Andersen v. Stability AI Ltd.

Case Metadata

Basic Information

1. Case Name: Andersen v. Stability AI Ltd., et al., No. 3:23-cv-00201-WHO (N.D. Cal. 2023)
2. Court: United States District Court for the Northern District of California, San Francisco Division
3. Filing Date: January 13, 2023
4. Judgment Date: Pending (Trial scheduled for September 29, 2026)
5. Case Number: 3:23-cv-00201-WHO
6. Current Status: Ongoing litigation; partial dismissal of claims with leave to amend; discovery phase in progress

Parties

7. Plaintiff(s):
– Sarah Andersen (Individual artist and comic book creator, known for “Sarah’s Scribbles”)
– Kelly McKernan (Individual artist specializing in surreal and fantasy artwork)
– Karla Ortiz (Individual concept artist working in film and entertainment industry)
– Matthew Butterick (Class representative, on behalf of all similarly situated artists)

8. Defendant(s):
– Stability AI Ltd. (UK-based AI company, developer of Stable Diffusion image generation model)
– Stability AI, Inc. (US subsidiary of Stability AI Ltd.)
– Midjourney, Inc. (San Francisco-based AI company, developer of Midjourney image generation service)
– DeviantArt, Inc. (Online art community platform, operator of DreamUp AI art generator)

9. Key Law Firms:
– For Plaintiffs: Joseph Saveri Law Firm LLP; Lockridge Grindal Nauen P.L.L.P.; Matthew Butterick Law
– For Defendants: Latham & Watkins LLP (Stability AI); Cooley LLP (Midjourney); Fenwick & West LLP (DeviantArt)

10. Expert Witnesses:
– Technical AI experts on training data usage (names sealed pending discovery)
– Art valuation and market impact experts
– Computer vision and machine learning specialists

Legal Framework

11. Case Type: Copyright infringement in AI training data; unfair competition; DMCA violations; right of publicity violations
12. Primary Legal Claims:
– Direct copyright infringement under 17 U.S.C. § 501
– Vicarious copyright infringement
– DMCA violations under 17 U.S.C. § 1202
– Common law unfair competition
13. Secondary Claims:
– Violation of right of publicity under California law
– Breach of contract (DeviantArt Terms of Service)
– Unjust enrichment
– California Unfair Competition Law violations
14. Monetary Relief: Statutory damages up to $150,000 per work for willful infringement; actual damages and profits; injunctive relief sought

Technical Elements

15. AI/Technology Involved:
– Stable Diffusion (text-to-image diffusion model)
– Midjourney (proprietary image generation AI)
– DreamUp (DeviantArt’s AI art generator)
– LAION-5B dataset (training dataset containing 5.85 billion image-text pairs)
16. Industry Sectors: Creative arts, entertainment, technology, social media platforms
17. Data Types: Copyrighted artistic works, metadata, artist names and styles, training datasets

Database Navigation

18. Keywords/Tags: AI art generation, copyright infringement, training data, Stable Diffusion, generative AI, artist rights, fair use, derivative works, class action, DMCA
19. Related Cases:
– Getty Images v. Stability AI Ltd., No. 1:23-cv-00135 (D. Del. 2023)
– Doe v. GitHub, Inc., No. 4:22-cv-06823 (N.D. Cal. 2022)
– Authors Guild v. OpenAI, Inc., No. 1:23-cv-08292 (S.D.N.Y. 2023)

詳細分析 (Detailed Analysis)

事件の概要 (Case Overview)

背景と争点 (Background and Issues)

事実関係: 本訴訟は、2023年1月13日、3名のビジュアルアーティストが、自身の著作権を有する作品が無断でAI画像生成モデルの訓練に使用されたとして、複数のAI企業を相手取って提起した集団訴訟である。原告らは、被告企業らが数十億枚の画像をインターネットから収集し、その中に原告らの作品が含まれていたにもかかわらず、許諾を得ることなく、また対価を支払うことなく、これらの作品を使用してAIモデルを訓練したと主張している。

中心的争点:
– AI訓練データとしての著作物使用が著作権侵害を構成するか
– AI生成画像が訓練データの派生著作物に該当するか
– アーティストの名前やスタイルを使用したプロンプトによる生成が人格権侵害となるか
– フェアユースの抗弁が成立するか
– 技術的な圧縮と潜在空間表現が複製を構成するか

原告の主張: 原告らは、被告らのAIシステムが「21世紀のコラージュツール」として機能し、訓練データから派生した画像を生成することで、原告らの著作権を侵害していると主張。特に、Stable Diffusionが原告らの作品を含むLAION-5Bデータセットを使用して訓練され、ユーザーが特定のアーティストの名前をプロンプトに含めることで、そのアーティストのスタイルを模倣した画像を生成できることを問題視している。さらに、生成された画像から著作権管理情報（CMI）が削除されていることがDMCA違反に当たると主張。

被告の主張: 被告らは、AI訓練が変形的使用（transformative use）としてフェアユースの保護を受けると主張。訓練プロセスは統計的なパターンの学習であり、個別の著作物の複製や保存ではないと反論。また、生成される画像は新規の創作物であり、訓練データの派生物ではないと主張。技術的観点から、拡散モデルは画像を「保存」するのではなく、数学的な潜在空間における統計的関係を学習するものであると説明。

AI/技術要素:
– Stable Diffusion: 潜在拡散モデル（Latent Diffusion Model）を使用した画像生成AI。テキストプロンプトを条件として、ノイズから段階的に画像を生成
– 訓練プロセス: LAION-5Bデータセット（58.5億枚の画像-テキストペア）を使用。CLIPモデルによるテキスト-画像の埋め込み学習
– 生成メカニズム: U-Netアーキテクチャとクロスアテンション機構を使用した条件付き生成
– データ圧縮: 原告は、Stable Diffusionが訓練データを極度に圧縮した形で「保存」していると主張（議論の的となっている技術的解釈）

手続きの経過 (Procedural History)

重要な手続き上の決定:
– 2023年10月30日: 裁判所が被告の棄却申立てを一部認容、一部却下。直接著作権侵害の主張については、より具体的な侵害行為の特定が必要として修正の機会を付与
– 2023年11月29日: 原告が修正訴状を提出、具体的な侵害作品と生成画像の例を追加
– 2024年2月: 裁判所がクラス認定に関する審理を開始
– 2024年8月: 被告DeviantArtに対する契約違反の主張を維持する決定

証拠開示:
– 訓練データセットの詳細な内容と収集方法に関する技術文書の開示を巡る争い
– モデルの重みパラメータと訓練ログの開示要求
– 原告作品の訓練データへの包含を証明するための技術的分析
– 被告企業の収益モデルと商業的利用に関する内部文書

専門家証言:
– 機械学習の専門家による拡散モデルの技術的説明と「複製」の有無に関する証言
– 著作権法専門家によるフェアユースと派生著作物の法的分析
– アート市場の専門家による経済的影響の評価
– データサイエンティストによるLAIONデータセットの分析

判決の概要 (Judgment Summary)

裁判所の判断 (Court’s Decision)

主要な判決内容: 本件は現在も係属中であるが、これまでの中間判断において重要な法的判断が示されている：

– 著作権侵害の主張について: 裁判所は、AIモデルの訓練における著作物使用が侵害を構成する可能性を認めつつ、原告に対してより具体的な侵害の立証を求めた
– DMCA違反について: 著作権管理情報の削除に関する主張を維持、さらなる事実審理が必要と判断
– 不正競争について: カリフォルニア州法に基づく不正競争の主張を一部認容
– 契約違反について: DeviantArtのサービス利用規約違反の主張を審理継続と決定

勝敗の結果: 現時点では最終判決に至っていない。2026年9月の陪審裁判で最終的な判断が下される予定。

命令された救済措置: 現段階では仮処分等の暫定的救済措置は発令されていない。原告は以下を求めている：
– AIモデルの使用差止
– 法定損害賠償または実損害賠償
– 不当利得の返還
– 将来的なライセンス体制の構築

重要な法的判断:
– AI訓練データとしての使用がフェアユースに該当するかは事実問題として陪審の判断に委ねる
– 技術的な「複製」の概念をAIの文脈でどう解釈するかが重要な争点
– アーティストの「スタイル」が著作権保護の対象となるかは否定的見解を示唆

法的推論の分析 (Analysis of Legal Reasoning)

適用された法理:
– 著作権侵害の要件：アクセスと実質的類似性のテスト
– フェアユースの4要素テスト（使用の目的と性質、著作物の性質、使用された部分、市場への影響）
– DMCA第1202条における著作権管理情報の保護
– カリフォルニア州コモンローにおける不正競争の原則

事実認定:
– LAION-5Bデータセットに原告作品が含まれていた事実を認定
– AIモデルが訓練データから「学習」する技術的プロセスの複雑性を認識
– 生成画像と原作品の類似性判断には専門家証言が必要と判断

技術的理解: 裁判所は、AI技術の複雑性を認識し、従来の著作権法の枠組みをどのように適用するかについて慎重なアプローチを採用。特に、「複製」「派生著作物」「変形的使用」といった概念のAI文脈での解釈に苦慮している様子が窺える。

法的意義 (Legal Significance)

先例価値 (Precedential Value)

将来への影響: 本件は、生成AI時代における著作権法の適用に関する最初の重要な判例となる可能性が高い。特に以下の点で先例的価値を持つ：

– AI訓練データとしての著作物使用の法的性質の明確化
– フェアユース原則のAI開発への適用基準の確立
– 技術的な「学習」と法的な「複製」の区別
– AIによる創作物の著作権帰属問題への示唆

法理論の発展:
– 「変形的使用」概念の拡張または制限
– デジタル時代における派生著作物の定義の再検討
– 大規模データ処理における著作権の集合的管理の必要性
– AI特有の新たな権利制限規定の必要性の認識

解釈の明確化:
– 機械学習における「複製」の技術的・法的定義
– スタイルやアイデアと表現の二分法のAI文脈での適用
– CMI除去のAI生成コンテンツへの適用

規制・実務への影響 (Regulatory and Practical Impact)

AIガバナンス:
– AI開発企業に対する訓練データの適法性確保義務の明確化
– オプトアウト機構の実装要求の可能性
– 訓練データの透明性とトレーサビリティの確保
– アーティストの同意取得プロセスの標準化

コンプライアンス: 企業が取るべき対応策：
– 訓練データのライセンス状況の監査体制構築
– クリエイターとの公正な利益配分モデルの検討
– 著作権フィルタリングシステムの実装
– 生成コンテンツの出所表示機能の追加
– リスク評価とコンプライアンスプログラムの更新

業界への影響:
– AI企業とコンテンツクリエイター間の新たなライセンスモデルの必要性
– オープンソースAIモデルの法的リスクの顕在化
– 商業的AI開発における訓練データコストの上昇可能性
– 技術革新と著作権保護のバランスに関する業界標準の形成

リスク管理:
– 訓練データの出所と権利関係の詳細な記録保持
– 生成コンテンツの著作権侵害リスク評価ツールの開発
– ユーザー向け利用規約での責任分担の明確化
– 保険商品の見直しとAI関連リスクのカバレッジ確保

比較法的観点 (Comparative Law Perspective)

日本法との比較:
日本の著作権法制下では、以下の点で異なるアプローチが取られる可能性がある：

– 著作権法30条の4（2018年改正）: 日本法では、情報解析目的での著作物利用について権利制限規定が存在。ただし、「情報解析」の範囲にAI訓練が含まれるかは議論の余地あり
– 人格権的側面: 日本法における著作者人格権（同一性保持権、氏名表示権）の観点からの検討が必要
– データベース権: 日本法におけるデータベースの著作物としての保護とAI訓練データの関係
– 不正競争防止法: 営業秘密や限定提供データの保護の観点からの検討

他国判例との関係:
– EU: DSM指令におけるテキスト・データマイニング例外規定との比較
– 英国: 政府による AI訓練のための著作権例外規定導入提案（後に撤回）
– 中国: AI生成コンテンツに関する規制アプローチの相違
– カナダ: フェアディーリング原則のAI訓練への適用可能性

グローバルな影響:
– 多国籍AI企業の訓練データ収集戦略への影響
– 国際的なAI開発競争における法的枠組みの差異化
– データローカライゼーション要求との関係
– 国際条約（ベルヌ条約、TRIPS協定）との整合性

重要なポイント (Key Takeaways)

実務家への示唆:
1. AI開発企業の法務担当者: 訓練データの権利処理プロセスの見直しと、予防的ライセンス取得戦略の構築が急務
2. コンテンツクリエイター代理人: クライアントの作品のAI訓練への使用を制御する契約条項の整備と、集団的権利管理の可能性検討
3. プラットフォーム運営者: 利用規約におけるAI関連条項の明確化と、ユーザーコンテンツの二次利用に関する同意取得プロセスの強化
4. 知財戦略立案者: AI時代における知的財産ポートフォリオ管理の再構築と、新たな収益化モデルの探求

今後の展望:
– 2026年9月の本案判決が、米国におけるAI著作権法制の方向性を決定づける可能性
– 立法的解決の必要性が高まり、AI特別法制定の議論が加速する可能性
– 国際的な協調の必要性から、WIPO等での多国間協議が活発化
– 技術的措置（ブロックチェーン、電子透かし等）による権利管理の進展

注意すべき事項:
– 訓練データの適法性に関するデューデリジェンスの徹底
– AI生成コンテンツの商業利用における権利関係の明確化
– 継続的な判例動向のモニタリングと迅速な対応体制の構築
– クリエイターコミュニティとの建設的な対話の重要性
– 技術的ソリューションと法的枠組みの統合的アプローチの必要性

このレポートに関する注意事項 (Warning/Notes)

– このレポートはサイト運営者がAIエージェントに文献等の調査・調査結果の分析・分析結果の整理・分析結果の翻訳等を行わせたものです。人間による追加的な調査や査読は行っておらず、内容には誤りを含む場合があります。