合理使用
美国版权法第107条规定的法律原则，允许在特定条件下使用受版权保护的作品而无需授权，是AI公司在版权诉讼中的主要抗辩依据
核心事实
时间轴 (近 90 天)
合理使用（Fair Use）是美国版权法中的一项积极抗辩（affirmative defense）。
合理使用的边界始终是模糊的，法院在个案中通过四因素分析来划定边界。
合理使用不是对版权的否定，而是一种校准机制。
开源软件项目常依赖对现有代码的阅读、学习和借鉴，合理使用为这种实践提供了法律缓冲。
如果合理使用被大幅压缩，小型开发者和研究者将首当其冲，因为无力承担大规模授权费用，而大公司可通过独家协议锁定内容资源，加剧市场集中。
合理使用保护的是“使用”而非“替代”，如果AI输出直接替代了原作品的市场，那就超出了合理使用的范畴。
合理使用制度允许评论、批评、新闻报道、教学、学术研究等转换性使用存在。
如果没有合理使用原则，搜索引擎、维基百科、代码托管平台乃至AI训练都可能面临法律上的不确定性。
市场替代（market substitution）是合理使用第四要素的核心判断标准：如果被指控的使用行为对原作品的潜在市场或价值产生实质性负面影响，则不利于合理使用抗辩。
部分权利人团体坚持认为，大规模复制本身已超出合理边界，且对许可市场造成侵蚀。
还有 29 条时间轴事件
全部知识事实 (20)
AI 版权诉讼的核心争议在于 AI 模型训练阶段对版权作品的大规模摄取是否构成「合理使用」，支持者援引 Google Books 案先例，反对者指出 AI 模型有时能近乎逐字再现训练数据
80%已验证合理使用（fair use）是美国版权法中允许在未经版权持有人许可的情况下，出于评论、新闻报道、教学、研究等目的对受版权保护作品进行有限使用的原则
80%已验证美国《版权法》第107条确立的合理使用原则确立于1976年，法院评估须权衡使用目的与性质、版权作品性质、使用量、市场影响四项因素
80%已验证法庭评估合理使用需考量使用目的与性质、版权作品性质、使用部分占原作比例、对原作市场的影响四个因素
80%已验证AI公司主张模型训练属于'转换性使用'，但版权方反驳称训练过程涉及完整复制原作品，且生成式AI正在直接竞争和替代原作品市场
80%已验证美国版权法的合理使用分析需综合考量四个因素，其中使用的转化性和对原作市场的影响是争议焦点
70%已验证目前学界对AI模型训练是否构成'合理使用'仍存在较大争议
65%已验证美国版权法第107条允许在评论、教育、研究等场景下未经授权使用受版权保护的作品（合理使用原则），但商业性AI训练是否属于变革性使用仍存在争议
65%已验证美国版权法第107条确立的合理使用（Fair Use）原则是AI公司最主要的抗辩依据，其核心论点是模型训练属于转换性使用
65%已验证合理使用是美国版权法第107条确立的例外原则，判断标准涵盖使用目的、作品性质、使用比例及对市场的影响四个维度
65%已验证如果法院裁定AI训练构成版权侵权，搜索引擎的网页索引与缓存、文本挖掘、学术研究中的大规模数据分析等合法活动都可能受到牵连
65%待验证在合理使用四要素的整体权衡中，'转换性'与'市场影响'在实践中权重最高。
70%待验证OpenAI坚持认为其模型训练属于合理使用（Fair Use）范畴
60%待验证合理使用原则最早可追溯至1841年联邦法官约瑟夫·斯托里在Folsom v. Marsh案中确立的判例法规则，后于1976年被编入美国版权法第107条
60%待验证合理使用保护的是“使用”而非“替代”，如果AI输出直接替代了原作品的市场，那就超出了合理使用的范畴。
50%待验证市场替代（market substitution）是合理使用第四要素的核心判断标准：如果被指控的使用行为对原作品的潜在市场或价值产生实质性负面影响，则不利于合理使用抗辩。
50%待验证合理使用（Fair Use）是美国版权法中的一项积极抗辩（affirmative defense）。
50%待验证如果没有合理使用原则，搜索引擎、维基百科、代码托管平台乃至AI训练都可能面临法律上的不确定性。
50%待验证合理使用制度允许评论、批评、新闻报道、教学、学术研究等转换性使用存在。
50%待验证开源软件项目常依赖对现有代码的阅读、学习和借鉴，合理使用为这种实践提供了法律缓冲。
50%