言語モデルによる出力が訓練データと類似する場合、新規性の欠如によって盗用と見なされる 可能性があり、著作権侵害の可能性が生じうる （Ishihara 26 6·2、[Franceschelli 24]）。
サーベイ 6·2 節の中心的な整理。一般に著作権侵害には依拠性と類似性の論点がある。
| 法的論点 | 言語モデルでの問い | 対応する研究系統 |
|---|---|---|
| 依拠性 | 訓練セットに特定の著作物が含まれているか | メンバーシップ推論 |
| 類似性 | 生成結果と特定の著作物が類似しているか | 文字列の類似度 |
日本法の状況: 日本国著作権法 30 条の 4 第 2 号では、情報解析の目的において 原則として著作権者の承諾なくウェブ上のデータを収集することを認めており、 さまざまな論点が存在する。
依拠性の立証経路が両側から塞がれている。 サーベイの対応表は概念的に美しいが、 この Wiki の他ページを突き合わせると、依拠性の側が実務的に成立していないことが見える。
つまり、権利者側の立証手段は方法論的にも（1, 2）、提供者の防御策によっても（3） 弱められている。類似性（出力の観察）は誰でも確認できるが、依拠性（訓練セット）は モデル提供者しか知らないという非対称が根本にある。
著作権の文脈では、暗記の定義を「進歩」させることが逆効果になりうる。 サーベイ 7·1 節は、著作権侵害の観点では文字列の表層的な一致に注目するのが 合理的な場合もあると述べる。研究コミュニティは意味的類似度 [Riddell 24] や 近似暗記へ定義を拡張してきたが、法的に問われるのは表層の一致である場合が多い。 暗記 の「定義の選択は目的に従属する」の最も明確な事例である。
日本法の情報解析規定は、依拠性の議論の前提を変える。 著作権法 30 条の 4 第 2 号が 情報解析目的の収集を原則許容している以上、日本では「訓練セットに含まれていたこと」自体が 直ちに侵害を構成するとは限らない。したがって 日本の文脈では類似性（文字列の類似度）側の研究の方が 実務的な重みを持つ可能性がある（推測）。 この Wiki の日本語研究が新聞記事コーパスを扱っている （Ishihara 24）ことと無関係ではない。
盗用検出の伝統的知見が使える。 サーベイ 7·3 節。剽窃検出の研究 [Potthast 10, Roy 09] では単語置換・語順の入れ替え・言い換えなど 多面的な類似性が探究されてきた。近似暗記の指標設計は、 言語モデル以前のこの蓄積を回顧することで改善しうる。→ 研究領域の拡張