AI の学習が原則合法とされる根拠は何条か

5 分で読む

この AI に社内の情報を入れてよいかでは、規約の言葉で製品を判断しました。その手前に、そもそも学習が法で許されているのかという問いがあります。

「日本では AI の学習は原則合法」という説明を、よく見かけます。

根拠として条文の番号まで挙げられることは少なく、条件が付いていることはもっと語られません。原文を読むと、条件は 2 つあります。

文化庁の審議会がまとめた整理を読みました。

原則と、2 つの条件

根拠として挙げられるのは、著作権法 30 条の 4 です。思想や感情を自ら享受すること、または他人に享受させることを目的としない利用について、許諾を得なくてよい場合を定めています。

情報解析のために使う場合は、条文がその典型例として挙げています。整理はこう書いています。同条第 2 号でこの典型的な例として示されている。

条件 ① 目的が重なると、使えない

追加学習は、できあがったモデルに少量のデータを追加で覚えさせることです。RAG（検索拡張生成）は、整理の言葉では、作品を含む対象データを生成 AI で検索し、その結果の要約などを行って回答を作る手法です。

ここが、短い説明でいちばん落ちる部分です。「学習だから合法」ではなく、「享受の目的が無い場合に限って」という条件が付いています。

実務に置き換えると、元のコードや文章の表現を、そのまま人に見せたり使わせたりする目的がこれにあたりえます。他社の技術書や他人のコードを RAG に入れて、元の文章をそのまま回答させる作りは、表の例 ② に近づきます（どちらも原文の言葉ではなく、当てはめです）。

条件 ② 量の多さは、それだけでは理由にならない

深層学習が大量のデータを要することを踏まえた整理です。つまり判断されるのは量ではなく目的です。

「何万件も学習させたから違法だろう」という心配と、「享受の目的が混じっていないか」という心配は、別のものとして扱う必要があります。

学習の後 — 出力が既存の作品に似たとき

ここまでは学習の話です。整理は、生成 AI と著作物の関係を 2 つの段階に分けています。

類似性は、生成物が既存の作品と表現の上で似ていること。依拠性は、既存の作品をもとにして作られたことです。「推認される」とは、ほかの事実から推し量って、そうだったと認められることです。学習データの 1 つの文書にしか無い文章でも出力に出たという実験の報告（AI に入力した内容が、なぜ原文のまま出うるのか）と合わせると、「その作品を知らなかった」だけでは安心できません。「学習は合法」と「出力を使って問題ない」は、別の段階の話です。

この文書の位置づけ

行政の整理であって、裁判所の判断ではありません。文書自身がそう書いています。

社内で説明するとき、この 3 行を添えるかどうかで受け取られ方が変わります。「国が合法と言っている」と伝えると、後で整理が変わったときに説明が立たなくなります。

社内でどう説明するか

聞き方はこうなります。社内の法務や委託先に対して聞く形です。

「この使い方は、元の作品の表現をそのまま人に見せる目的が、同時に入っていませんか。学習に使ったものを、そのまま人に見せる用途にも使う予定はありますか。」

ここから先は調査の詳細です（約 2 分）。上のカードだけで決められます。調べた 1 件ずつの記録は IT連携マップ に、出典 URL と調査日つきで公開しています。