
AI画像生成の法的リスク(前編):著作権法の基本を学ぼう

こんにちは、皆さん!株式会社調和技研でAI画像グループにてお客様のAIの開発・導入支援を担当しております鈴木卓麻です。
今回は、画像生成AI(プロンプトを入力して画像を出力するAIのこと)をビジネスに使いたいが不安があるという方に向けて、著作権やリスクについてご紹介します。長くなりますので、前編は著作権法について、後編は生成AIの法的リスクについて、分けて解説していきます。
なお、私自身は法律の専門家ではありませんが、サービスを提供する側として、権利関係やリスクを理解しておく必要があるという立場から記事を書いています。ご自身が利用する際の最終的な判断や法的根拠を求める場合は、弁護士や社内の法務部にご確認ください。また今回の記事は、日本の著作権法に基づきますので日本国内での利用を想定しています。
※この記事の内容は、文化庁の著作権課が実施した令和5年度の著作権セミナー「AIと著作権」[1][2]の情報を元にまとめています。
画像生成AI技術のビジネス利用における”危険性”
2023年9月13日、Adobe社が提供する画像生成AIサービス「Firefly[3]」が商用利用可能となりました。大手がこのように商用利用可能と明言して発表したことは画期的だと思います。
これまでプログラミングができる一部の人たちが利用してきた画像生成AIですが、使いやすいインターフェースを備え、ログインするだけで利用できるようになったFireflyのサービスが提供されたことで、画像生成AIの一般化が加速すると考えられます。既に、インターネット広告の一部には画像生成AIで作られた画像が使われ始めており、身近なものとなってきています。
このように普及が進む画像生成AIですが、AIによって生成された画像に関係する「著作権」や「リスク」について十分な理解せずに利用すると、炎上などによるレピュテーションリスク(企業イメージを損なうこと)や権利侵害による損害賠償請求・差止請求に伴うサービス停止などを招く恐れがあるため注意が必要です。
そこで前編では、その前提となる「著作権」について理解を深めていきましょう。
著作権侵害とは何か
簡単に言うと、著作権者から許可を得ないとできない行為をして、閲覧、私的使用のための複製等「権利制限規定」にも該当しない場合、その利用は著作権侵害となります。
具体的な例として、SNSなどで他人の写真や画像(イラスト)を無断で「拾い物」と称して自分のアイコンに使用するような行為が該当します。
著作権侵害について、以下の観点でより詳細に見ていきたいと思います。
- 著作権法の目的
- 著作物とは
- 著作権者とは
- 類似性・依拠性とは
著作権法の目的
著作権法の目的は、著作物の「公正な利用」を考慮しつつ、「著作者等の権利の保護」を目指し、新たな創作活動を促進し、「文化の発展に寄与すること」ことです。
- 「著作者等の権利・利益を保護すること」
- 「著作物を円滑に利用できること」
これら二つのバランスを取ることが重要とされています。
著作権法は「著作物」を保護します。では「著作物」とは何でしょうか?
著作物とは
「思想または感情を創作的に表現したものであって、文芸、芸術、美術または音楽の範囲に属するもの」と著作権法第2条第1項第1号に定義されています。
著作物と認められるものは、著作権者が独占的に利用でき、その権利は創作から原則死後70年まで有効です。
しかし、一つの作品内でも、著作物と認められる部分と、そうでない部分が存在します。
文化庁資料より一部引用文化庁の資料によると「著作物ではないもの」は「単なる事実・ありふれた表現」と「表現ではないアイディア(作風・画風など)」が該当します。
「アイディア」を保護対象とすると、後発の新たな創作・表現活動が妨げられる可能性があるため、「アイディア」は著作物に該当せず、著作権法では保護されません。
このことから、著作権を保護しないことが、新たな文化の発展に寄与する可能性があると理解されています。
例えば、19世紀に印象派の画風が登場した際、新たな画風に触発された多くの画家が側索活動に取り組み、文化の発展が促進されました。もし、この画風が著作物として保護されていたら、印象派の画風がこれほどまでに発展することはなかっただろうと考えられます。
著作者とは
「著作者」とは、著作物を創作した者を指します。著作者は、著作物を創作した時点で自動的に「著作権」を取得し、「著作権者」となります。(法第17条第1項、第2項)
生成AIで作ったコンテンツの著作者は誰か、そもそも著作物になるかについては、後編のAIが生成した画像が著作物になる条件で解説します。
著作者の権利
著作者の権利には、複製、上演、演奏、上映など著作物の利用の形態ごとに権利(支分権[しぶんけん])が設定されています。しかし、「閲覧」や「記憶」などの一部の行為は、著作権者の許諾を得ることなく使用できます。第三者が著作物を利用する場合、その利用行為に対して著作者の持つ権利が働きます。したがって、「どのように利用をすると、どのような権利が働くか」を理解することで、著作権を侵害せずに著作物を利用することが可能となります。
文化庁資料より一部引用
例えば、書籍を出版する場合は、それぞれの利用行為に対して次のような権利が働きます。
- 印刷・製本する →「複製権」
- 書店で販売する →「譲渡権」
- ネット上にアップロード → 「公衆送信権」
そのため、それぞれの利用行為ごとに、「利用許諾が必要か?」「権利制限規定内の利用か?」と検討する必要があります。
文化庁資料より一部引用
創作物が著作権侵害と判断される基準
創作物が著作権侵害に該当するかどうかは、下記の4つの要素(要件)で判断されます。
- 元ネタ(似ている)と思われるものが著作物であるかどうか
- 著作物が保護されている期間かどうか
- 許諾が要るかどうか(類似例と依拠性)
- 権利制限規定に該当するかどうか
この中で3の判断が難しいため、次に判断基準の詳細と事例を記載します。
著作権侵害の要件:類似性[るいじせい]と依拠性[いきょせい]について
3の許諾が要る行為にあたるかどうか(パクり→複製権や翻案権を侵害していないかどうか)を判断する要件として裁判例により下記の2つが挙げられています。
- 「後発の作品が既存の著作物と同一、または類似していること」 、これを類似性といいます。
- 「既存の著作物に依拠して複製等がされたこと」、これを依拠性といいます。
これら両方が満たされ、かつ1,2,4の判断基準を満たしている場合に「著作権侵害に該当する」となります。
類似性についての例
「類似性」とは既存の著作物との共通部分が「表現上の本質的な部分や特徴」か、「アイディア」か、「単なる事実」かが重要です。
具体的な例として、平成12年(ネ)第4735号損害賠償等請求控訴事件[4]の「ケロケロけろっぴ事件」を取り上げます。
右図の作者が、自分の作品をサンリオ社(左図)が盗作したのではないかと訴えた事件です。カエルの表現として、デフォルメして目を大きく描くなどの手法は一般的であることから、類似性が否定されたものです。
依拠性についての例
「依拠」とは、「既存の著作物に接して、それを自己の作品の中に用いること」を指します。
具体的な事例として、東京オリンピックの公式エンブレム[5]のケースが最近では有名です。詳細については文末にリンクを載せていますので、興味のある方はご覧ください。
著作権を正しく理解してAIを活用しましょう
以上をまとめると、著作権の基本を下記のように整理できます。
- 著作権とは、著作物を創作した時点で自動的に「著作権」を取得し、「著作権者」となる
- 著作権侵害とは、著作権者から許可を得ないとできない行為をして、例外規定(権利制限規定といいます)にも該当しない場合の利用
- 創作物が著作権侵害に該当するかどうかは、以下の4つが関わる
- 元ネタ(似ている)と思われるものが著作物であるかどうか
- 著作物が保護されている期間かどうか
- 許諾が要るかどうか(類似例と依拠性)
- 権利制限規定に該当するかどうか
これを踏まえて、後編ではAIと著作権について考えていきましょう。
画像生成AIは非常に便利なツールであり、ビジネスに取り入れることで多くのメリットが得られます。しかし、その利用にあたっては著作権侵害のリスクが伴います。そのリスクを避けるためには、AIの仕組みや関連する法令を理解し、適切な利用方法を身につけることが重要です。
私たち調和技研では様々なAIの開発・導入支援を行っていますが、著作権やリスクについての深い理解をもとに、お客様のビジネスに最適なAIの活用方法をご提案します。お困りのことなどありましたら、ぜひお気軽にご相談ください。
>> 調和技研の「DX/AIコンサルティングサービス」を見る
【参考文献】
[1]「令和5年度著作権セミナー『AIと著作権』」YouTube動画
[2]「令和5年度著作権セミナー『AIと著作権』」PDF資料
[4] 類似性の事例:裁判例結果詳細 | 裁判所 - Courts in Japan 、LEC出る順シリーズ事件 どこまでも行こう vs. 記念樹 事件 けろけろけろっぴ事件 The Wall Street Journal事件

画像系AIの開発に従事。2002年立命館大学理工学部卒。写真現像機の開発、プリントシール機の開発を経て2022年8月に調和技研に参加。二児の父。子育てのために京都からフルリモートワークが可能な会社を探していたら北海道の調和技研に出会う。最近はPTA活動と競技ドッジボールの審判が忙しい。
関連記事


手書き訂正などが書き込まれた書類の、LLMを使った読み取り実験
- ChatGPT
- 生成系AI
- 画像系AI

最適化AIの進化 :LLMを使用した献立修正
- 生成系AI
- ChatGPT
- 言語系AI
- 数値系AI

AI初心者がGPT-4oで挑戦!文化庁の表記ルール、守れる?【インターン体験記 パート②】
- 生成系AI
- 言語系AI
- ChatGPT

AI初心者がGPT-4oで挑戦!日本語の誤字脱字はどこまで直せる?【インターン体験記 パート①】
- 生成系AI
- 言語系AI
- ChatGPT

Titans - Googleが描く「長期記憶型AI」 :Titans: Learning to Memorize at Test Time を斜め読み
- ChatGPT
- 生成系AI
- 言語系AI

ChatGPTのAPI利用料金比較|最新モデルo3-proも検証
- ChatGPT
- 言語系AI
- 生成系AI

OpenAI o3 & o4-mini:推論性能が向上した AIモデルの特性
- ChatGPT
- 生成系AI
- 言語系AI

LLM:量子化とファインチューニング
- 生成系AI
- ChatGPT
- 言語系AI

AI導入を成功させる!データ準備の完全ガイド

【MoA】 ローカルモデルを組み合わせてgpt-4o-miniと同等の性能?「Mixture of Agents」を試してみる
- 生成系AI
- ChatGPT
- 言語系AI

「Gemini 2.0 Flash Thinking」の画像入力を試してみる
- 生成系AI
- ChatGPT
- 言語系AI

人間のフィードバックによる強化学習とデータセット構築
- 生成系AI
- ChatGPT
- 言語系AI

OpenAI Canvas - AIと共同作業を加速する新たな作業空間 -
- 生成系AI
- ChatGPT
- 言語系AI

AI Agent Vol.3【Agent の 学習と評価】
- ChatGPT
- 生成系AI
- 言語系AI

Google のLLM「Gemini 2.0 Flash Thinking」を試してみる
- 生成系AI
- ChatGPT
- 言語系AI

【GroqCloud】 爆速回答!?GroqCloudの実力とは

【まとめ】GPT-4.5 登場!史上最強のAIモデルがリサーチプレビューを公開
- ChatGPT
- インタビュー
- 生成系AI
- 言語系AI

AI Agent Vol.2【Agent の 4つの要素】
- ChatGPT
- 生成系AI
- 言語系AI

Google のLLM「Gemini 2.0 Flash」を試してみる
- 生成系AI
- ChatGPT
- 言語系AI

2024年 年末のAI関連発表について
- ChatGPT
- 生成系AI
- 言語系AI

OpenAIが公開したLLMの事実性を評価する指標「SimpleQA」でモデルを測定してみた
- 生成系AI
- 言語系AI
- ChatGPT

AI導入に必須!PoC(概念実証)を成功させる進め方とポイント

The AI Scientist:AIによる論文の自動生成|さまざまな研究テーマを提案させてみる
- 生成系AI
- ChatGPT
- 言語系AI

AI Agent Vol. 1【Single AgentとMulti Agent】
- ChatGPT
- 生成系AI
- 言語系AI

AI活用成功に導く「AI導入アセスメント」とは――数理最適化AI事例をもとにポイントを解説

Llama 3 の日本語継続事前学習モデル「Llama-3-ELYZA-JP-8B」を試してみる
- 生成系AI
- 言語系AI
- ChatGPT

「戻れない変化」を生み出し続ける。コンサルを通して見極める業界DX実現への道筋
- インタビュー
- 生成系AI
- ChatGPT

サステナビリティ領域で活躍するAI―SDGs×AI活用事例
- 数値系AI
- 画像系AI

MetaのオープンLLM「Llama3.2 3B-Instract」の精度を検証してみた|GPT4o-miniとの比較あり
- 生成系AI
- 言語系AI

OpenAIの軽量モデル「GPT-4o mini」を試してみる
- 生成系AI
- 言語系AI
- ChatGPT

Microsoft「GraphRAG」とLangchainの知識グラフを活用したRAGを比較
- ChatGPT
- 言語系AI
- 生成系AI

Langchain+Neo4j で「GraphRAG」を実装してみる
- ChatGPT
- 生成系AI
- 言語系AI

数理最適化ソルバー活用事例|組合せ最適化で社内交流会の班分けを自動化
- 数値系AI

GoogleのマルチモーダルLLM「Gemini.1.5 Flash」の精度を検証してみる
- ChatGPT
- 生成系AI
- 言語系AI

3次元点群データを用いた物体検出
- 画像系AI

GPT-4oを活用した画像検索システムの構築方法
- 画像系AI
- ChatGPT

Pythonコーディングを簡単に|LangChainで効率化【LLMことはじめ Vol.2】
- ChatGPT
- 言語系AI
- 生成系AI

Microsoft 365 Copilot:AIによる業務効率化の革新
- ChatGPT
- 生成系AI
- 言語系AI

Google のオープンLLM「Gemma」を試してみる|GPT-3.5 Turboとの比較あり
- ChatGPT
- 生成系AI
- 言語系AI

3次元点群データとAIを用いたオガ粉の体積計測
- 画像系AI

Llama 3 の日本語継続事前学習モデル「Llama 3 Youko 8B」を試してみる|他LLMとの比較あり
- ChatGPT
- 言語系AI
- 生成系AI

RAG(Retrieval Augmented Generation)を「Command R+」で試してみた|精度をGPT-4 Turboと比較
- ChatGPT
- 生成系AI
- 言語系AI

Wood Powder Volume Calculation using Point Cloud Data and AI
- 画像系AI

Dify(ディファイ)をGoogle Cloudにデプロイしてみた
- 生成系AI

“Azure OpenAI”で始めるPythonプログラミング【LLMことはじめ Vol.1】
- 生成系AI
- 言語系AI
- ChatGPT

Combating the Malicious Use of AI-Powered Image Editing: A Deep Technical Dive
- 生成系AI
- 画像系AI

最新版「GPT-4 Turbo」を試してみた|GPT-4oとの比較あり(5/14追記)
- ChatGPT

PrecisionとRecallを何度も調べ直さないために
- 言語系AI

Stable Diffusion+LoRAを使って異常画像データを生成できるか検証してみた
- 生成系AI
- 画像系AI

大規模言語モデルによるソースコード生成:GitHub CopilotからCopilot Xへの進化と未来
- 生成系AI
- 言語系AI

AI導入の前に知っておくべき基礎知識(後編)――効率的に自業務にAIを導入するための4ステップ
- 数値系AI
- 画像系AI
- 言語系AI

配達ルート最適化AIにより作業時間80%削減を実現。成功の鍵は“人とAIの調和”
- インタビュー
- 数値系AI

AI画像生成の法的リスク(後編):著作権侵害を回避するために
- 生成系AI
- 画像系AI

AIというツールを使い 「生命たらしめるもの」が何かを見つけたい【調和技研✖️AIの旗手 Vol.4】
- インタビュー

AI導入の前に知っておくべき基礎知識(前編)――AIのキホンと活用事例
- 数値系AI
- 画像系AI
- 言語系AI

AIアルゴリズムの構築には、 課題の本質を見極めることが重要 【調和技研✖️AIの旗手 Vol.3】
- インタビュー

CNNで浮世絵画風変換はできるのか――Ukiyolator開発ストーリー Vol.2
- 画像系AI
- 生成系AI

住宅写真という資産をAIで利活用し、工務店とお客様をつなぐ新たなビジネスを創造
- インタビュー
- 画像系AI
- ChatGPT

シフト最適化への応用が期待される強化学習を用いた組合せ最適化の解法
- 数値系AI

多彩なサービスと紐づく「交通」の課題解決で地域の活性化や住みやすさの向上を【調和技研×AIの旗手 Vol.2】
- インタビュー

AIプロダクトを開発する際に考えるべき品質保証のキホン
- 数値系AI
- 生成系AI
- 画像系AI
- 言語系AI

Microsoft GuidanceでのFunction Calling機能の使い方とその特徴
- ChatGPT
- 言語系AI

Segment Anything Model(SAM)を使いこなそう!パラメータ設定のポイントも徹底解説
- 画像系AI

Stable Diffusionを使って異常画像データを生成できるか検証してみた
- 画像系AI
- 生成系AI

基礎から解説!数値系異常検知の概要と代表的な手法
- 数値系AI

実践!ChatGPT×Slackの具体的な連携方法と日常業務での効果的な活用事例
- ChatGPT
- 言語系AI
- 生成系AI

最先端AI技術で浮世絵を現代に再現する――Ukiyolator開発ストーリー Vol.1
- 画像系AI
- 生成系AI

PaDiMとPatchCoreどちらを選ぶべき?異常検知モデルの選択肢を見極めるポイント
- 画像系AI

社内の暗黙知を可視化するナレッジネットワークでイノベーションが生まれやすい環境に
- インタビュー
- 言語系AI

人の幸せや社会の豊かさに、AIをいかに「調和」させるか【調和技研×AIの旗手 Vol.1】
- インタビュー