Korkein oikeus on hylännyt suppean tulkinnan, jonka mukaan henkilö, jolla on tavanomainen alan osaaminen (PHOSITA), olisi pelkästään ihminen, joka käyttää vain ”tavallista” luovuutta. Tämä näkemys, joka sulkee pois tekoälyn osallistumisen keksintöprosessiin, sivuuttaa laajemman keskustelun, joka käydään KSR-päätöksessä. Korkein oikeus korostaa, että PHOSITA ei rajoitu vain saman ongelman ratkaisemiseen tähtäävien aiempien ratkaisujen tarkasteluun, vaan lähestyy ongelmaa laajemmin ja luovasti yhdistellen eri patenttien opetuksia kuin palapelin palasia. Luovuus tässä kontekstissa ei tarkoita automaattista toistamista vaan aktiivista, tavanomaista luovaa ajattelua.

Korkein oikeus siis torjuu Federal Circuitin aiemman suppean tulkinnan, jonka mukaan PHOSITA olisi pelkkä perinteinen ajattelija, ja vahvistaa, että PHOSITA:n täytyy käyttää luovuutta. Lainsäädäntö määrittelee PHOSITA:n ”henkilöksi”, joka oletettavasti käyttää alan viimeisimpiä työkaluja, mukaan lukien tekoälyä. Alan ammattilaiset ovat todenneet, että aivan kuten kemian alalla testiputket tai ohjelmistoalalla yleiskäyttöiset tietokoneet, myös tekoäly vaikuttaa osaamisen tasoon ja asettaa uuden tason sille, mitä pidetään keksinnöllisenä.

Tekoälyn rooli nostaa siis keksinnöllisyyden rimaa niin, että patenttiviranomaisen on yhä vaikeampi hyväksyä keksintöjä, jotka eivät ole selvästi uudenlaisia. Patenttihakemusten valvonta tiukkenee ja kilpailevat tahot voivat helpommin osoittaa keksinnön ilmeisyyden, mikä kaventaa suojattavien innovaatioiden kenttää. Tekoälyn vaikutus muuttaa keksinnön määritelmää, koska tekoäly toimii kuin voimakas ja laaja-alainen arvioija, jonka tiedot ylittävät yksittäisen ihmisen kapasiteetin. Tämä pätee riippumatta siitä, onko tekoäly itse keksijä vai avustava työkalu.

Ihmisen rooli keksijänä pienenee, kun tekoälyn käyttö kasvaa ja sen kyvyt laajenevat. Perinteinen ”nerohetki” menettää merkitystään, kun tekoäly pystyy osoittamaan, että keksinnön pohja on ollut olemassa ja että ihmisen luovuutta ei välttämättä tarvita. Joidenkin ehdotusten mukaan patenttijärjestelmään tulisi perustaa kaksi erillistä arviointirataa – tekoälyä käyttäville ja pelkästään ihmisille – mutta tällainen jako menettäisi merkityksensä tekoälyn yleistyessä. Lisäksi on vaikeaa tai jopa mahdotonta varmistaa, käytettiinkö tekoälyä, mikä houkuttelee vilpilliseen toimintaan. Näin ollen tekoälyinventoreiden rajaaminen omaan kategoriaansa ei ratkaise ongelmaa.

Tekoälyn yleistyessä ihmiskeksinnöt vaikuttavat entistä vähemmän merkittäviltä. Tekoälyn kyky yhdistellä aiempaa tietoa ja esittää monimutkaisia ratkaisuja kaventaa suojattavien keksintöjen aluetta ja vaikeuttaa patenttien saamista. Vaikka vaikutukset koskevat kaikkia keksintöjä, ihmiskeksintöjen tila kapenee suhteellisesti eniten.

Kilpailun kiristyessä on myös huomioitava liikesalaisuuksien asema. Patenteissa julkinen tiedonantovelvollisuus on keskeistä, kun taas liikesalaisuudet perustuvat tiedon pitämiseen salassa. Tekoälyn vaikutus voi heikentää liikesalaisuuksien suojaa, sillä mikäli tieto leviää tai paljastuu tekoälyn analysoimana, salaisuuden määritelmä haastetaan. Liikesalaisuuden arvon lähtökohta on, että tieto ei ole yleisesti tunnettu tai helposti saatavilla asianmukaisin keinoin, ja mikäli salaisuus paljastuu, suojaa ei ole. Tämä korostaa sitä, kuinka tärkeää on ymmärtää, että AI:n aikakaudella tiedon hallinta ja sen suojaaminen muuttuvat, mikä heijastuu sekä patentti- että liikesalaisuuskäytäntöihin.

Endtext

Miten tekoälyn käyttö tekijänoikeusmateriaalien kouluttamiseen vaikuttaa luovuuteen ja lainsäädäntöön?

Viime vuosina tekoälyn soveltaminen luovien mallien kouluttamiseen on herättänyt merkittäviä oikeudellisia ja eettisiä kysymyksiä, erityisesti tekijänoikeuksien näkökulmasta. Useat kanteet, kuten Stability AI:n ja OpenAI:n tapauksissa, ovat nostaneet esiin epäilykset siitä, että tekoälyjärjestelmät hyödyntävät tekijänoikeudella suojattua aineistoa ilman alkuperäisten tekijöiden lupaa. Näiden mallien, kuten Stable Diffusionin tai OpenAI:n kielimallien, tuottamat sisällöt perustuvat koulutusvaiheessa kerättyihin ja prosessoituihin aineistoihin, jotka sisältävät valokuvia, tekstejä ja muita luovia teoksia. Tällöin syntyvä tuotanto saattaa olla lain näkökulmasta johdannaisteos, jonka oikeudet periytyvät alkuperäisiltä tekijöiltä, mikä puolestaan herättää kysymyksen siitä, miten tekoälyn tuottamaa sisältöä tulisi säädellä.

Keskustelua käydään usein fair use -periaatteen (sallivan käytön) soveltuvuudesta tekoälyn koulutukseen. Osa oikeustutkijoista katsoo, että tekoälyjärjestelmien tulisi voida käyttää laajasti erilaisia aineistoja koulutukseen, riippumatta tekijänoikeuksista, jotta oppiminen olisi mahdollista. Toiset korostavat, että koulutusmateriaalin tulee olla eettisesti ja oikeudellisesti hankittua, ja että alkuperäisten tekijöiden tulisi saada korvaus heidän työnsä hyödyntämisestä. Tämä näkökulma edistää ajatusta kollektiivisesta resurssista, jossa aineistojen jakaminen on välttämätöntä, mutta tekijöiden oikeudet on samalla turvattava.

Tekijänoikeuskysymysten rinnalla patenttioikeus ja tekijänoikeus kohtaavat uudenlaisia haasteita tekoälyn luomien keksintöjen ja teosten osalta. Perinteinen lainsäädäntö on rakennettu ihmisen luovan työn pohjalta, eikä tekoälyn itsenäinen luomiskyky istu helposti nykyisiin oikeudellisiin raameihin. On esitetty ehdotuksia, joissa tekoälyn kehittäjille ja järjestelmien ylläpitäjille maksettaisiin korvauksia tekoälyn tuottamasta sisällöstä tai keksinnöistä, mutta myös ehdotuksia siitä, ettei tekoälyä tulisi tunnustaa tekijänä tai keksijänä. Tämä heijastaa laajempaa pohdintaa siitä, millaista suojaa ja tunnustusta tekoälyn tuottamalle luovuudelle tulisi myöntää.

Eettiset näkökulmat ovat erottamaton osa keskustelua tekoälyn käytöstä luovissa prosesseissa. Tekoälyn rooli päätöksenteossa, yksityisyyden suoja, syrjintä ja ihmisen vastuun rajoittaminen ovat keskeisiä huolenaiheita. Tekoälyjärjestelmien läpinäkyvyys, selitettävyyden vaatimus ja eettinen valvonta ovat nousseet keskeisiksi vaatimuksiksi, jotta teknologiaa voidaan käyttää vastuullisesti. Monet teollisuuden toimijat korostavat, että tietosuoja ja luottamus ovat teknologian hyväksyttävyyden kulmakiviä, ja että sääntelyä kehitetään näitä arvoja tukemaan.

Euroopan unionin tekoälylainsäädäntö pyrkii asettamaan velvoitteita, jotka yhdistävät sekä teknologian kehittämisen että kaupan salaisuuksien suojan. Tämä yhdistelmä luo haastavan tasapainon läpinäkyvyyden ja liiketoiminnan salaisuuksien välillä. Sääntelyvaatimukset vaikuttavat siihen, miten tekoälyn tarjoajat voivat toimia, ja millaista tietoa heiltä edellytetään julkistettavaksi.

On keskeistä ymmärtää, että tekoälyn tuottaman sisällön oikeudellinen ja eettinen arviointi ei ole pelkästään tekninen kysymys, vaan se liittyy syvälle kulttuurisiin käsityksiin luovuudesta, omistajuudesta ja vastuusta. Tekoäly haastaa perinteiset käsitykset tekijyydestä ja uudistaa luovan työn määritelmää. Samalla se edellyttää uudenlaista lainsäädäntöä ja eettistä pohdintaa, joka huomioi sekä ihmisen että koneen roolin luovassa prosessissa.

Tekijänoikeuksien osalta on tärkeää huomioida, että vaikka tekoäly muuntaa ja yhdistää oppimaansa aineistoa, se ei automaattisesti oikeuta loukkaamaan alkuperäisten teosten suojaa. Jokainen tekoälyn tuottama kopio tai johdannaisteos voi olla lain näkökulmasta katsottuna loukkaus. Siksi lainsäädännössä tarvitaan selkeät säännöt siitä, miten tekoälyä koulutetaan ja milloin tuotoksia voidaan pitää oikeudenmukaisina käytön muotoina.

Lisäksi lukijan on hyvä tiedostaa, että tekoälyn käyttö luovassa työssä on osa laajempaa yhteiskunnallista murrosta, jossa teknologian kehitys muokkaa käsityksiämme työstä, luovuudesta ja omistajuudesta. Tekoälyn eettiset ja oikeudelliset rajat määrittyvät jatkuvasti uudelleen, ja niiden ymmärtäminen vaatii paitsi lainsäädännön myös yhteiskunnallisen keskustelun seuraamista.

Miten syväoppiminen ja generatiivinen tekoäly muuttavat ymmärrystämme ja luomiskykyämme?

Syväoppiminen ja sen sovellukset ovat mullistaneet tekoälyn kenttää. Nykypäivän tekoälyjärjestelmät, jotka perustuvat syväoppimisen mallien käyttöön, ovat kehittäneet kykyään oppia ja tuottaa uutta sisältöä tavalla, joka on vaikea kuvitella perinteisemmillä koneoppimismenetelmillä. Näitä järjestelmiä ei voida verrata ihmiselle tyypilliseen oppimisprosessiin, vaikka ne muistuttavatkin jollain tavalla aivojemme toimintaa. Ne eivät ymmärrä asioita kuten me, eivätkä kehitä teoreettista käsitystä tehtävistä, joita niille annetaan. Sen sijaan ne tunnistavat tilastollisia korrelaatioita ja malleja, joiden avulla ne voivat optimoida toimintaansa ja parantaa suorituskykyään.

Tämä ero ihmisoppimiseen on erityisen havaittavissa perinteisten koneoppimismallien ja syväoppimismallien välillä. Perinteiset koneoppimismallit, kuten roskapostin tunnistus, voivat havaita malleja ja tehdä päätöksiä suuresta tietomäärästä, mutta eivät ymmärrä syvällisesti sisältöä. Esimerkiksi roskapostin tunnistamisessa järjestelmä ei "ymmärrä" sähköposteja siinä mielessä, miten ihminen ymmärtää niitä. Se käyttää vain tilastollisia korrelaatioita, joita se on oppinut aiemmista viesteistä, luokitellakseen uusia viestejä.

Syväoppimisen mallit sen sijaan perustuvat keinotekoisiin hermoverkkoihin, jotka jäljittelevät inhimillisen aivojen rakennetta, mutta eivät sitä suoraan kopioi. Nämä hermoverkot ovat rakennettu useista kerroksista, jotka mahdollistavat monimutkaisempien ja hierarkkisten tietojen tunnistamisen ja oppimisen. Kun hermoverkot altistetaan suurelle määrälle jäsentämättömiä tietoja – verrattuna perinteisiin järjestelmiin, jotka vaativat jäsenneltyä dataa – ne kykenevät luomaan ennusteita, tekemään päätöksiä ja tuottamaan tarkempia tuloksia, joita aiemmat järjestelmät eivät voisi saavuttaa.

Hermoverkon malli koostuu lukuisten parametrien verkostosta, jotka säilyttävät oppimismuistinsa ja mukautuvat uuteen tietoon. Järjestelmä optimoi omia parametrejaan ja parantaa näin ymmärrystään käsiteltävästä datasta. Tämä prosessi muistuttaa ihmislapsen oppimista. Kun lapsi oppii erottamaan koiran kissasta, syväoppimismalli eroaa perinteisestä koneoppimisesta juuri tässä – se ei tarvitse ulkopuolista ohjausta tunnistaakseen, mikä on tärkeää, vaan se voi itsenäisesti oppia piirteet, jotka tekevät sen tehtävän suorittamisesta mahdollisimman tehokasta.

Syväoppimismallien käytettävissä oleva datan määrä ja mallin kerrosten syvyys mahdollistavat todella monimutkaisten ja hienovaraisia malleja, jotka voivat käsitellä suuria määriä ei-jäsenneltyä dataa. Suurimmissa malleissa on jopa biljoonia parametrejä. Tämä tarkoittaa, että nämä mallit voivat kehittyä ja muistaa enemmän kuin perinteiset järjestelmät, jotka rajoittuvat kapeampiin tehtäviin ja malleihin. Erityisesti syväoppimismallit, kuten generatiiviset tekoälyjärjestelmät, kykenevät luomaan uutta sisältöä, kuten tekstiä, kuvia, koodia ja jopa musiikkia.

Generatiivinen tekoäly, kuten ChatGPT, on esimerkki tämän alan huipputeknologiasta. Se perustuu syväoppimismalleihin ja voi tuottaa tekstiä, joka muistuttaa ihmisten kirjoittamaa. Generatiivinen tekoäly on luonteeltaan dynaaminen ja se voi tuottaa vastauksia laajalla asiakokonaisuudella – sen kyvyt ulottuvat useille eri alueille ja aiheisiin, mutta se ei silti omaa kykyä siirtää oppimaansa täysin uusiin tehtäviin tai konteksteihin. Sen "älykkyys" on rajoittunut tiettyihin sovelluksiin, eikä se kykene siirtämään osaamistaan toisiin tehtäviin yhtä joustavasti kuin ihmiset.

Tämä herättää kysymyksiä tekoälyn ja ihmisen välistä eroa. Vaikka tekoäly voi suoriutua monimutkaisista tehtävistä paremmin kuin ihminen, kuten shakin pelaamisessa tai kirurgisten toimenpiteiden suorittamisessa, se on rajoittunut fyysisiin tehtäviin ja ympäristöihin, joissa sitä ei ole koulutettu. Tekoäly ei vielä pysty suorittamaan tehtäviä, jotka vaativat manuaalista taitoa, kuten ruoanlaittoa tai sängyn petaamista, koska se ei omaa tarvittavaa käsien tarkkuutta ja koordinaatiota.

Generatiivinen tekoäly tarjoaa kuitenkin valtavia mahdollisuuksia luovan työn kentällä. Se voi auttaa tuottamaan tekstiä, visuaalisia teoksia, musiikkia ja jopa ohjelmointikoodia, mikä mahdollistaa täysin uudenlaisen luovuuden ja automaation. Mutta samalla, kuten kaikessa tekoälyn käytössä, on tärkeää muistaa, että vaikka tekoäly voi tuottaa vaikuttavaa ja monimutkaista sisältöä, se ei ymmärrä tuottamaansa samalla tavalla kuin ihminen. Sen toiminta perustuu tilastollisiin malleihin ja datan käsittelyyn, eikä se ole tietoinen luomistensa taustoista.

Syväoppimisen ja generatiivisen tekoälyn kehityksen taustalla oleva tieteen ja tekniikan kehitys avaa uusia mahdollisuuksia, mutta myös haasteita. Ymmärtäminen siitä, miten tekoäly toimii ja millaisia rajoituksia sillä on, on välttämätöntä, jotta voimme käyttää sitä tehokkaasti ja eettisesti. Tekoälyn käyttäjien ja kehittäjien on myös pohdittava, miten tällaisten järjestelmien käytön eettiset ja lainsäädännölliset kysymykset käsitellään.

Mikä on tekijänoikeusjärjestelmän oikeutus ja miten eri teoriat selittävät sen merkityksen?

Tekijänoikeuden ja patenttien olemassaolon taustalla on keskeinen pyrkimys edistää yhteiskunnan tieteellistä ja kulttuurista kehitystä. Perustuslain mukaan tekijänoikeudet ovat määräaikaisia yksinoikeuksia, jotka annetaan julkisen edun nimissä rohkaisemaan uusien teosten luomista ja levittämistä. Tämä utilitaristinen näkemys korostaa taloudellista tehokkuutta ja yhteiskunnallista hyötyä: luomisen kannustimien täytyy olla riittävät, jotta teoksia tuotetaan, mutta samalla ei saa syntyä kohtuuttomia monopoli- tai tehottomuuskustannuksia. Lainsäätäjän haasteena onkin löytää oikea tasapaino oikeuksien laajuuden ja taloudellisten hyötyjen välillä eri luovan työn muodoissa.

Utilitaristisen perustan ohella on olemassa myös vaihtoehtoisia oikeusteoreettisia näkökulmia. Luonnonoikeusteoria esimerkiksi katsoo tekijänoikeuden omistajuuden olevan luonnollinen seuraus siitä työstä, jonka luoja on panostanut teoksen syntyyn. Tämä näkemys juontuu Locken filosofialle, jossa työ on sidoksissa omistusoikeuteen. Luonnonoikeusteoria ei kuitenkaan ratkaise kaikkia käytännön ongelmia, kuten sitä, miten samanaikaiset keksijät tai itsenäiset ilmaisut tulisi huomioida.

Moraalinen ja ansaintaoikeuteen perustuva teoria korostaa luojan ponnistusten ja ansaitun kontrollin merkitystä. Persoonallisuusteoria puolestaan liittää teoksen osaksi tekijän identiteettiä, minkä vuoksi hallinta on oleellista luojan itsemääräämisoikeudelle. Henkilökohtaisen autonomian teoria laajentaa tätä näkemystä yksilön oikeudeksi kontrolloida itselleen merkityksellisiä objekteja, jotka ovat kiinteä osa hänen identiteettiään. Ihmisoikeuspohjainen teoria puolestaan nostaa immateriaalioikeudet ihmisoikeuksiksi, jotka perustuvat kansainvälisiin sopimuksiin eivätkä jumalallisiin tai luonnonoikeudellisiin perusteisiin.

Näitä oikeusteorioita on kuitenkin kritisoitu. Esimerkiksi luonnonoikeuteen perustuvat mallit eivät ota riittävästi huomioon tilanteita, joissa useat henkilöt ovat samanaikaisesti kehittäneet saman keksinnön, tai sitä, tulisiko itsenäinen keksiminen olla puolustus patenttioikeusrikkomuksissa. Lisäksi patenttien ja tekijänoikeuksien sisällöllinen raja ja niiden sisältämät käyttöoikeudet herättävät kysymyksiä, joita luonnonoikeusnäkökulma ei täysin ratkaise.

Taloudellisesta näkökulmasta tekijänoikeusjärjestelmä toimii keinona korvata luovan työn tuottajille mahdollinen tulonmenetys, joka johtuu teosten helposti jäljittelevästä luonteesta. Ilman suojaa tekijöillä ei olisi riittäviä kannustimia investoida aikaa ja resursseja uusiin, alkuperäisiin teoksiin. Toisaalta suojaaminen aiheuttaa rajoituksia tiedon ja sisällön vapaalle saatavuudelle, mikä puolestaan voi haitata laajempaa yhteiskunnallista hyötyä. Tämän vuoksi tekijänoikeuksien tasapainottaminen edellyttää tarkkaa arviointia siitä, miten rajoitukset ja kannustimet vaikuttavat innovaation ja luovuuden kokonaiskuvaan.

Tavaramerkkioikeuden näkökulmasta suojan keskeinen taloudellinen tehtävä on kuluttajien hakukustannusten vähentäminen ja tuotteen laadun varmistaminen. Tavaramerkki toimii signaalina, joka kertoo tuotteen alkuperästä ja laadusta, helpottaen siten kuluttajan valintaa ja estäen vapaamatkustamista, eli tilanteita joissa kilpailevat toimijat hyötyvät toisen tekemästä maineesta ilman omaa panostusta. Tämä kuluttajakeskeinen funktio vahvistaa markkinoiden tehokkuutta ja kannustaa yrityksiä ylläpitämään korkeaa laatua.

On tärkeää ymmärtää, että immateriaalioikeuksien tavoitteet ovat monisyisiä ja ne heijastavat eri yhteiskunnallisia ja filosofisia intressejä. Oikeustieteelliset teoriat eivät ole toisiaan poissulkevia, vaan pikemminkin toisiaan täydentäviä kehyksiä, jotka auttavat hahmottamaan immateriaalioikeuksien merkitystä ja perustelua eri näkökulmista. Käytännön lainsäädäntö ja oikeuskäytäntö muotoutuvat näiden teoreettisten tulkintojen sekä taloudellisten ja yhteiskunnallisten realiteettien vuorovaikutuksesta.

Endtext

Mitä tarkoittaa tekijänoikeuden alkuperäisyysvaatimus ja miten se määritellään?

Tekijänoikeuden ydin on teoksen alkuperäisyydessä. Teoksen on oltava tekijän itsenäisesti luoma, ei kopioitu muista teoksista, ja sen tulee sisältää vähintäänkin minimaalinen luovuuden aste. Tämä luovuuden aste on erittäin matala; jo vähäinenkin luova panos riittää. Suurin osa teoksista täyttää tämän vaatimuksen helposti, sillä ne sisältävät jonkinlaisen luovan kipinän, vaikka se olisi kuinka vaatimaton, yksinkertainen tai ilmeinen tahansa. Alkuperäisyys ei tarkoita uutuusarvoa; teos voi olla alkuperäinen, vaikka se muistuttaisi läheisesti muita teoksia, kunhan samankaltaisuus on sattumaa eikä johdu kopioinnista.

Vuoden 1976 tekijänoikeuslain uudistukset korostavat tätä näkemystä selvästi: tekijänoikeussuoja ei perustu työhön käytettyyn vaivannäköön (“sweat of the brow”), vaan nimenomaan alkuperäisyyteen. Tämä pätee myös faktoihin perustuvien teosten, kuten hakemistojen tai tietokantojen kohdalla. Faktojen löytäjä ei luo faktua, vaan löytää sen olemassaolon. Kuitenkin faktakokoelmat voivat olla tekijänoikeussuojan alaisia, koska niiden laatija tekee valintoja siitä, mitä tietoja sisällyttää, missä järjestyksessä ne esitetään ja miten aineisto järjestetään lukijoiden käyttöä varten. Nämä valinnat voivat sisältää luovuutta, mikä riittää suojaamaan kokoelman.

Tekijänoikeus ei ole ehdoton monopoli, vaan sisältää poikkeuksia, kuten "fair use" -periaatteen, joka sallii tekijänoikeudella suojatun materiaalin käytön tietyissä ei-kaupallisissa tai koulutuksellisissa tarkoituksissa. Fair use -arvioinnissa otetaan huomioon käyttötarkoitus ja -luonne, teoksen luonne, käytetyn osan määrä ja vaikutus teoksen markkina-arvoon. Tekijänoikeuslainsäädännön tarkoituksena on paitsi turvata tekijän oikeudet myös kannustaa luovuuteen ja yleisen hyvän edistämiseen. Näin ollen esimerkiksi käänteinen suunnittelu (reverse engineering) tietokoneohjelmien osalta voi olla sallittua, jos se palvelee laillista tarkoitusta ja on ainoa keino päästä käsiksi ohjelman ideoihin ja toiminnallisuuksiin.

Tekijänoikeuden käsitteessä alkuperäisyys merkitsee siis itsenäistä luomista ja vähäistäkin luovuutta, ei täydellistä uutuusarvoa tai täydellistä erottuvuutta. Tämä on tärkeää ymmärtää, sillä se vaikuttaa siihen, miten laajasti teoksia voidaan suojata ja millaisessa käytössä suoja voidaan rajoittaa. Myös faktapohjaiset teokset voivat saada suojaa, mutta vain siinä määrin kuin niissä on valintoihin perustuvaa luovuutta. Lisäksi tekijänoikeuden rajoitukset ja poikkeukset, kuten fair use, ovat keskeisiä tasapainottamaan tekijän oikeuksia ja yleisön hyötyä.

Tämä kokonaisuus korostaa tekijänoikeuden dynaamisuutta ja sitä, että suoja ei ole mekaaninen tai ehdoton vaan tasapainoinen, jossa otetaan huomioon sekä luovuuden kannustaminen että tiedon ja tiedonvälityksen vapaus. Tekijän alkuperäisyyden arviointi on siten monisyinen prosessi, jossa merkitystä on paitsi teoksen itsenäisellä luomisella myös sen sisällöllisellä ja rakenteellisella valinnalla.

Miten skandaalit muokkaavat presidentin virkaa ja sen tulevaisuutta Yhdysvalloissa?
Miksi tämä ei toimisi kiinteistössä?
Mikä on mekanistinen tulkinta ja kuinka se voi auttaa ymmärtämään generatiivista tekoälyä?
Miten Stimulaattorit Vaikuttavat Luovuuteen ja Tuottavuuteen?
Mikä on paikallinen ja globaalinen ääriarvo funktiolle f(x,y)=x2+kxy+y2f(x, y) = x^2 + kxy + y^2f(x,y)=x2+kxy+y2, kun kkk vaihtelee R\mathbb{R}R-joukossa?