产品列表PRODUCTS LIST

首页 > 技术与支持
点击次数: 更新时间:

  

金旭雯|人工智能生成内容著作权“赋权热”背后的冷思考——从人工智能“文生图”侵权第一案切入

  在探讨法律规制对象的规制问题时,首先需对此进行深入的定义与分析◆■■。根据《生成式人工智能服务管理暂行办法》第22条的定义,“生成式人工智能技术”是指具有文本、图片◆◆★★◆◆、音频、视频等内容生成能力的模型及相关技术。以语言模型ChatGPT为例★★◆■★◆,其可直译为基于Transformer架构和预训练的生成式深度学习模型,本质上是一个基于统计学习方法的猜词模型,主要依赖自注意力机制的神经网络架构以及前反馈机制运行。该模型模拟人类大脑工作机制◆★■◆★,从输入的海量数据中学习语言规律,通过词嵌入算法将每个词转化为词向量,以矩阵形式计算结果向量与概率分布,为输入序列中的每个单词分配权重■■,以显示其与当前上下文的相关性并对文本中的下一个单词进行预测;前馈神经网络是处理自我注意机制输出的多层感知机,负责学习输入文本中单词之间的复杂关系。ChatGPT对于大规模语料库与数据预处理过程可理解为■■★■■◆“细化到分散的■◆◆■、海量的作品中的每一个字的引用★★■◆★”★★■◆◆★,而不会复现特定作品,甚至都不会复现特定作品中的段落和语句。通过不断的迭代训练★◆■★■◆,生成式人工智能在对大量数据的汇总、分类与筛选基础上★★,根据经验不断自我优化和调整,处理不确定性和概率信息的变通能力与逻辑推理能力得到提升,最终达到自动化创作水平。在生成图片数据方面,扩散模型(Diffusion Model)克服GAN模型(Generative Adversarial Networks)稳定性不足缺陷而得到了广泛运用◆◆★■■★。扩散模型生成图片的方式为先逐步叠加符合状态分布的噪声◆◆★★■■,最后得到看上去全是噪声的马尔科夫链模型,再使用U-net模型逐步去除噪声、试图还原图片,接着通过CLIP模型(Contrastive Language-Image Pre-Training)利用海量的数据在广阔和文本和图片之间建立联系,通过这种联系指导模型生成最终的图片。

  2023年11月27日■■★★★,由北京互联网法院审理的人工智能生成图片著作权侵权纠纷案(以下简称“AI文生图案”)一审判决因原被告双方均未上诉而落槌定音。该案明确人工智能生成图片体现了人类的原创智力投入因而具有“作品”资格,并认可原告作为使用者的“作者”身份,被告未经许可使用涉案图片构成侵权★■◆◆■★。这一更具创新性与开放性判决标志着我国在人工智能生成内容(以下简称“AIGC”)著作权认定问题上的重要进步◆■,为全球范围内AIGC的法律地位和著作权保护贡献了中国智慧与中国方案。

  技术变迁对著作权法产生巨大冲击◆◆■。全国第一起人工智能“文生图”案所确立的人工智能生成内容具有作品资格的裁判观点并非金科玉律,既有著作权法对★◆★■■★“智力成果”和“独创性”判断规则并没有因人工智能的出现而失灵。基于AIGC人机共创范式,应坚持★★★★■“人主导、机器辅助”观念合理界定“人类智力劳动投入”,并采用主客观融合的独创性标准■■★★。未来立法司法应进一步促进◆◆★◆■◆“人的创作智慧+机的智能”有机融合、激励人类在AIGC基础上再创作中发挥核心作用★★■◆◆★。同时建立完善的AIGC追溯标识体系,利用区块链等新兴技术增强作品的可验证性和透明度◆◆■◆★,以应对人工智能对内容分类治理逻辑带来的严峻挑战■★■◆。

  “智力成果★◆◆■”是指智力活动的成果,体现了智力活动主体的智力投入◆◆■。根据传统著作权法“以人为本”的观点◆■◆■,◆◆★■“智力◆■★”是自然人独有的思想,即只承认人类能够成为进行智力活动的主体。在生成式人工智能迅猛涌现后,国际知识产权保护协会发布了《关于人工智能生成物的版权问题决议》★■■■,认为AIGC只有在其生成过程有人类干预(human intervention),且在该生成物符合受保护作品应满足的其他条件的情况下★★◆■★,才能获得版权保护。即,如果有人类参与★■■,生成式人工智能进行生成的过程便能够被视为人类进行智力活动的过程,在理论上满足“智力成果”的条件◆◆。在■★“AI文生图”案件中,法院将“智力成果”解释为“自然人的智力投入”,在于肯定人工智能工具属性的前提下,从原告设计人物的呈现方式、选择提示词★■■、安排提示词的顺序、设置相关的参数、最终选定符合预期图片等角度来论证“人类智力投入”,认为涉案图片符合◆★★■◆★“智力成果■■■★★■”要件。美国版权局也明确指出:★★◆“作者的作品”仅指“人类作者的创作产品”,一个非人类主体“创作”的作品★■,只有在包含“人类对展现(内容和方式)的选择和安排◆◆■■■”时,才能受到版权保护。此外,由于大多数国家尚未在立法上明确赋予人工智能以法律主体地位,因而实践中国内外多采取排除人工智能作者资格的保守价值立场■■★◆■★,即明确认可人类创作在AIGC可版权性认定中的必要性★★,即应体现“必要的人类参与★★◆■”。尽管我国著作权法尚无关于人类智力投入对认定智力成果的相关规定★■■◆,但司法实践裁判说理中亦不乏“个性化的选择与安排”◆■★◆◆“对创作要素的选择与安排”等同义描述,并明确将此类活动的主体限制为自然人■■★★■。

  根据马克思唯物史观的内容,生产力是人类社会发展的最根本的推动力和实质性内容◆■,决定生产关系和上层建筑的变革。2024年1月国务院常务会议上首次将★★◆★★★“新质生产力”与人工智能领域相关联。新质生产力是一次生产力的变迁,它具有高效能◆★■、高质量的特征,与以往资源密集型、劳动力密集型产业不同★◆,区别于传统的产业发展模式。《中国AIGC应用全景报告》显示◆■◆★,2024年中国AIGC应用市场规模将达到200亿元,并在未来几年内保持高速增长。到2030年■◆◆■,预计市场规模将达到万亿元级别。人工智能作为重要的战略性新兴产业之一★■,是加快形成新质生产力的关键驱动技术★★◆■★,正在大幅改变我们的生产与社会形态,对国家治理乃至国际格局都产生了重大而深远的影响。而AIGC也对传统的著作权法律制度带来了前所未有的挑战。本文从对国内首个人工智能◆★■“文生图◆★◆■”侵权案件切入,重新思考和厘定了AIGC可版权性问题,试图在著作权赋权的热潮中坚持人类主体地位,冷静寻找维护创作价值与法律公正的平衡点,在保护和激发人类创造力的同时◆■■,促进技术进步和文化繁荣。

  自2018年国内第一起人工智能生成新闻的著作权诉讼案以来★■◆■★◆,学界与实务界关于AIGC可版权性的讨论从未停息、并形成了鲜明的两派观点:持肯定观点的学者主张“客观独创性标准◆■■”——著作权法只保护作品的独创性表达,否认作品必须包含人格属性,而无需考虑作者的主观思想感受。AIGC在外观上无法与人类作品区分即完成了独创性的判断;或有学者基于边沁的功利主义思想以及◆■■“激励原则”,认为AIGC赋权有利于激励人工智能的研发利用★◆■★◆◆、增加公共文化市场的知识产品存量、最终增进大众福祉。持相反观点的学者认为是否构成作品的关键在于对◆◆■“作者个性■◆★◆”的判断,而AIGC是应用算法、模板和规则产生的结果★◆■◆,缺失的正是“人”的思想情感表达★■■■★。随着算力与数据规模的迅猛提升,以CHATGPT-4、Sora等为代表生成式人工智能以大模型技术作为底层技术,通过连接海量语料库进行模型训练,具备强大的语言理解能力、自然语言处理技术和深度学习能力,在任务识别◆★★★■★、理解、决策和生成方面具备泛化性■★◆、迁移性和通用性优势,文学、艺术■★、科学领域的内容涌现能力与自主完成度显著提升,人机合作创作中的人为因素大幅降低,与传统人机合作模式下机器完全被动充当工具存在明显差别。

  在AI文生图案中■◆,法院将案件的争议焦点总结为以下三个方面:一是涉案图片是否构成作品;二是原告是否享有涉案图片的著作权■◆;三是被诉行为是否侵权■★★◆,被告是否应承担法律责任■★◆◆■。以上争议焦点涵盖了AIGC著作权保护中最核心的作品资格与作者身份认定及责任承担问题。限于本文篇幅◆◆■■,在此主要针对争议焦点一中的“作品”问题进行展开探讨◆■■◆◆★。根据著作权法第3条的规定,AIGC在“文学、艺术和科学领域■★◆◆■”以及★★◆“能以一定形式表现”两要件上无较大争议,关键在于■★★★“智力成果”和★◆■★“独创性■★★◆◆★”的认定与判断标准◆◆◆。

  人工智能已经实现由原先辅助工具转变为具有独立创作能力的角色转变。用户能够通过直观的自然语言指令与人工智能系统实现高效协同共创,而每一次交互又可以反哺驱动大语言模型持续优化改进,使之能够更有效地推理◆★■◆■★、学习、自我收集信息、创造知识、自主交流■★★■★★。人机交互方式“从以机器为中心转向以人为中心”,“打破了人■★■■◆、机器与信息资源之间的边界■★■,重塑了信息资源生成和使用范式”。同时★■★◆◆,由于其基于神经网络模型的不可预测性使得Transformer模型成为一个“算法黑箱”◆◆★■■,尽管人工智能生成系统或指令可能在表面上清晰,但创作过程中特征变量与输出结果之间逻辑关系的不透明性致生成过程难以预测和把握■◆★■★■,模型可能会生成前所未有的文字、图形组合,也有可能是根据指令生成高模仿度风格的“赝品◆★”。

  随着生成式人工智能的迅速发展和普及,AIGC的人机共创形式对传统知识生产的原创观念和模式提出了更激进的变革需求。未来社会人类的创作活动势必会与生成式人工智能息息相关,从完全由人类实施创作的传统模式演变为“人类提供思想—人工智能输出内容—人类修改完善■★◆◆”或者★■■◆■■“人工智能提供灵感—人类实施创作—人工智能修改完善”等新兴共创模式★◆。虽然生成式人工智能本身不需要激励◆■■■★,但是它的开发者和使用者都需要激励★★★★■■,只有给予AIGC著作权法保护,才能促进技术进步和产业发展,进而推动文化繁荣和经济增长。著作权法立法与司法的未来面向应当是促进◆■◆■★“人的创作智慧+机的智能”有机融合、激励人类在AIGC基础上再创作中的核心作用。基于区分原则★■,区分单纯的人工智能输出与可认定为作品的AIGC中人类的独创性贡献,即人类对输出内容消化、整合、论证、驳斥■◆、推翻◆★◆◆、改写和润色等进行加工修改的内容、形成“分布式人机共生创造力”★★,实现人机优势互补和协同创作★◆■、劳动价值共生和整体价值最优。

  在传统著作权法的语境下,创作被视为一项纯粹的人类活动。因而在判断作品资格时只需排除动物“创作”即可,无需额外审视人在作品产生过程扮演的角色与发挥的作用◆■。然而,★★★◆■“人机协同”模式的兴起让传统的创作界限变得模糊◆◆★,撼动了人类作为唯一创作主体的中心地位。尤其当作品的形成依赖于人工智能具体执行而非人类的抽象构思■★,简单地将人类在这一过程中贡献的创意和有限指令视为著作权法意义上的“人类智力投入”,本质上等同于变相承认“额头流汗★◆■★”原则在当今作品认定时仍有广阔的适用空间★◆■■◆,因此有明确“人类的智力投入与必要参与”内涵◆■★★■,其并非一般性的人力投入。根据我国《著作权法实施条例》第3条规定,“著作权法所称创作■◆◆■,是指直接产生文学、艺术和科学作品的智力活动★◆★◆。◆■◆”由此观之,AIGC关于智力成果★◆■◆★■、人类智力投入的探讨与“创作”的界定水融、密不可分。

  “版权法一开始就是技术之子”,技术的日新月异让全球著作权法经历了从机器介入内容生成到人工智能生成内容的漫长历史后,关于人类与独创性来源的关联性立场却始终如一。无论是作为自然权利还是功利主义视角下的经济激励◆■◆■,人类的创造始终是著作权的重心◆■■■★★。既有著作权法规则并没有因人工智能的出现而失灵◆★★★。人工智能在生成“作品”中的工具作用,远不同于画板、画笔◆◆★★★、照相机等物理工具或者Photoshop◆■、CAD等图文音像软件工具;人工智能虽然接收到人类指令■◆◆★,但会根据自己★■■★★“思考”生成输出且生成的“作品”或会更出人意料。创作工具的迭代演进,其核心目的并非鼓励人类惰性或削弱创作思考,而是旨在赋能与启迪。这些智能化工具通过简化海量资料寻找与学习的繁琐过程★★◆,能够成为人类创意的催化剂、扩展乃至突破人类想象力边界,使创作者能够以前所未有的方式表达自我,促进文学艺术创作与技术的深度融合■■,简言之■◆,更智能的创作工具是为了增强人类的创造力■■★■★◆,而非替代思考。它们是人类通往更广阔创意视野的桥梁。文字是一种“延伸的心灵◆★”(extended mind),人类的创新源于对世界的深刻理解★◆、情感体验以及对未知的好奇和探索■◆◆◆■★。在技术发展尚未迈入强人工智能时代前◆★★■★◆,人工智能尽管已具备高度智能水平,但还不足以产生自我意识,人工智能的发展和治理尚处于安全、可控的状态,当前更应坚持人类主体地位■★■。

  著作权法滥觞于对人类作者“创作■◆”与“智力劳动”的尊重。由于伯尔尼公约并未明确■◆★“独创性◆★◆◆★”概念,世界各国在实践中形成了标准不一的独创性认定制度■■■。坚守浪漫主义观的作者权法系国家深受“人是主体◆■★、是目的”的康德哲学影响,多采取主观标准,如欧洲法院将作品的“独创性”解释为“作者通过自由和创造性的选择以一种原创的方式表达了他的创造力,从而打上了具有他个人风格的印记”★■。而版权法系国家则受洛克财产理论影响◆★■◆◆,采取以作品为中心的客观标准,认为作品应具有“最低程度的创造性”,这一点尤其在英国1988年版权、外观设计和专利法第9条第3款明确规定计算机生成作品的作者应当是对该作品“做出必要安排之人”体现得淋漓尽致◆■。随着两系交流日益纵深,独创性的判断标准也呈现出交融趋势,如德国在著作权法修订时引入了寻求“客观方面独创性”的“小铜币◆■■◆★”标准■◆■◆。司法实务亦往往会兼采主客观标准,如我国裁判说理中常使用的★◆“个性化的选择与安排”,就同时包含了“个性化”这一主观标准和“选择与安排★★◆”这一客观标准。这是由于客观独创性标准未考虑人类身体行动的绘画技艺与提示词转化的工具应用之间在作者人格利益上的差异◆★★★◆,便给予同等的保护,令人产生“人人都是画家”的疑问。并且客观独创性标准只关注作品的外在表达形式,容易助长与我国著作权法立法意旨相悖的★★■■■★“作者死亡”主义的流行,不适当地扩大著作权法保护的客体范畴;而对于主观独创性标准的把握过于抽象与随意,独创性可能异化为对于“创作者陈述水平★◆”的要求,最终在事实上降低作品独创性程度要求■★。在AIGC的独创性判断上,本文亦赞同主客观融合标准。详述之★■◆◆◆,独创性的认定上在整体上肯定AIGC外在表现形式与人类作品无异的基础上,着重考虑人在AIGC的再创作内容是否融入人格要素★■★■■,即人类在选定生成的AIGC初稿基础上,通过文字指令的设置可指引人工智能修改初始内容。基于“蚂蚁搬家★★★”式的多次局部修改过程最终形成与AIGC初稿的差异,能够充分体现用户对具体表达元素特征的个性化选择,此时可满足主观独创性标准■■◆★■◆。因此,本文认为AIGC需同时满足主观和客观独创性判断标准时,且重心仍需关注人类对于AIGC后续改进所体现出的独创性贡献,如此才能被认定为作品。

  站在当代技术与内容生产的交汇点上,较之于传统人工智能★■★,生成式人工智能作为能够实现自主演化、自发完善与持续迭代的“复杂巨系统”,以其强大的语言生成和处理能力,形成了人与技术互动的“请求—回应”关系。此时,人工智能不再是被动执行指令的机器,而是与人形成“一种相互协作★◆■、彼此增强的模式★◆◆◆”。人类和生成式人工智能基于各自优势,共同塑造全新多元的创作模式,可细分为创新共生模式、交织延展模式和协同演化模式。创新共生机制作为一种凸显人机协作互动的典型范式颠覆了传统创作的界限。此模式下,人类独有的直觉感知◆★、情感维度以及创造力■◆■★■■,与生成式人工智能卓越的信息处理与语言生成能力形成优势互补,构建出一个互动反馈回路,激发出更多深邃丰富的创意灵感。交织延展模式则围绕人机交替创设的轴心展开,勾勒出★■★“人—机—人—机■■★”的创作框架。在这一过程中,人类的情感智慧与机器逻辑的算法智能紧密结合,共同铸就既饱含人性温度又兼具科技广博性的作品,展示出交错融合的创造动态与人机深度合作的可能性■■■。至于协同进化路径◆★■◆★,则标志着人机合作迈向新高度,即人工智能与人类一起经历达尔文式进化★■■,从而形成类似于人与细菌群的和谐共生关系。它不仅深化了合作的界面■★★◆■★,还可能在此模式下◆★★■◆★,人类的思维习惯、艺术风格与机器的数据处理效率及实时反馈机制互相作用,催生出新型共生发展态势★◆◆、引领未来内容生产的转型。可以预见的是,随着生成式人工智能的应用深化■■★,人机共生将“成为生活的一部分”◆◆★■■★。因此,生成式人工智能的内在逻辑在于强调人与机器协同融合的人机共生关系★★◆■。

  在这一科技革命“奇点”加速到来的时代背景下,AI文生图案通过赋予AIGC著作权的方式从而鼓励更多人使用最新工具进行创作的司法导向,掀起了一波AIGC著作权赋权热。大多数认同法院观点的学者、实务工作者对该案判决进一步展开了细致论证:或持工具论肯定生成式AI是人类创作作品的工具★◆◆■■,本质上与纸笔★★■、树枝等工具无异,进而将AIGC与传统作品等同视之;或基于范畴意图与语义意图二分的前提下◆◆★,类比随机作画、认为作者创作的★■◆“自由意志”只要求作者有意让作品被其预期受众感知、归入某个类型,而并非作者对作品呈现内容的具体决定和控制;或从“生成内容的可通约性”的角度回应采用★★■“客观独创性标准”所带来★◆■★◆■“猕猴”纳入作品保护的质疑★■■■★◆;或在认可作品的信息本质基础上,提出文本表达与美学表达具有可转化性。与此同时◆◆,也不乏对本案判决质疑与反对的声音。有学者指出独创性的分析与认定应当运用法经济学的方法论◆★★◆,从同类智力成果的市场供求比和稀缺性的角度来研判AIGC是否具有著作权法保护之必要;亦有学者从著作权法的立法目的在于保护来源于人的创造性劳动,人工智能将提示词转化为生成图片的线条和色彩,是人工智能在逻辑思维下的输出,是技术决定和执行而绝非人类用户的智力投入劳动■★■◆■;或基于《著作权法实施条例》第3条关于◆■◆★◆◆“创作”规定的法教义学解释出发,认为‘创作’是基于自由意志直接决定表达性要素的行为★★◆,“人工智能的研发者或使用者对人工智能生成的内容仅有间接影响”;有律师认为“文生图”案中原告提交了“复现”涉案图片的视频,则说明若使用相同的模型版本、提示词、参数设置、随机种子在该模型内部会固定为相同的组合变形的计算过程★★,生成相同的输出,此时将构成思想与表达混同。毫无疑问,以上观点不同程度呈现出◆★◆★◆★“文生图”案判决论证AIGC著作权赋权正当性时存在政策性偏向■◆、法律解释与推理不足之处,正如本案判决指出“利用人工智能生成的内容是否构成作品■★■,需要个案判断,不能一概而论。”因此,以审慎态度对待AIGC,从对其进行著作权“赋权热”的浪潮中抽离出来、基于作品本身属性冷静审思★★■◆◆◆,研究既有规则如何针对新问题作出新解释■■,才是应对技术发展日新月异对著作权法带来挑战的应有之义与解决之策◆■■。

  在探讨了AIGC对传统著作权法提出的挑战与变革需求后,一个关键议题浮现:如何在保障创新激励与维护法律秩序之间找到最佳平衡点◆■◆?此平衡不仅关乎法律规则的设定■◆★■■,也深刻依赖于技术支持的强化与革新。

  基于我国AI文生图案与美国Zara of dawn案裁判所代表截然相反的司法风向★◆■◆◆,目前学界与实务界亦形成了对“创作”与“人类的智力投入◆◆◆”的类型化解释:严格论者要求人类对创意的形成、素材的选择与排列组合■◆■、具体画面细节进行选择安排具有“可控制的结果★■★”◆★■◆◆★,即美国版权局所持的“控制论”;对AIGC作品资格认定宽松论者则认为只要AIGC尚未偏离用户输入提示词的意旨范围◆◆,人类提供灵感与创意并对表达进行指引即可◆◆■■■◆、无需达到充分预见控制的程度,生成内容中也固定了人类投入的智力贡献,亦即我国AI文生图案法院“指导论”的观点。本文认为,◆■★◆★★“指导论”因过于重视与激发人类创作灵感而作出了违背“思想表达二分法”的荒谬解释。思想表达二分法确保了创作者对其独创性表达享有专有权,同时保障公众能够自由利用和再创造这些思想★◆■,从而防止权利人对知识的垄断◆★◆★。这一论断并不会因飞速发展的人工智能技术赋能创作、降低创作门槛而有所动摇和改变◆★◆◆。AIGC生成过程可简略概括为“人类构思—人类指令—机器创作”◆◆★◆,人对提示词和参数的选择,尽管对于自身脑海中的创意而言属于表达,但对于最终生成内容而言都仅是思想而并非表达★★■◆★,思想与表达的界分基于比较对象的差异而不同。因而单纯提出某种创意,而将具体的表达悉数交由人工智能完成,并非真正地参与作品创作。■★◆■“指导论”将每一阶段的思想与表达杂糅◆★◆★■、进行合并分析■■★◆,最终认为AIGC体现人类的创意即可,实际上是用排他性权利保护不应受垄断的思想,是当前为应对技术冲击对“思想表达二分”原则的误读与悖反。尽管人类需要通过不断地调整参数★■■★◆、提示词等■◆★,尽可能地让自己的创作意图最终可视化地表达出来■★★■◆◆。但如前所述,在难以从外部直接观察的算法黑箱之下,人工智能会以不可知的方式自动调整、升级,尤其是在“用户输入—AI输出■★◆■■■”的“单回合”模式下■★,每一轮产出的AIGC都是每次在该轮输入提示词进行重新输出◆★■◆■,而非基于在上一轮输出画面的选择进行进一步修改★★◆★,此种情形下AIGC始终暗含着部分人类无法决定和控制的高度不确定性,缺失了创作过程中基本手法与材料◆◆■■★◆、作品美感与风格的选择等大部分创作要素的活动,难谓其中有人类的“创作”与“智力投入”■★。当然,◆★“控制论”也并非完美无缺,要求人类具体而精准把握AIGC的内容忽视并否定了人工智能将人从重复低质的工作中解放的初衷★◆◆,无异于时代的遗老,步伐迟滞于创新的轨道之外。因此★◆,在技术进步与规范守成之间应当坚持“人主导、机器辅助”观念界定“人类的智力劳动投入”,只有在人类指令足够充分、具体以至于能够控制AIGC的主要部分◆★★★,即从一般人视角能够根据指令想象出AIGC的大致文字或图片、视频等时★■★■◆,人工智能负责如调整文章结构与优化逻辑、设计生成图形元素与背景图等次要部分,进而人类通过提示词的调整使得AIGC愈发“逼近”内心中对于具体文学艺术表达的想象,才能视为人类在AIGC生成过程中真正实现了贡献智力劳动投入的“创作”。

  独创性要件鲜明凸显着著作权法鼓励文化创新的核心目标◆■■★★,故世界各国普遍将其公认为作品可版性的必备要件,因而目前关于AIGC可版权性的更大争议亦多集中于此,并由此派生出“客观独创性”与◆■★★“主观独创性”标准之分。基于作品的外在形式表达,AIGC可版权性肯定论者认为人工智能生成内容的表现形式与人类作品没有区别◆★■★◆★,如果产生让读者明显感知的新知识,则可以获得作品资格。在具体的判断标准上,★◆“客观独创性”标准又可细分为“与现存作品不构成实质性相似★◆”的“实质性差异标准■◆”◆◆★、满足受众审美需求◆★◆◆“一定审美意义标准■■◆★■★”等;否定论考虑创作过程中作者的思想、人格、能动性◆★■◆◆、创作意图等主观因素,指出人工智能生成内容是应用算法◆★◆、规则和模板的结果,缺少发挥人类聪明才智与体现人类个性的空间★■■★◆,人工智能生成内容因作者不是自然人而无法获得作品资格。

  世界各国对于AIGC的监管框架建立尚处于初步探索阶段。我国《生成式人工智能服务管理暂行办法》第12条规定了服务提供者有义务按照《互联网信息服务深度合成管理规定》对图片★★■、视频等生成内容进行标识。与此同时★★,域外各国也在持续推进人工智能来源标记的立法工作★■■★★★。如美国《深度伪造责任法案》规定,利用“深度伪造★■”技术伪造虚假作品进行传播的★★■■,制作者应采用视觉信息披露、音频信息披露、标识数字水印等方式。美国联邦贸易委员会在《生成式人工智能服务内容标识指南》中要求提供者使用生成式人工智能技术创建或编辑图像、视频、音频或文本时,应当清楚地披露这一事实◆◆。欧盟人工智能法案明确标记AIGC的义务■■,以防止错误信息并确保公众意识到人工智能对内容创作的影响。此外,该法案根据风险等级将人工智能系统划分为最小风险(Minimal risk)、高风险(High risk)■■★、不可接受的风险(Unacceptable risk)和特定透明度风险(Specific transparency risk)四种,将生成式人工智能系统的核心风险定义为缺乏真实性,缺乏真实性的风险部分来自缺乏可验证性。

  但将人工智能生成内容进行无差别贴标,意味着真实信息★★、虚构信息、虚假信息一并被贴上标签,是一种形式标识■◆★,仍将内容质量的辨识义务留给了用户;目前◆■■◆,世界各国普遍采用的加注“是否人工智能生成”的标识制度无法满足人工智能时代的虚假信息、歧视言论★◆■★、信息泄露以及伦理方面等问题治理需求。以我国《生成式人工智能服务内容标识方法》的规定为例,目前仅要求使用服务提供者加注“AI★■■◆■◆”字样或图形以及提供者名称等标志,水印制度相对来说较为粗糙、浅显★■★■★◆。未来应当考虑使用其他更具辨识度和可信度的标识★◆◆◆,如数字水印■■◆■★、区块链与哈希值校验◆★、电子签名★■■★◆、二维码等◆■◆,AIGC提供身份标识和来源证明等★◆★★,方便用户进行核实和评估。数字水印可在不影响内容质量的情况下嵌入标识信息,但容易受到攻击;但缺陷在于无法提供更多信息。区块链作为一种去中心化的分布式账本技术■■,利用哈希值校验机制记录并验证交易信息。哈希值校验是将哈希函数的原理运用到信息识别中,通过对每一个数据单元建立微小的■★◆★“指纹◆★★”实现内容识别功能■★■★。哈希函数可以将初始文件中的数据纷纷打散再杂凑起来,形成一个新的由随机符号组成的字符串■◆★★,即哈希值。目前通行的哈希算法可以使初始文件转化为一个固定长度的字符串,并且通常可以确保每个初始数据经过运算得出不同的哈希值,防止发生“哈希碰撞”◆◆◆★◆★。每个初始文件经过哈希运算后,都可以拥有自己独一无二的哈希值,无论经过多长时间、哈希值始终如一,不能被篡改■◆■★◆◆,一旦文件的各项指标发生变化,都可以被检测出来★◆◆■,因此,哈希身份认证就像人类的指纹一样代表着初始输入内容★◆■■★、保证唯一性和完整性,确保数据不被篡改和伪造。除了内容哈希值校验,还需收集创作时间、创作者(AI系统)、使用的技术参数■★■★、许可协议等元数据,一同打包上链◆◆■◆◆■、便于追踪和验证◆◆。结合智能合约自动处理内容注册、验证查询和版权交易等逻辑,可以确保规则的一致执行◆★。将区块链技术融入AIGC标识体系中,可实现采集数据内容存证,保障标识内容的真实性和可信度★■。现有AIGC标识尚无标准化体系,未来应制定统一的API接口标准★★◆★★,推动不同区块链平台、AI生成内容平台之间的互操作性■■★◆★,促进生态系统的开放与合作。

  原标题:《金旭雯|人工智能生成内容著作权“赋权热”背后的冷思考——从人工智能“文生图”侵权第一案切入》