，之后该系统“创作”出2503个作品，有超过一半的听众以为这就是巴赫本人的作品。伦勃朗（1606-1669）去世已有300多年，巴赫（1685-1790）作古亦有200余年，他们的作品如果有著作权也早已到期进入公共领域了，因此人工智能对巴赫和伦勃朗作品的利用不会有著作权争议；不过，如果该种人工智能技术利用在世艺术家的作品，势必会引起著作权问题。相比于上述普通的表达型机器学习，私人订制的表达型机器学习，成立合理使用的空间非常狭窄。著作权所保护的创造性表达不仅仅是字面符号，而且包括（甚或主要是）非字面意义上的表达技巧和表现风格，后者就是澳大利亚学者德霍斯（Drahos）所谓的“抽象物”，其构成不同作品之间同一性判断的基础。此外，从“作者权”传统理论来看，作品财产权源于作者人格的延伸，作品的独创性在于作者的个性化表达。私人订制的表达型机器学习旨在模仿和重现某一作家的作品，并以无限接近该作家的创作风格为技术目标，因此这种人工智能从作品中提取的信息实质上是作品中非字面意义的创造性表达，是某一作家一贯的个性化表达，并且这些受著作权保护的表达要素还会出现在该人工智能的生成内容中。可以认为，“私人订制的表达型机器学习”对作品的利用，是典型的作品表达性使用：首先，其提取作品中受版权保护的表达要素为后续的作品创作作准备，不具有转换性的作品使用目的，而且其使用部分是被使用作品的核心内容；其次，其生成内容含有被使用作品的创造性表达而且与被使用作品同类，因此势必与被使用作品产生的市场替代关系，减损被使用作品的市场价值。综上分析，“私人订制的表达型机器学习”对作品的利用，构成合理使用的概率非常小。

细 目
导 言 1
第一章 合理使用制度的历史学探索 6
一、从出版特许权到著作权：合理使用制度产生的一般前提 6
二、两种价值取向：近代著作权立法思想溯源 9
三、平衡精神：合理使用制度的立法动因 12
四、从判例法到成文法：合理使用制度创建的历史线索 16
五、中国著作权制度和观念：历史回顾与思考 20
第二章 合理使用制度的法哲学考察 28
一、“理性的公平正义原则”：合理使用制度的法律价值 28
二、平等性：主体地位界定中的法律正义 32
三、公平性：精神财富分享中的法律正义 36
四、公益性：价值目标追求中的法律正义 39
五、合理性：制度创设活动中的法律正义 44
第三章 合理使用制度的经济学分析 48
一、法律制度与法律经济学 48
二、法律经济学与合理使用制度 50
三、信息―――公共产品：合理使用产生前提之分析 53
四、合理使用构建理由之分析 56
五、合理使用规则之分析 60
第四章 合理使用制度的宪法学评析 69
一、“一枚硬币的正反面”：著作权与言论自由权 69
二、合理使用：新闻自由与资讯自由的法律途径 74
三、新闻作品的有限保护与合理使用的阻滞 79
四、“价值冲突”：法益优先保护的选择 83
第五章 合理使用制度的民法学思考 90
一、合理使用的对象：作品抑或权利 90
二、权利动态考察：私法上合理使用的一般情形 94
三、从抽象支配到具体利用：著作财产权的实现途径 99
四、三种学说：关于合理使用性质的探讨 104
五、使用作品利益的法权形式：使用者权 110
一、科学定义的寻求：什么是合理使用 116
二、合理使用与许可使用：制度比较研究（一） 120
三、合理使用与法定许可使用：制度比较研究（二） 124
四、合理使用与强制许可使用：制度比较研究（三） 127
五、合理使用与侵权使用：制度比较研究（四） 130
第七章 著作权、邻接权中的合理使用 136
一、“合理复制”：复制权中的合理使用问题研究（一） 136
二、“适当引用”：复制权中的合理使用问题研究（二） 141
三、免费表演：表演权中的合理使用问题研究 145
四、“免费播放”：播放权中的合理使用问题研究 148
五、著作邻接权中的合理使用问题研究 151
第八章 合理使用制度的“合理性”判断标准 158
一、“合理性”判断：立法上的缺憾与司法中的窘境 158
二、使用作品的目的：“合理性”判断标准之一 163
三、被使用作品的性质：“合理性”判断标准之二 166
四、使用作品的程度：“合理性”判断标准之三 170
五、对被使用作品的影响：“合理性”判断标准之四 173
六、“合理性”判断的其他标准：真实因素还是虚假因素 176
第九章 电子著作权时代的合理使用 180
一、从“印刷出版之子”到现代传播技术的“副产品” 180
二、权利限制的限制：关于合理使用与著作权穷竭的反思 184
三、合理使用制度面临的挑战：复印版税与录制版税 188
四、现代传播技术对现代合理使用制度的呼唤 194
第十章 网络著作权时代的合理使用 200
一、问题的提出：网络传播权的产生 200
二、存废与复兴：网络环境下合理使用制度的演变 203
三、冲突与协调：法益优先和利益平衡 210
四、限制与反限制：合理使用与网络传播 212
五、解构和发展：网络条件下合理使用制度的探索 218
第十一章 人工智能时代的著作权合理使用 225
一、人工智能技术对著作权合理使用制度提出的新问题 225
二、机器“阅读”作品：侵权使用抑或合理使用? 231
三、机器“创作”作品：生成物的赋权与权利限制 241
四、合理使用的时代变革：法律实施机制与计算法学的相融 248
第十二章 诸国合理使用制度比较研究 255
一、国外合理使用制度立法例概观 255
二、中国区域合理使用制度立法例通说 284
三、中外合理使用制度立法例分析 304
第十三章 著作权法修改草案中的合理使用制度 312
一、著作权法第三次修改的时代背景：国际化潮流与本土化要求 312
二、合理使用立法的技术路径：概括主义加列举主义 315
三、合理使用修法方向：引入“判断要件”与重构“适用范畴” 317
四、合理使用修改建议稿 320
主要参考文献 324