互联网信息流推送模式下平台方著作权侵权责任研究( 二 )
从法律层面来看 ， 算法分发技术下的信息流推送行为主体与其说是平台向用户推送信息 ， 不如说是用户借用平台的算法技术向自己“拉送”信息 ， 自我推送行为主体实质上为用户本身 。 平台方提供的信息存储空间使得广大用户创造与传播、接收信息行为交叉呈现 ， 相关用户的行为及相关内容形成一个无限的“信息池” ， 信息流的流向和用户的匹配直接通过算法这个电流而自动匹配导向 ， 平台方对内容和流向没有全面具体监测、控制的机会 ， 平台方最多能够控制的是算法中的系数权重 ， 然后根据反馈机制对个别做人工复审或监测 。
信息流推送是依据算法形成的一种商业模式 ， 无论其是根据何种算法基础而带来具体的推荐 ， 可以肯定的是如果没有人工编辑的主动介入 ， 那么信息流推送的行为即为机器行为 ， 且算法模式下的信息流推送具有的特征显示 ， 平台方无法也不可能通过人为全面干预信息流推送的结果 ， 根据信息流推送的极强个性化 ， 平台方对信息流推送没有直接的全面接触机会 。
02
信息流推送行为著作权法语境定性
根据信息流推送商业模式 ， 以人为中心的信息推荐转向以技术为中心的信息推送 。 这样就会出现下面这种颇具争议的著作权法问题：假设平台方提供信息存储空间 ， 平台用户可以上传视频等内容 ， 依据平台的算法将这些海量的用户上传内容自动分发至匹配的用户 ， 在特定的用户终端呈现 。 如若用户终端呈现出的内容有涉及侵犯他人著作权的情况 ， 平台方为何种法律角色？平台方是否有义务对平台上所有可能被推送的信息进行分发前全面审查？亦或其应当有何种注意义务？再更进一步假设 ， 如果这种侵犯他人著作权的内容为热播的影视剧等 ， 是否应当认定平台方对之明知或应知？根据这些实践中的问题 ， 以下展开具体分析 。
（一）信息流推送行为：从用户到用户的技术中立性推送 信息流推送的结果呈现 ， 在平台上一般会呈现在“推荐”栏目或类似的栏目呈现给用户 ， [6]具体称谓可能有所不同 ， 但是都以结果直接面向用户呈现为表现模式 。 算法分发技术下的信息流推送直接使得平台其他用户创造、上传的内容通过算法直接分发至对应的用户终端 。 这种推送中平台所贡献的部分有两项：第一是为所有用户提供平台 ， 包括存储空间和浏览缓存等；第二是为内容从用户到用户提供优化算法 ， 这种固定平台系数、权重标准统一的算法以命令执行为固定行为模式 ， 自动运行相关的信息内容的分发 ， 形成信息流推送 。
信息流推送的行为看似一种平台上的推荐 ， 但是这种推荐过程和结果却与平台的关系不大 ， 在法律表现形式上可以认为是技术中立 。 平台方提供的算法分发而形成的信息流推送 ， 是为了更好地将一部分用户上传的内容匹配地、相对有效地分发给其他用户 。 而且一般信息的分发还基于用户终端的反馈机制而做调整 ， 通过“学习”来过滤信息 ， 并适时基于挖掘用户行为而更新用户终端的刷新内容 。 [7]无论是通过协同过滤还是通过不同的标准权重 ， 信息流推送从信息的产生到呈现到用户终端 ， 信息匹配过程为算法实质上的中立性 。
信息流推送与推荐也有较大的差别 ， 这也是信息流推送行为的关键理解点所在 。 传统上的信息推荐 ， 呈现内容的意志主体为平台方 ， 也即平台方、平台的编辑想向用户推荐什么内容、在什么时间段推荐相应的内容、如何推荐 ， 这些推荐都掌握在平台方手中 ， 且为平台方根据平台方的意志来进行 ， 用户被动接受平台方所推荐的内容 。 信息流推送不同于推荐 ， 其重在对信息的推送上 ， 而非含有主观的“荐”上 ， 当然语义理解这也是其区别于推荐的核心 。 之所以说平台的推送不是平台推荐 ， 原因在于在信息流过程中 ， 没有平台方的推“荐”的行为及主观能动性存在 ， 相应的模式为算法系统下根据用户的特性及行为系统自动过滤出用户现实或潜在需要或感兴趣的内容 。 终端用户对接收的推送内容起到了最直接的主观意愿力 ， 因此与其说是平台推荐的内容 ， 不如说这种信息流的推送是严格的推“送”行为 。
推荐阅读
- 互联网乱侃秀|专注28nm或以上芯片，或探索去美化，中芯国际投270亿再成立公司
- 互联网支付宝搜索流量全面开放：麦当劳、肯德基、星巴克等抢先升级“品牌直达”
- 互联网支付宝：首页搜索“品牌直达”能力正式面向全行业品牌商家开放
- 干衣机|米家互联网热泵干衣机发布：35分钟快烘 3499元
- 亚马逊建设卫星互联网系统获批
- 行业互联网同比增长26.4%，上汽大通MAXUS 7月热销超万台
- 行业互联网澳柯玛，智慧冷链疫苗存储，内循环经济智能家居，叠加芯片概念
- 新华网|“中国互联网联合辟谣平台”学习强国号上线运行
- 科技微视界|助力中小企业进入移动互联网，“MUP移动营销云”
- 小米科技|MIUI12稳定版第二批部分全量推送，新增多项交互，小米8进行灰度测试