Legal aspects of using the artificial intelligence in commercial activities: ethical side, copyright, judicial practice
Notice bibliographique
Résumé
This paper examines the legal aspects of using artificial intelligence (AI) in commercial activities, with a focus on copyright protection, and current judicial practice. The research analyzes the features of the legal status of AI-generated objects and reviews the legislation of Ukraine and other countries in this field. The study pays particular attention to three approaches to determining authorship of works created by artificial intelligence and the application of sui generis rights to non-original objects. The paper highlights that most countries' legislation, including Ukraine's, recognizes only natural persons as authors, excluding AI as a subject of copyright. While objects created with AI as an auxiliary tool may have authorship attributed to the user, objects generated by AI without human participation can be protected under special sui generis rights, which regulate property rights but do not grant moral rights. Through analysis of case law from the United States, Japan, China, the United Kingdom, Germany, and Canada, the paper demonstrates the global trend toward maintaining the requirement of "human authorship" as a key principle in intellectual property legislation. Courts consistently rule that only natural persons can be authors or inventors, and works or inventions created exclusively by artificial intelligence do not qualify for copyright or patent protection. The authors conclude that developing comprehensive legislation in the field of artificial intelligence is crucial for Ukraine to ensure effective protection of individual and legal entities' rights. Particular attention should be paid to issues of copyright protection and regulation of property relations arising from AI-generated content. It is also important to integrate international experience and develop national approaches to regulation, considering national specificities, to create a legal system that harmonizes the balance between technological development, ethical standards, and citizens' rights.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,041 |
| Communication savante | 0,018 | 0,011 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».