誰がAIに『学習させた』のか？

～ データセット倫理とライセンシング最前線 ～

武智倫太郎（情報工学者／AI倫理研究者）

　コピーの次は、『学習』が争点になる。

　いま世界で起きているのは、単なる著作権の話にとどまらない。
　それは資本主義の根幹である『誰が価値を生むデータを提供し、その対価を誰が受け取るのか』という、所有と報酬をめぐる新たな争いだ。

AIが『何を食べて大きくなったか』が問われる時代へ

　生成AIの性能を左右する最大の要素は、学習データの質と量である。
　しかし、その『食材リスト』ともいえる訓練データの中身は、これまで企業秘密としてブラックボックスにされてきた。

『開示せよ』 vs. 『それは企業努力だ』

　この綱引きは、ついに法廷と国会へと舞台を移し、2025年春、『透明性ルール』の胎動が始まった。

１．世界の規制アップデート（2025年4月時点）

EU：AI Act 採択と施行
　EU AI Actは2024年に採択され、同年8月1日に施行された。高リスクAIには『学習データの内容・出所・ライセンス状況の文書化』を義務づけ、生成AIにはモデルカード＋データ概要の開示が求められる。

米国：Generative AI Copyright Disclosure Act
　H.R.7913は2024年に提出されたが、2025年現在、法としては成立していない。ただし、著作物リストの事前提出義務や罰則案は議論が継続中である。

日本：文化庁『生成AIと著作権』ガイドライン
　文化庁は2024年にガイドラインを発表。学習データの開示努力義務、著作者が確認可能なリストの提示、簡易なオプトアウト窓口の整備などが盛り込まれている。

英国：データ保護法改正案
　英国では、テキスト・データマイニングの例外拡大案がアーティストの強い反発を受け、撤回された。

　規制の核心は、『透明性』と『選択権』である。開示せよ。そして、拒否の権利を尊重せよ。

２．判例が示す『学習無断利用』リスク

New York Times vs. OpenAI & Microsoft
　2025年3月、ニューヨーク連邦地裁は、無断学習および転載をめぐる請求について、主要部分の審理継続を決定。

Getty Images vs. Stability AI（英国）
　約1,200万枚の画像の無断使用を巡る訴訟では、AI側の棄却請求が一部却下され、2025年6月に本審理が予定されている。

　訴訟コストは億円単位にのぼる。『学習データを示せない』こと自体が、すでに敗北の地雷原になりつつある。

３．ライセンシングの新潮流

コレクティブ・ライセンスの台頭
　英国では、出版社PLSと著作者ALCSが『CLA Generative AI Licence』に合意。中小クリエイターでも一括許諾と報酬分配が可能となった。

オプトアウト＆データベースの整備
　Spawning.aiが提供する『haveibeentrained』では、クリエイターが作品を登録することでAI学習からのオプトアウトが可能に。robots.txtやHashリストによるクロール拒否も、徐々に標準化されてきている。

マーケットプレイス型の進化
　Adobe FireflyやShutterstockは『クリーンデータ保証』を掲げ、二次利用時の賠償リスクを企業側がカバーする保険付き契約を提供し始めている。

　個人が孤立して戦う時代は終わった。これからは、『集団交渉×技術プラットフォーム』で稼ぐ時代へ。

４．企業はどう『クリーンデータ』を作るか

フィルタリングの徹底
　出所不明のURL、非商用ライセンス（CC-BY-NC）、オプトアウト済みリストなどを除外。

データパーミットの導入
　EU AI Actに準拠し、用途限定ライセンスを契約書に明記。

アカウンタブルなMLパイプラインの整備
　取得 ⇒ 整形 ⇒ 学習 ⇒ 評価の各段階でログを残し、外部監査を受ける体制を構築。

ウォーターマーク逆引き監査の活用
　合成画像に埋め込まれたSynthID等の透かしをもとに、学習データの正当性を再確認する。

５．クリエイター側の実践ロードマップ

・公開直後にハッシュ化し、ブロックチェーンに記録（活用例：Arweave、IPFS）

・オプトアウト登録とrobots.txtの更新（活用例：haveibeentrained）

・コレクティブ・ライセンスに加盟し、収益窓口を確保（例：CLA GAI Licence、日本版はJSRが検討中）

・モニタリングツールで類似生成物を検出・通知（活用例：Nightshade、Google Image Match）

・AI企業に対して開示請求 → 交渉 → 不調なら訴訟（支援例：Creators’ Union Legal Fund）

鍵は『証拠化 ⇒ 拒否権の行使 ⇒ 集団交渉』の三段階を一貫して回すことだ。

６．『学習正当化』をめぐる論点整理

フェアユース vs. 私的複製の枠外
　出典を明示した場合、『代替市場の侵害』が認められやすくなる。

データベース権（EU）
　大規模スクレイピングは、『質的・量的に実質的全体の取得』とされ、権利侵害の判断対象となる。

人格権・同一性保持
　画像や楽曲モデルに関しては、『変形・翻案』と見なされるリスクがある。

競争法の観点
　巨大モデルによるデータの囲い込みは、寡占と見なされ独占禁止法の審査対象になりうる。

７．これからの『データ民主主義』に向けて

企業：『透明性コスト』を最初から事業計画に組み込め。データ起源を証明できないモデルは、保険も売上も成立しない。

クリエイター：『公開＝無償提供』ではない。ハッシュ化とオプトアウトで、交渉の武器を手に入れよ。

政策決定者：市場を育てる鍵は、『開示義務』と『簡便な許諾市場』の両立にある。『学習の自由』は、正当な対価と敬意があってこそ、『創造の自由』へと昇華する。

８．データは『公共財』か『私有財』か？

　AIは、情報を溶かして再構成する。
　だが、その原材料は、誰かの血肉であり、文化の堆積そのものである。
　私たちが問うべきは、『AIの成長を支えた膨大な学習コストを、社会全体でどう再分配するか？』であり、透明性の確保とライセンス設計は、その第一歩にすぎない。

次回・第五弾では、『人間らしい創作』がプレミアムとなる時代の『エモーショナル・エコノミー』の可能性を掘り下げる予定だ。どうぞお楽しみに。

付録：武智倫太郎のエモいシリーズ

武智倫太郎