人工智能生成內容的著作權歸屬

呼琦

摘要：近年來，人工智能愈發凸顯出其價值，隨著深度學習算法的不斷完善，人工智能生成內容已經與人類作品差距越來越小，因此衍生出的新的問題在于：人工智能生成內容的著作權歸屬應當如何確定？盡管人工智能所有者可以取得人工智能生成內容的著作權，但這個著作權是應當受到限制的，至少不能將人工智能所有者認定為作者。

關鍵詞：人工智能 著作權 作者 歸屬

中圖分類號：D923.41 文獻標識碼：A 文章編號：1009-5349（2018）02-0061-03

一、人工智能引發的思考

傳統上來說，人工智能系統只能作為人類創作的輔助工具，或者作為創作的載體而存在。計算機算法的發展使得人機之間的界限逐漸模糊，人類作品與人工智能（Artificial Intelligence）作品已經難以輕易分辨。2016年3月，Google舉辦的“DeepDream： The Art of Neural Networks”拍賣會上，人工智能繪畫作品拍出近萬美元的高價。①同年9月，索尼的人工智能系統通過對龐大的曲庫進行分析進而創作的作品Daddys Car，即使是一個歌曲愛好者也能聽出其中濃郁的Beatles風格。伴隨而生的是這些作品的著作權問題，Google的人工智能生成作品被署上了其操作者的名字，這看上去似乎是合理的，因為人工智能系統尚無法完全獨立生成作品。但隨著深度學習（Deep Learning）算法②的不斷發展，可以預見的是人工智能系統將獲得獨立表達的能力。因此已經不能簡單地將人工智能視為一個輔助工具或載體，人工智能系統創作出的作品的著作權有待人們對其進行充分的認識，進而解決著作權歸屬問題。

首先，人工智能系統生成內容的過程能否被稱為“創作”，能否稱之為“創作”，必須對人工智能的運行原理進行分析。其次，人工智能生成內容能否成為“作品”，如果人工智能生成內容無法成為作品，自然也就沒有對其進行保護的必要。最后，人工智能是否能夠成為著作權的主體。按照傳統民法的理念，進行創作的主體只能是自然人、法人或者其他組織，沒有生命、情感的人工智能，自然不可能成為創作的主體。“著作權保護的起點是作品的創作，而創作作品的人只能是有血有肉的自然人。無論是法人還是其他組織都不可能成為創作作品的人，都不可能成為作者。”③最后需要思考的是，倘若前兩點不能成立，那么需要對AI生成內容進行明確的界定；倘若前兩點能夠成立，則需要尋找一種行之有效的方法去保護AI生成作品的著作權。

二、生成內容與以往的區別

人們時刻都在接受著不同的信息，并且總是能夠輕易地分辨出事物的特征。人們之所以能夠高效地處理外部的信息，是因為大腦會對外部信息進行一種分層處理。“這種層次結構的感知系統使視覺系統需要處理的數據量大大減少，并保留了物體有用的結構信息”④。2006年，加拿大多倫多大學教授、機器學習領域的泰斗Geoffrey Hinton和他的學生RuslanSalakhutdinov在《科學》上發表了一篇文章，向業界展現了深度學習的優勢。他們認為基于多隱層的人工神經網絡的深度學習算法具有優異的特征學習能力，學習得到的特征對數據有更本質的刻畫，深度神經網絡在訓練上的難度，可以通過“逐層初始化”（layer-wise pre-training）來有效克服。⑤人們所熟知的AlphaGo正是深度學習算法和蒙特卡羅樹搜索（Monte Carlo Tree Search）算法結合的產物。深度學習算法增強了AlphaGo對信息的識別度，提升了處理信息的效率；蒙特卡羅樹搜索算法簡單地說就是通過對自己的選擇作出評估，然后評估的結果將會對下一次的判斷產生影響。每一次迭代都會拓展搜索樹，隨著迭代次數的增加，搜索樹的規模也不斷增加。當到了一定的迭代次數或者時間之后結束，就會產生相對最優的選擇。⑥當前人工智能系統所展現的能力，已經不是對龐大信息量的簡單模仿，而是通過對大量的信息進行處理，從而提取其特征，再通過反饋評估進而對系統選擇進行預測。由于是一種模仿人類神經系統的算法，因此與人類大腦的工作方式也非常相似。

以往的計算機系統需要人作為主導，在整個創作過程中計算機只是起到輔助作用，即使是在人工智能發展初期，人也是作為主導對外界事物進行概括以使人工智能抓住其特征。深度學習系統結合蒙特卡洛樹搜索的方式，不斷弱化人機系統中人的重要性，使得人與計算機生成內容的關系愈發疏遠。傳統的計算機生成內容有三種方式：其一，人完全主導，即在創作過程中完全遵照人的意志，計算機只是一個輔助工具，整個作品都沒有摻雜計算機的隨機生成內容。以人通過計算機的寫作、繪畫為例，這時當然只有自然人作為作品的唯一作者。其二，人設定路徑，計算機按照既定方式生成內容。最顯著的體現是在游戲中，游戲軟件開發者對游戲預先設置好可能出現的畫面，游戲操作者對游戲的選擇可能生成不同的畫面，該畫面是計算機按照軟件開發者事前制定的程序而生成的內容。其三，計算機完全隨機生成內容。常見的有一串隨機生成的文字，或者是一段毫無規律的音符，由于它的無序性并不符合人們通常對作品的要求，因此也沒有必要進行保護。三種方式有一個共同的特點，即生成過程必須有人的參與，這種參與必須是深度的，否則計算機無法生成令人滿意的作品。人工智能與以往計算機生成內容最大的區別在于，以往的計算機生成內容往往是通過對作品的模仿生成一定的風格，但生成內容的優劣需要人對其進行判斷。而人工智能在生成作品的過程中，從信息的收集、歸納到判斷，都是通過程序算法自主進行的。如果在這種背景下依然將人工智能生成內容簡單地歸屬于自然人或法人，顯得有悖于人的常識。

三、法律規定與人工智能的沖突

對于著作權的認定通常有三種方式，第一種模式認為，作品只能由自然人創作，只有創作者能原始地享有著作權，法人或其他組織不具有創作能力因而不享有著作權，法德兩國是這種模式的堅定支持者。第二種模式則強調，著作權歸屬于作者為原則，但需兼顧投資者利益，并考慮到創作者的意志，我國和美國、日本都采取了第二種歸屬模式，但我國的歸屬模式與美日又有所不同。第三種模式則強調著作權歸屬于作者為原則，以創作者意志為補充，兼顧投資者利益。⑦endprint

我國法律規定，即使法人或其他組織視為作者，但真正的作者仍應是創作該作品的自然人。這意味著即使人工智能生成內容足以達到人們對于作品的要求，該生成內容依舊是沒有作者的，因為人工智能并非自然人。因此無論采用任何一種歸屬模式，都無法解決著作權的歸屬問題。

另一點則在于人工智能生成物能否成為“作品”以及該過程能否稱為“創作”，《著作權法實施條例》第二條規定“著作權法所稱作品，是指文學、藝術和科學領域內具有獨創性并能以某種有形形式復制的智力成果”，第三條規定“著作權法所稱創作，是指直接產生文學、藝術和科學作品的智力活動”，可以看出對于人工智能生成內容能否成為作品應深究該過程是否存在智力活動，智力活動的產物自然是智力成果，在符合著作權法對于其獨創性要求之后，即可稱之為作品。《辭海》對于智力有著明確的解釋：“獲得知識和運用知識解決實際問題時須具備的心理條件或特征。心理學家對智力有各種不同的解釋。較多的人認為，智力指認識方面的各種能力，包括觀察力、記憶力、想象力、思維能力，其核心是抽象思維能力。”⑧通常人們認為智力是人類所獨有的，但擁有深度學習算法的人工智能系統，也具有一定的抽象思維能力，即模仿人類大腦處理信息的方式，通過對于特定事物的分層處理，進而掌握其核心特征。但事實上很難去認定一個人工智能系統究竟有沒有智力活動，也無法得知作品中究竟有沒有人工智能思想的存在，究其本身來說，也只是一種算法。按照“思想表達二分法”，“無論表達的思想是否相同，只要表達不同即具有獨創性，就可以受到著作權的保護”⑨，因此也就沒必要去深究計算機究竟是否在創作時進行了思想活動，畢竟著作權并不保護思想⑩，因此只要人工智能作品具有獨創性，就應當對其進行保護。

這樣就產生了一個新的沖突，人工智能生成內容可以被稱為作品，但該作品卻沒有作者，即該作品為“無主作品”。隨著人工智能的迅速發展，這種現象就愈發明顯，這樣很不利于人工智能的進一步創作，大量的無主作品會產生數量繁多的糾紛。這種法律與現實沖突的解決方式有兩種，其一是根據著作權法的現有規則，通過補充解釋將權利歸屬于一定的主體；其二是突破性地認定人工智能為自然人、法人和其他組織之外的著作權主體。但這樣也并非能夠解決所有的問題，如果將著作權歸屬于現有法律所規定的主體，那么依舊沒有解決作品作者的問題。

四、對人工智能作品歸屬的建議

現實中對人工智能生成作品著作權的認定，必須從生成作品的過程中人的參與度進行考慮。盡管有學者認為不存在完全由人工智能生成的作品，因此作品只可能歸屬于人。誠然，人工智能在其初期也必須有人對其生成內容進行價值判斷，在人工智能接受大量訓練之后建立自己的數據庫，來通過邏輯算法實現對于生成內容優劣的判斷。但不能因為人類參與而在人工智能價值判斷時而認定作品并非完全由人工智能生成，如果人工智能只是依賴于人的價值判斷而生成作品，那其生成作品永遠無法超越人類。事實上，人工智能在完成初步的價值判斷訓練之后就已經脫離了這種價值的約束，以AlphaGo為例，其真正核心并非科研人員對其進行價值選擇的訓練時期，以科研人員對于圍棋的認識水平不可能擊敗李世石、柯杰等頂級圍棋選手。AlphaGo的真正核心在于，兩個系統相互對弈，在某個步驟不按照價值選擇而是隨機選擇出棋方式，之后再通過全局對這隨機的一步進行價值判斷。因此不能簡單地認為不存在由人工智能生成的作品，人的價值選擇沒辦法完全決定人工智能的作品，在繪畫領域更是如此。

前文提及“突破性地認定人工智能為自然人、法人和其他組織之外的新著作權主體”，從理論上來說，這樣似乎能夠解決所有的問題。但人工智能系統即使擁有著作權，也無法獨立地行使其權利，出現侵權時沒有辦法采取救濟措施。因此，將人工智能生成內容著作權歸屬于人工智能所有者，是一種合理的現實安排，但人工智能所有者不能成為創作者，這一點應在作品中明確。因為作品就其本質來說并非其所有者智力活動的產物，因此若將人工智能所有者視為創作者，將使其獲得不應屬于其的精神利益。

注釋：

①DeepDream： The art of neural networks[EB/OL]. http：//grayarea.org/event/deepdream-the-art-of-neural-networks/.

②深度學習可以理解為神經網絡的發展，神經網絡是對人腦或生物神經網絡基本特征進行抽象和建模，可以從外界環境中學習，并以與生物類似的交互方式適應環境。

③李明德.著作權主體略論[J].法商研究，2012（4）.

④郭麗麗，丁世飛.深度學習研究進展[J].計算機科學，2015（5）.

⑤奚雪峰，周國棟.面向自然語言處理的深度學習研究[J].自動化學報，2016（10）.

⑥Y.Tian，Y.Zhu.Better Computer Go Player with Neural Network and Long-term Prediction[J].Computer Science，2015.

⑦曹新明.我國著作權歸屬模式的立法完善[J].法學，2011（6）.

⑧舒新城.辭海[M].上海：上海辭書出版社，2009：2948.

⑨詹啟智.著作權論[M].北京：中國政法大學出版社，2014：5.

⑩《著作權法》（送審稿）第9條：“著作權保護延及表達，不延及思想、過程、原理……”

熊琦.人工智能生成內容的著作權認定[J].知識產權，2017（3）.

參考文獻：

[1] DeepDream： The art of neural networks[EB/OL]. http：//grayarea.org/event/deepdream-the-art-of-neural-networks/.

[2]李明德.著作權主體略論[J].法商研究，2012（4）.

[3]郭麗麗，丁世飛.深度學習研究進展[J].計算機科學，2015（5）.

[4]奚雪峰，周國棟.面向自然語言處理的深度學習研究[J].自動化學報，2016（10）.

[5]Y.Tian，Y.Zhu.Better Computer Go Player with Neural Network and Long-term Prediction[J].Computer Science，2015.

[6]曹新明.我國著作權歸屬模式的立法完善[J].法學，2011（6）.

[7]舒新城.辭海[M].上海：上海辭書出版社，2009：2948.

[8]詹啟智.著作權論[M].北京：中國政法大學出版社，2014：5.

[9]熊琦.人工智能生成內容的著作權認定[J].知識產權，2017（3）.endprint