論人工智能生成數據法律保護的多元分層模式
——兼評“菲林案”與“Dreamwriter案”

刁勝先，秦興翰

(重慶郵電大學 網絡空間安全與信息法學院，重慶 400065)

一、人工智能及其生成數據的界定

人工智能的認識和定義是討論人工智能生成結果法律問題的前提，所以有必要先對其進行界定，以統一尺度，利于其他問題得以討論。

(一)人工智能的界定

人工智能(artificial intelligence，AI)又被稱為計算機智能或機器智能，這類“智能”是以人為方式來制造、區別于人類智能的自然智能。與普通計算機系統相比，具備自主學習能力是人工智能的一大標志，即“智能”的體現。

1.符號主義、聯結主義與行為主義

目前學界尚未對人工智能的定義達成共識，權威書籍中也出現多種界定[1]，主流觀點有三種，即符號主義、聯結主義與行為主義。這三大主流觀點不管是在人工智能理論上還是在人工智能方法上，都進行了激烈的探討。

符號主義認為，人與計算機都是一個物理符號系統。而人工智能的核心問題是知識表示、知識推理、知識運用，這是一個符號操作過程。所以，人工智能的研究方法為功能模擬方法，即通過計算機的符號以及對符號的操作來模擬人對知識表示、知識推理、知識運用的過程，實現人工智能。

聯結主義則有不同的看法，它認為人腦不同于計算機，人的思維基元是神經元，而不是物理符號。人工智能源于仿生學，其研究方法應為結構模擬方法，即模擬人的神經網絡結構。結構與功能、智能行為是有緊密關系的，不同的結構可以展示出不同的功能和智能行為。2006年，多層神經網絡模型的提出，標志著機器學習進入深度學習的階段，與其他算法合力推動人工智能熱潮發展到今天的水平[2]。

行為主義卻從另一角度看待這個問題，它認為人工智能的智能行為應是一種從感知到動作的模式，即根據感知到的情報，做出下一步動作。所以，該觀點在研究方法上傾向于行為模擬方法，不去糾結于人類的智能行為是否是一種符號，同時也認同功能、結構和智能行為是不可分割的。但人工智能行為主義觀點的缺陷也很明顯，雖然可以與人類智能一樣發展、進化，卻又更像是一種在計算機內設置好了條件，接著就做出相應動作的程序而已。

2.人工智能的分類

以智能范圍與程度為標準，可將AI分成弱人工智能、強人工智能和超人工智能[3]。所謂弱人工智能，是指各種模擬人或動物智能解決各種問題的技術[4]。“強人工智能”一詞由約翰·希爾勒(John Searle)首創，他認為計算機不僅僅是用來研究人的思維的一種工具，相反，只要運行適當的程序，計算機本身就是有思維的[5]。這也成了研究者對強人工智能定義的準則，即強人工智能擁有自主意識，能做出自主行為。超級人工智能(ASI) ，指遠遠超過人類智慧的人工智能，是強人工智能充分發展的下一個階段，其技術特征表現為具備強大的自我學習、自我凈化、自我循環和自我修復的能力，可能完全擺脫人類的影子[6]。綜上，弱人工智能相較于其他兩種人工智能適用范圍更窄，而超人工智能對比強人工智能的智能程度更高。弱人工智能建立在算法基礎上，但算法本身不能建立強人工智能[7]。強人工智能所需求的自主意識并不會從算法中產生，以至于現今并無任何強人工智能的實例出現。所謂“強”，指超越工具型智能而達到第一人稱主體世界內容的涌現，還包括意向性、命題態度，乃至自由意志的發生[8]，并不僅僅局限于智能程度的強弱之分。

目前，人工智能正以驚人的速度向“合成智能”與“人造勞動者”兩大領域推進[9]。但新一代人工智能的發展速度并沒有我們想象的那么快，人工智能技術的實現，需要硬件、軟件和數據的三足鼎立[10]。而現今計算機的計算能力與圖靈時代相比并無本質上的進步，人工智能的訓練也面臨著數據篩選、數據標簽等難題。也許機器永遠不會具有人類智能，因此，在可預見的未來不會出現超越或控制人類的機器[11]。

3.人工智能的法律解釋

《今日簡史》中尤瓦爾·赫拉利曾斷言：“到21世紀，數據的重要性又會超過土地和機器，等到太多數據集中到少數人手中，人類會分裂成不同的主體。”[12]59顯然，人工智能的廣泛運用正在驗證著該判斷，相關法律問題也隨之涌現。但對于人工智能界定上的爭論，使得何為人工智能在計算機領域仍是一個未知問題，更有一些研究者認為人工智能自身就是一個偽命題。從法律意義上看，筆者認為用行為主義觀點來解釋人工智能較為合適，理由如下。

首先，符號主義和聯結主義的矛盾點不僅僅是計算機領域的難題，還是生物領域的難題。在生物學界解開智能行為是否是一種符號或者符號操作的問題前，這將是一個永遠的謎。繞開這個問題，從其他角度分析與定義什么是人工智能才是應對當下問題的方法。

其次，由聯結主義理論為基礎所誕生的人工神經網絡算法有著舉足輕重的地位，但是并非不可被其他算法所替代。弱人工智能時代，人工智能僅能在某一個領域得到實現。在不同領域實現人工智能，不同的算法有著自身的優劣，人工神經網絡算法相對于其他算法并非絕對的選擇。即使2006年提出的多層神經網絡模型為人工智能的發展有著巨大的貢獻，也不可忽視由其他理論衍生出的算法在人工智能應用中所起的作用，因此，使用聯結主義的觀點來定義人工智能并不全面。

最后，法學研究應依附于現有技術環境，即當下為弱人工智能技術，行為主義符合現實表現。有學者將現在的人工智能稱作是弱人工智能，以區分如不二雄筆下的貓型機器人哆啦A夢那樣擁有感情和自主意識的強人工智能[4]。現在的人工智能領域還沒有出現關于強人工智能的應用，同時該領域極可能長期處于弱人工智能階段(1)從計算機發展過程看，現在計算機的計算能力和圖靈時代的計算機并無本質區別，計算能力差距不大。即使到了今天，看似萬能的計算機也無法產生一個大素數或是產生一個隨機數。。所以，著眼當下，采取行為主義來定義人工智能是合理的。

法學學者在研究何為人工智能時，不僅要關注其本質，更要注意其應用的社會環境，特別是在其概念還存在巨大爭議時。在Alpha Go接連戰勝柯潔、李世石這樣的圍棋大師時，人們會因為Alpha Go根據感知到的棋面局勢而做出了高明的布局，將其稱為人工智能，卻不會關心其智能行為是通過符號模擬或是計算機仿生神經網絡結構來實現的；在微軟小冰寫出一首優美的現代詩時[13]，人們會因為小冰感知到了外部的畫面而寫出相關詩句將其叫作人工智能，卻不會在意人與計算機是否都是一個物理符號系統。在這樣的社會環境下，被稱作“人工智能”的事物，往往都屬于先感知再動作的模式，以行為主義來定義當下社會認為的人工智能較為合適。社會決定法律，由社會上對人工智能的理解來影響其在法學中的概念，是比較合理的。

綜上，本文所稱人工智能，更傾向于行為主義觀點，是指自身通過感知外部，進而做出相應智能行為并能不斷自我學習、自我改進的計算機程序。

(二)人工智能生成數據的概念與特點

1.對人工智能生成結果的不同稱謂

對于人工智能生成的結果，目前學界的稱謂主要有：生成物、生成內容、生成作品、生成成果和人工智能智力成果。

“生成物”是比照民法“有體物”這一物權客體的類比性說法，一方面，較為形象和熟悉地顯示出人工智能生成結果在法律上與“物”相似的客體地位；另一方面，可以引導大家參照“物權”等既有制度的思維去探尋其保護規則。因此，該種說法較為親切，易于理解，但其缺陷在于對人工智能生成結果不同于民法上“物”的“非物質性”的關注不足，未落腳在二者的差異性上，不利于區分二者進而揭示各自的本質內涵與獨有特點。

“生成內容”避免了“生成物”的不足，但在著作權保護的“思想與表達相區分”的二元劃分中，“內容”這一表述容易與“思想”混淆，同時，人工智能生成結果的法律保護未必都限于內容層面，其形式也值得法律保護。

“生成作品”的表述已事先承認人工智能生成結果構成作品，主觀立場非常明確，雖然避開了生成結果是否可以構成作品的爭論，但是一方面對不構成作品的生成結果無法涵蓋，另一方面欠缺中立、客觀的態度。

“生成成果”的表述帶有知識產權法“智力成果”說法的烙痕，避開了“物”與“非物質”范疇的對立，但何為“成果”，對此進行靜態界定與動態認定又具有主觀性，致使該表述不能涵蓋人工智能生成的所有結果。

“人工智能智力成果”的觀點認為，人工智能的智力成果已經發展到與人類創作的作品無異，不能因為產生作品的主體具有特殊性而否決作品本質，以“孤兒作品”制度、“視為作者”原則安排人工智能作品的著作權的歸屬是不錯的選擇[14]。該稱謂將人工智能生成結果完全納入人類的智力成果范疇，忽略“智能”與“智力”的區別，未區分人工智能與人類智力在著作權法的不同意義，故有待商榷。

上述表述與稱謂的產生，與目前學術界主要在著作權范圍探討人工智能生成結果的保護有關。事實上，人工智能生成的結果，從客觀中立的角度看，可以稱為“數據”，我們完全可以跳出“著作權”的窠臼，從整個法律體系中尋求其保護模式。為求客觀，本文對人工智能生成的結果叫作“人工智能生成數據”，以下簡稱“生成數據”(援引的相關資料中的原有稱謂在原語境下予以保留和沿用)。

2.人工智能生成數據的內涵

人工智能生成數據是由計算機通過人工智能技術生成的記錄知識在內的各種信息的非物質形式的數據。其特點有：(1)非物質性。這是生成數據不同于傳統民法中“物”的特點，它是一種數據形式的、對于信息的記錄，可以表現為符號、代碼、文字、圖形等，但不屬于物理實在的世界，而屬于思維認知的抽象范疇。(2)內容載體復合性。對于信息和知識而言，數據是一種載體，是對知識與信息等內容的一種記錄。但同時，數據本身也是一種內容，可以直接成為保護客體，尤其是當用以記錄信息的是文字、圖形等可被人類直接認知和理解的形式時，數據就是信息本身。(3)可復制傳播性或可再現傳播性。數據屬于非物質的信息記錄，可再現于不同的其他載體上，包括紙張等有形載體與網絡等無形載體。數據本身一旦確定，在“質”上就只是同一客體，不會因為再現而變成多個。但是，數據可因其載體的復制而不斷再現，從而被傳播開去。因此，其可復制傳播性不是指其本身被復制為多個不同的“質”，而是指其載體具有可復制性，使其得以再現而具有傳播性，這是不為物權的“物”所具備的特點。(4)生成過程的智能性。知識產權保護的客體——知識財產，同時具備生成數據的前三個特點，但在生成過程中，屬于人類心智產生的“智力成果”，不是機器或計算機程序的“智能成果”。而在人工智能生成數據的過程中，對被“投喂”的基礎數據的感知與解析必不可少，這正是人工智能生成中智能行為的體現。沒有感知和解析的計算機或計算機軟件，人工智能就不具備面對不同場景、做出不同行為的能力，其生成結果就只是機械化產物，和人工智能無關。由于生成數據來源于人工智能的智能化生成過程，因而具有“智能性”，但不是“智力性”，更談不上人類生成中源于思想倫理的“理性”“感性”與“靈性”。

二、人工智能生成數據法律保護的觀點與判例評析

從上述特點看，生成數據與“物”截然不同，而與知識財產的分野首先在于是具有“智力性”還是“智能性”。這決定其法律保護不能簡單套用既有的物權與知識產權保護模式。但是，目前對于人工智能生成數據法律保護的探討，學術界與司法判例都主要圍繞著作權保護展開。對此進行梳理分析，有利于探尋新的模式。

(一)學術觀點評述

對人工智能生成數據的法律保護，學界的研究討論主要集中在著作權保護領域。有學者認為其研究脈絡分為兩個階段[15]28：第一階段主要討論強人工智能技術背景下人工智能生成數據是否構成作品及相應的權利保護模式選擇[16]，具體有特殊作品制度保護模式(2)即參照適用法人作品、職務作品、雇傭作品等制度保護人工智能生成物,并由人工智能相關權益主體享有著作權。(參見吳漢東：《人工智能時代的制度安排與法律規制》，《法律科學》(西北政法大學學報)2017年第5期，第128-136頁)、一般作品制度保護模式(3)將人工智能的所有權人、使用者等主體擬制為作者，并根據著作權法作品的一般規則進行保護。(參見孫山：《人工智能生成內容的著作權法規制——基于對核心概念分析的證成》，《浙江學刊》2018年第2期，第113-120頁)、鄰接權保護模式(4)否定人工智能生成物的作品屬性并主張采用鄰接權制度提供保護。(參見陶乾：《論著作權法對人工智能生成成果的保護——作為鄰接權的數據處理者權之證立》，《法學》2018年第4期，第3-15頁；許明月、譚玲：《論人工智能創作物的鄰接權保護——理論證成與制度安排》，《比較法研究》2018年第6期，第42-54頁；何培育、蔣啟蒙：《人工智能生成物的著作權保護路徑探析——兼評人工智能生成物著作權第一案》，《重慶郵電大學學報(社會科學版)》2020年第4期，第33頁)、特殊著作權制度保護模式(5)比較研究歐盟數據庫保護制度、英國計算機生成作品制度以對人工智能生成物保護問題提供借鑒與啟示。(參見李俊：《論人工智能生成內容的著作權法保護》，《甘肅政法學院學報》2019年第4期，第77-85頁)、民法孳息保護模式(6)該說認為現行著作權法難以保護人工智能生成物，主張回歸民法孳息理論認定生成物歸屬問題。(參見黃玉燁、司馬航：《孳息視角下人工智能生成作品的權利歸屬》，《河南師范大學學報(哲學社會科學版)》2018年第4期，第23-29頁；林秀芹、游凱杰：《版權制度應對人工智能創作物的路徑選擇——以民法孳息理論為視角》，《電子知識產權》2018年第6期，第13-19頁)和不正當競爭法保護

模式(7)該學說認為，在人工智能生成物已投入市場經營、其相關權益主體與侵權人具有競爭關系時，可適用《反不正當競爭法》一般條款進行救濟；對于非競爭關系的使用行為，人工智能生成物仍應當進入公有領域并成為社會的共同財富。(參見何培育、蔣啟蒙：《人工智能生成物的著作權保護路徑探析——兼評人工智能生成物著作權第一案》，《重慶郵電大學學報(社會科學版)》2020年第4期，第33-34頁)六種。在人工智能生成數據著作權研究的第二階段，學界開始對以強人工智能乃至超人工智能為技術背景而展開的法學研究現象提出了質疑，認為對以超前技術所假想的法學問題進行研究并無現實意義，人工智能的法學研究應當回歸理性[15]29。代表學者有劉艷紅[17]、李琛[18]、王遷[19]等。不正當競爭法保護模式則為兜底保護方式，在上述模式不能救濟時，涉及競爭利益損害的可予以兜底保護，其余保護方式均存在一定的合理性，但也有尚值斟酌之處。

1.著作權保護模式的合理性與不足

著作權保護模式認為，人工智能生成數據構成特殊作品或一般作品而取得著作權，對其采取特殊著作權制度保護。該部分學者雖然在作品的性質特點上存在認識分歧，但其學術共識是“人工智能生成數據可以構成作品，具備作品‘獨創性’和‘可復制性’的要件”，其前提是對著作權法上作品的構成要件采取客觀要件說，這對于尊重人工智能相關主體的法律權益、保護人工智能產業發展，具有積極的促進效果，特別符合英美“版權”法律體系下注重經濟利益的實用工具主義價值理念與追求。

但是，該種觀點忽略了作品要件中的主觀因素，對于“人的智力性”未加考量，并將其與人工智能的“智能性”等同而忽略其區別，因而遭到“作者權”或“著作權”體系學者的強烈反對，尤其在我國的這種現實立法體系下無法得到司法適用。人的智力性包含了人特有的思想性、情感性、靈性和思維等內涵，是人工智能無法替代的“人性”，因而，對于大陸法系國家“作者權”理念指導下的作品構成要件，是離不開主體要素的。如果對二者不加區別、一同納入作品范疇，那么，人工智能快速、簡易、規模化生成的大數據將極大地擠占人類作品的地位，從而在功利極大化的追求中，人類也將被機器所擠占。該點分歧，導致人工智能生成數據是否構成作品的贊成派與否定派形成水火不容的對立狀態。

2.孳息保護模式的合理性與不足

人工智能生成數據的孳息保護模式屬于傳統民法物權保護范疇。該種觀點將人工智能視作傳統物的延伸或擴張，人工智能被其所有者主體“投喂”數據養料后產出的結果，類似于傳統民法中麥苗結出的麥穗、母豬生下的小豬等孳息，進而可確定其歸屬。該種保護模式拋開“作品”的構成要件，跳出著作權的爭議范疇，著眼于人工智能生成數據的財產價值，關注其權利歸屬，進而起到定分止爭、促進秩序的作用。客觀上講，傳統民法孳息與人工智能生成數據的產生過程具有較大的相似性，適用其規則確定其權利主體具有合理性和可操作性。但是，該種辦法只是權宜之計，難以長遠存在。因為該種觀點忽略了人工智能生成數據與民法孳息中“原物”及其“孳息”在客體屬性上的本質區別。傳統孳息屬于物權客體的實物財產范疇，不具有可復制性、可傳播性、可共享性等特點，而生成數據具有不可獨占、可復制傳播分享利用、不發生物理損耗等特點，這使二者在定性、權益分配和保護上不適宜生搬硬套。同時，歸屬主體上，孳息歸屬于原物所有者，法律關系簡單。但是，人工智能生成數據法律關系涉及設計者、投資者、所有者、使用者等不同主體，這些主體可以為同一主體，更多情形下卻各不相同，這就不能簡單適用孳息權利規則來解決其權利歸屬。

3.鄰接權保護模式的合理性與不足

有學者認為，“人工智能創作物具有可版權性，可稱為智能作品”，但主張其上所載的權利是“一種廣義的鄰接權，因為這項權利應該是為了保護投資利益而存在的，因此，權利屬于人工智能的所有者或者使用者”[20]。還有學者主張，“人工智能生成成果既包括滿足獨創性標準的內容，也包括不具有獨創性的內容。對人工智能生成成果統一予以鄰接權保護，乃基于其是否有財產價值，而非基于其是否有獨創性”[21]。另有學者主張，“鄰接權保護則有助于緩解人工智能創作物保護與著作權原理的沖突，同時能合理配置人工智能創作的利益關系。投資、組織、控制人工智能創作的主體應為權利人”[22]。

鄰接權制度與人工智能生成數據的法律保護在價值上存在契合。但是，鄰接權是與著作權相鄰接的權利，其存在需以相關的著作權為前提，適用鄰接權制度對具有可版權性的作品進行保護明顯與著作權法理相悖。如果針對有獨創性的生成數據設立鄰接權，那么，該“獨創性”應該到達何種程度？而“獨創性”的要求是否與鄰接權本質相符？一方面，既然承認人工智能生成數據具有可版權性、構成智能作品，就應當對其設立著作權，而不是鄰接權，否則就不應當承認其構成作品。正如我國現有鄰接權保護的表演者的表演結果、音像制作者的制作結果、廣播組織的廣播信號和出版者的版式設計結果只是作品傳播結果，不構成作品。另一方面，如果對不具有獨創性的數據也設立鄰接權，那和獨創性結果的鄰接權有何區別呢？對此，該學說中不甚明了。

鄰接權思路下，人工智能應被歸入作品，其上存在人工智能著作權，同時，人工智能被“投喂”的基礎數據也可能有著作權，人工智能生成數據如果是鄰接權客體，應該是與這些著作權相關聯的鄰接權。這樣，生成數據的鄰接權人就是對人工智能和“投喂”的基礎數據作品的傳播者，而不應當是人工智能所有者。如果人工智能與基礎數據不構成作品，那么運用該兩者生成的結果，還構成“與作品或著作權相關的結果”嗎？如果不構成，鄰接權又如何談起呢？可見，“廣義鄰接權”的觀點存在自相矛盾之處，突破了著作權與鄰接權的基本界限，消解了著作權客體與鄰接權客體的應有區別，不能完全解釋生成數據面臨的理論問題。

(二)我國有關人工智能生成數據的司法判例評析

1.案情簡介

2018年9月9日，北京菲林律師事務所(以下簡稱菲林律所)通過微信公眾號發表了一篇涉及人工智能程序生成的文章。次日，北京百度網訊科技有限公司(以下簡稱百度公司)在其經營的百家號平臺里轉載該文，該公司提供的被訴侵權文章“刪除了原告為整個系列作品創作的引言、檢索概況，電影行業案件數量年度趨勢圖和結尾的‘注’部分”(8)參見北京互聯網法院民事判決書(2018)京0491民初239號。，其他內容與原告涉案文章相同。菲林律所一紙訴狀將百度公司告上法庭，認為百度公司侵犯其著作權。百度公司則以涉案文章為統計數據分析軟件生成，不屬于《著作權法》保護范圍為由進行抗辯[23]。此案在2019年5月一審宣判，法院判決認為涉案文章中文字內容屬于原告主持創作的法人文字作品，也對其中由人工智能技術自動生成的圖形等內容做出“不屬于圖形作品”的認定。至此，近年來在國內外已經引發數次爭議的人工智能生成數據著作權保護問題又一次成為話題。該案被稱為國內人工智能生成結果著作權糾紛的第一案(以下簡稱“菲林案”)。

隨后，2019年12月判決的騰訊公司訴上海盈訊科技有限公司抄襲其所有的利用Dreamwriter軟件撰寫文章一案，被媒體認為是“全國首例認定人工智能生成的文章構成作品”案件[24](以下簡稱“Dreamwriter案”)(9)參見廣東省深圳市南山區人民法院民事判決書(2019)粵0305民初14010號。。但是從專業角度看，該媒體的表達會引起重大誤會和混亂。原告騰訊公司主張Dreamwriter計算機軟件系由原告關聯企業騰訊科技(北京)有限公司自主開發的一套基于數據和算法的智能寫作輔助系統。涉案文章系由原告主持，創作團隊代表原告意志創作，并由原告承擔責任的作品，其作者應為原告，其著作權歸原告。法院從涉案文章的外在表現形式與生成過程進行分析，認定Dreamwriter只是原告的寫作“助手”，認定該文章由Dreamwriter軟件在技術上“生成”的創作過程滿足《著作權法》對文字作品的保護條件，涉案文章屬于我國《著作權法》所保護的文字作品。因為涉案文章的特定表現形式源于創作者個性化的選擇與安排，是原告主持下，由包含編輯團隊、產品團隊、技術開發團隊在內的主創團隊運用Dreamwriter軟件完成，系原告主持創作的法人作品②。

2.判決分析

(1)“軟件自動生成不構成創作”的驗證方法

菲林案中，原告涉案文章內容包含圖形與文字內容，圖形部分屬于威科先行庫自動生成的大數據分析報告的一部分，是原告基于收集的數據，利用威科先行庫軟件自動生成，雖然會因數據變化呈現出不同的形狀，但該不同是基于數據差異，而非創作產生。法院判決該圖形不符合圖形作品的獨創性要求，其驗證方法與理由是：相同的基礎數據+不同使用者+相同軟件=相同圖形；常規圖形類別展示的數據+不同使用者+不同軟件=相同表達。

對于涉案文章的文字部分，法院認為并非威科先行庫“可視化”功能自動生成，因而具有獨創性，是原告獨立創作完成，構成文字作品。法院驗證方法與理由是：組織雙方當事人對威科先行庫“可視化”功能進行勘驗，由被告提供相應搜索關鍵詞，依次自動生成大數據報告1、2，然后同涉案文章進行比對，發現二者文字內容及表達完全不同。

(2)“寫作助手”的認定因素：時間過程+獨創性融入(個性化選擇與安排)

Dreamwriter案中，法院從涉案文章的外在表現形式與生成過程來分析，認定Dreamwriter只是原告的寫作“助手”，認定該文章由Dreamwriter軟件在技術上“生成”的創作過程滿足《著作權法》對文字作品的保護條件，涉案文章屬于我國《著作權法》所保護的文字作品。因為涉案文章的特定表現形式源于創作者個性化的選擇與安排，是原告主持下，由包含編輯團隊、產品團隊、技術開發團隊在內的主創團隊運用Dreamwriter軟件完成，系原告主持創作的法人作品(10)參見廣東省深圳市南山區人民法院民事判決書(2019)粵0305民初14010號。。由此得出法院邏輯：涉案文章不是完全由人工智能生成的文章，人工智能只是原告的工具助手，該文章的真正作者不是人工智能而是原告，因此，在滿足獨創性等條件下，該文章可以構成作品。但是，媒體用語《首例！法院認定人工智能生成的文章構成作品》[24]會對該案造成兩個專業誤解：一是人工智能Dreamwriter可以獨立創作，生成文章；二是Dreamwriter獨立生成的文章可以構成作品，進而人工智能可以成為作者。這兩點在既有的主流學術理論和現行實施的法律框架中都不成立。

AI自動生成(撰寫)與自然人創作是否是一回事，成為兩個案例判決認定的關鍵前提。菲林案中，在對涉案文章是否屬于作品進行認定之前，法院對由威科先行庫自動生成的分析報告的性質與權益歸屬等問題進行了分析判斷，認為該報告系威科先行庫利用輸入的關鍵詞與算法、規則和模板結合形成，即使報告具有獨創性，但因其不是自然人創作完成，所以，仍不是著作權法意義上的作品，依然不能認定威科先行庫是作者并享有《著作權法》規定的相關權利。該認定明確了以下幾點：第一，主體上，作品的作者只能是自然人，不能是沒有自然人介入的純粹的人工智能；第二，行為上，“利用輸入的關鍵詞與算法、規則和模板結合形成”的生成過程不屬于自然人的創作行為，對其結果談不上作品范疇；第三，結果上，如果“利用輸入的關鍵詞與算法、規則和模板結合形成”的生成過程是指人工智能完全的自動生成過程，其生成數據在客觀上就可以表現出“獨創性”。

受菲林律所案的影響，Dreamwriter案中，原告騰訊公司即使在涉案文章末尾注明“本文由騰訊機器人Dreamwriter自動撰寫”，但在訴訟中極力主張Dreamwriter軟件為智能寫作輔助系統，以避免得到涉案文章不屬于作品的判決結果，避免法院僅將Dreamwriter軟件自動運行的過程視為創作過程，從而因計算機軟件不能成為作者而否定涉案文章的作品屬性。本案中，原告主創團隊在數據輸入、觸發條件設定、模板和語料風格的取舍上的安排與選擇屬于與涉案文章的特定表現形式之間具有直接聯系的智力活動。此處，該案法官超越菲林案僅限于“利用輸入的關鍵詞與算法、規則和模板結合形成”的表象認定，從“自動生成”的幾分鐘時間，進一步深入溯源到“數據輸入、觸發條件設定、模板和語料風格的取舍上的安排與選擇”的全過程，去探求自然人的“獨創性融入”。

從整個生成過程來看，Dreamwriter軟件自動生成涉案文章的、確實沒有人參與的這兩分鐘時間，是否構成創作過程？法院認為，這僅僅是計算機軟件運行既定的規則、算法和模板的結果，且Dreamwriter軟件的自動運行并非無緣無故或具有自我意識，其自動運行的方式體現了原告的選擇，也是由Dreamwriter軟件這一技術本身的特性所決定(11)參見廣東省深圳市南山區人民法院民事判決書(2019)粵0305民初14010號。。判決明確表明：軟件不是創作主體，只是創作工具；軟件自動生成的時間不是創作的全部時間，而只是最后時間，創作更多在于團隊人員的選擇、編輯等過程。可見，該案判決邏輯依然是原有邏輯，將利用機器人、運行機器人完成的作品，認定為傳統創作范疇，只是形式上加入了機器人的參加，這樣避開了“機器人完全自動創作的作品”這個話題帶來的爭議。

(3)菲林案判決中懸而未決的問題：不構成作品但仍有權益

可以認為，菲林案與Dreamwriter案的判決邏輯完全相同，但是對“自動生成”的“創作性”與過程中自然人“獨創性融入”的事實分析差別較大，將后者的判決分析運用到菲林案，似乎仍有變數。盡管如此，菲林案中，明確的“不構成作品的部分作為人工智能生成數據”仍受到法律保護的結論存在非常現實的啟發意義。

關于菲林案，法院指出，不構成作品部分的人工智能生成數據，雖然不受著作權保護，但這不意味著該分析報告進入公有領域而可以被公眾自由使用。因為分析報告的產生凝結了軟件研發者(所有者)和軟件使用者的投入，具備傳播價值，應賦予投入者一定的權益保護，以促進其傳播和發揮效益。法官進一步認為，為激勵軟件使用者的使用和傳播行為，應將分析報告的相關權益賦予其享有，同時，軟件使用者不能以作者身份在分析報告上署名，但是，可以采用合理方式表明其享有相關權益，并從保護公眾知情權、維護社會誠實信用和有利于文化傳播的角度出發，在分析報告中添加生成軟件的標識以標明系軟件自動生成。

一方面，菲林案法官認定完全由人工智能生成的數據不構成作品，不受著作權保護；另一方面認為該生成數據凝結有勞動價值，相關權益應受法律保護。但是，判決中并沒有明確該權益的稱謂，筆者將其叫作數據權益，特指與個人信息不相關的、不具有人類創造性但凝聚有勞動價值的數據所具有的、應受法律保護的權益，屬于我國《侵權責任法》第2條規定的“財產權益”和《民法典》第3條規定的“其他合法權益”(12)《侵權責任法》第2條規定：侵害民事權益，應當依照本法承擔侵權責任。本法所稱民事權益，包括生命權、健康權、姓名權、名譽權、榮譽權、肖像權、隱私權、婚姻自主權、監護權、所有權、用益物權、擔保物權、著作權、專利權、商標專用權、發現權、股權、繼承權等人身、財產權益。《民法典》對該條有所改動，其第3條規定：民事主體的人身權利、財產權利以及其他合法權益受法律保護,任何組織或者個人不得侵犯。。對該權益，菲林案法官論述其價值在于傳播，指出其權益主體是“投入者”，包括軟件研發者(所有者)和軟件使用者，且權益主體不具有“作者署名權”，但可添加“軟件自動生成標識”。這里，與其說添加“軟件自動生成標識”是數據權益主體的權利，不如說是其義務，因為其目的是保護公眾知情權、維護社會誠實信用和有利于文化傳播。而對投入者如何以合理方式表明其享有的相關權益，法官除了反面排除其“作者署名權”之外，并沒有正面指出具體方式，不利于數據傳播中對權益主體的識別和尊重。因此，筆者認為，對于這些數據，權益主體不能自詡為作者，但可以有“權益主體署名權”，比如標明“本數據由人工智能某某自動生成，權益主體是某某某”等。

3.小 結

上述兩案是近年來我國人工智能生成數據著作權保護爭議的代表案例，在人工智能觀念已被普及的年代受到了極大關注。兩案判決都堅守主客觀統一的作品構成要件和以自然人為創作主體的紅線。但在數據生成過程中，如何區分人類的介入與完全的自動生成，兩案的不同分析成為其判決的不同基礎。菲林案中論述的軟件自動生成是否構成創作的驗證方法與Dreamwriter案以“時間過程+獨創性融入(個性化選擇與安排)”來考量人工智能是否屬于“寫作助手”的思路，在理論與現實層面都具有極強的啟示價值，二者的結合運用，對于認定人工智能生成行為的“創作性”將具有更強的說服力。

菲林案中，法官根據我國現行法律對案件中的人工智能生成數據做出不屬于作品的認定，又對分析報告不可被公眾自由使用、軟件使用者可以采用合理的方式表明其享有的相關權益等進行了細致的分析(13)參見北京互聯網法院民事判決書(2018)京0491民初239號。。但是遺憾的是，由于訴求的限制，對于被告僅對涉案文章中自動生成、不構成作品的分析報告進行轉載的行為，判決中沒有進一步明確其性質和法律后果，其中原告的權益性質與內容也不甚清晰。當然，法院在認定人工智能生成的該分析報告不成為作品后，對其應受到的保護論述并不是必須進行論述，這段分析更像是法院在面對有價值之物、認為應受到保護卻又無法可依時，做的一次積極大膽的嘗試。

就目前的弱人工智能階段，學者探討中所謂的人工智能自動生成，主要指完全沒有人介入或不應歸功于人的行為的生成過程。Dreamwriter案將人工智能“生成時間”從其算法單純運算出結果的短時間上溯到“數據輸入、觸發條件設定、模板和語料風格的取舍上的安排與選擇”的先行過程，并強調該過程中人類的創意融入，最后契合現有法律規定而得出判決。按這種分析與解釋方法，目前弱人工智能階段出現的所謂“自動生成”都可以納入人類創作的輔助或工具行為，也就沒有太多討論價值與懸念所在。

兩案對“自動生成”行為的不同分析與認識并不會對兩案的判決結果造成不同影響，法院依然運用現有的法律依據進行了判決。目前，這樣的操作方式可以自圓其說、解決個案中的問題。但是，除了菲林案中明確人工智能自動生成的分析報告具有價值、應受保護、但不屬于作者框架下的“作品”之外，學界探討的其他問題并沒有得到司法回應，人工智能完全自動的“獨創生成”與人工智能僅作為工具輔助作者生成之間的界限和區別不僅沒有被強化和合理突出，仍處于含糊狀態，而且“自動生成”的使用語境不統一、含義較模糊。此外， AI生成數據的分類還需進一步明確，客觀上不具“獨創性”數據的權益屬性與保護需要探索。所以，目前就人工智能生成數據的著作權法保護問題，該判例只是當下無法可依時的權宜之計，而非長久的根本之計。

(三)人工智能生成數據法律保護的困境與原因

綜上，對于人工智能完全自動生成或人為介入極少情況下生成的數據，學界基本達成的共識是：具有財產價值，應當提供法律保護。但是在保護路徑上，認識極不統一，甚至存在對立觀點，表現出保護不暢的困境，其原因如下。

1.對人工智能生成數據的認識與研究不足

既有的討論中，人工智能生成數據被局限于客觀上具有獨創性的一小部分外延，進而糾纏于人類作者主體要不要被人工智能突破的理論與立法上，而對生成數據中不具有獨創性但依然具有人格或財產價值的其他數據鮮有關注。事實上，在客觀形式上與既有作品比對，人工智能生成數據既可能有獨創性，也可能沒有獨創性，但都凝聚著相關勞動，具有財產價值。如果涉及個人信息，該生成數據則還承載著人格價值；如果涉及國家與社會利益，則還事關國家主權、國家安全與社會公共利益等價值。如果不跳出“作品”與“作者”的范疇而站在更高層面看待，則該生成數據的法律保護將是極其狹窄和偏頗的。

2.數據財產的立法保護過于滯后

人工智能生成數據中，涉及個人信息的，需要遵守個人信息法律規定。本文關注的是與個人信息無關、具有財產價值、意在傳播利用以發揮效用的數據。人工智能不論是自動生成，還是被作為工具與人結合生成的結果數據，在客觀上可簡單分為有獨創性與無獨創性兩類。從兩判例來看，通過分析解釋可知，對有獨創性的數據，目前不存在真正的“自動生成”，而是人類的創作行為，因而均可納入人工智能開發者或使用者的著作權范疇加以保護。對不具有獨創性的數據，比如菲林案中的分析報告，應正視其財產價值而納入數據財產范疇，并確立其新型的財產客體地位。至于對該財產如何保護，是賦予絕對權還是用益權等，對此，目前我國立法過于滯后，《民法典》第127條規范了數據和網絡虛擬財產的名稱，但對于應否保護和如何保護未置可否，而是鏈接到其他法律規定，并表態尊重其規定(14)該條內容為：“法律對數據、網絡虛擬財產的保護有規定的,依照其規定。”。 對此，學術、立法和司法三界尚需深入細致加以研討。

3.人工智能產業發展的價值取向與生成數據法律保護的宗旨尚需契合

人工智能生成數據的法律保護涉及產業發展利益與個人利益的沖突與平衡。因此，生成數據法律保護的宗旨應當是促進二者平衡，而不是犧牲一方成全另一方。人工智能產業發展的價值取向，除了社會與個人的經濟效益以外，還應考慮社會責任與社會效益，是否有利于人類社會的公正秩序與善良風俗等。從私主體權益角度，對生成數據要加以保護，確保投資方和勞動方獲得應有回報與收益；從產業發展角度，數據成為市場要素，對人工智能產業來說更是基礎的基礎。因此，為了讓更多數據能被社會公眾自由獲取以推動產業發展，對生成數據私權益的保護應有所限制。目前，在數據自由和權益保護之間，尚未找到較好的平衡路徑。

三、人工智能生成數據法律保護的多元分層模式之構建

根據生成過程中人的介入程度，筆者將人工智能生成數據分為輔助生成數據和自動生成數據。輔助生成數據是指人工智能作為工具，輔助人類創作生成的數據，如菲林案生成報告中構成作品的文字部分與Dreamwriter案中的涉案文章，該類數據歸入人類作品，由著作權加以保護。自動生成數據特指人類沒有介入或介入極少且無實質性影響而由人工智能自動生成的數據，菲林案生成報告中不具有創造性的圖形部分即是此種數據。但現實中，該類自動生成數據在客觀表現形式上還可能具有創造性，該部分數據的保護在前述兩個判例中沒有得到討論和分析。

(一)“獨創性”自動生成數據：“數據生成者權”的新型鄰接權保護

有獨創性、但非人類創作的人工智能自動生成數據，在思想、情感、靈性等方面區別于作品，為尊重和維護人類在創作中的獨有地位、維持現有著作權主體體系，故不宜把該類數據納入作品范疇。在人工智能成為知識產權客體的前提下，人工智能的生成數據成為與該知識財產相關的權益，類似于作品的表演結果、音像制作結果、廣播信號或版式設計等，可把該類數據納入鄰接權保護，理由如下。

第一，鄰接權保護符合人工智能生成數據保護的宗旨。一方面，鄰接權保護能夠體現和尊重生成數據的這種“創造性”。人工智能生成數據的過程，本質上是一種數據信息的傳播過程，只是相對于非智能的機械傳播，具有能動性，這與鄰接權保護的表演行為、廣播行為、音像制作行為、版式設計行為等非常相似，是具有一定創造性的能動傳播行為。另一方面，鄰接權主要是保護傳播過程中的利益，這與保護人工智能生成數據意在促進數據信息的傳播利用而非強調其歸屬的宗旨相符。

第二，人工智能生成數據權利主體難以確定，與鄰接權產生的原因吻合。人工智能的開發者、所有者、操作者和人工智能生成中所使用的基礎數據權利人，都可能卷入生成數據權利歸屬的爭奪中。鄰接權解決了知識財產傳播中權利主體難確定、投資者利益需保護的問題。

第三，鄰接權保護所要求的創造性較低、保護期限一般比較短，契合人工智能生成數據的批量性、規模性、快速生成又快速更新等現實需求，有利于促進人工智能產業的發展。

但是，“數據生成者權”與鄰接權也有所不同，應屬于原有鄰接權標準下出現的新型鄰接權。首先，認識上，將自動生成行為歸入智能性傳播行為，這相當于傳統鄰接權中能動的表演、音像制作、廣播和版式設計等作品傳播行為，雖達不到作品創作的獨創性要求，但又具有一定的創造性。同時，自動生成行為的智能性不是簡單的“再現傳播”，與傳統傳播行為有較大區別，即傳播前后信息內容的差異，遠大于表演、音像制作、廣播和出版等傳播行為的前后比對。但是，不能因此種區別而將其上升為與人類創作并肩而立的“獨創行為”，這有利于維護人工智能生成數據與人類智力作品的基本分野，在確保人類主體地位不動搖的基本前提下，可以兼顧人工智能生成數據得到法律保護。其次，將人工智能看做由智能系統軟件作品、基礎數據和作為硬件的實物財產三者集成的人工智能知識產品，利用該產品生成數據成果的過程，屬于新型的智能化傳播行為，該過程的控制者作為傳播者，具有獨創性生成數據的鄰接權，意在保護該傳播中的投資利益與傳播行為，激勵和促進對人工智能系統和基礎數據價值的利用和傳播。該鄰接權可叫作數據生成者權，這里用“生成”而不用“處理”或“傳播”，以限制權利客體僅為“生成數據”，突出其智能獨創性，避免擴大到一般的處理或傳播中的非智能、非獨創的結果，以維護鄰接權的應有之義。最后，智能化傳播過程的控制者作為該鄰接權的權利主體，可以是人工智能投資者、所有者、使用者或其他依法律關系確定的控制者。該權利歸屬由當事人約定優先，沒有約定或約定不明確的，就推定為智能化傳播(自動生成)行為的實際控制者所有。

(二)不具“獨創性”的輔助與自動生成數據：數據財產權保護

在人工智能生成的正循環鏈條中，數據喂養和數據產出成為基本的環節和預期，新的生成數據越多，自身可學習的數據量也就越多，后續相應的生成數據也會更多更好。但是，這一切都有賴于對數據控制權的法律設計，這對將來的社會決策和法律制度建設有著重要影響。

正如“菲林案”所認定的分析報告中的圖形部分，人工智能生成的不具有“獨創性”的數據，凝結有勞動，具有財產價值，應當予以保護。“在新技術和新興商業模式的加持下，數據得以被納入資本運作，具備了作為數據產業的基本生產要素，也因此具備了成為權利對象的潛質。數據在這一過程中發揮的作用與知識作為資本要素構建知識產權制度的軌跡如此相似，在法律對調整社會資源的各種制度措施中，財產權仍是最為有效的激勵方式之一。”[12]48因為“客體價值增加，社會趨向于在相關客體上界定財產權，將利用客體的成本與收益內部化，激勵權利人發揮權利客體的最大效用”[25]。“沒有被精確界定的財產權會增加法律上的不確定性，進而增加交易成本，阻礙創新。”[26]“明晰的財產權配置在某種程度上被認為是使交易有效率的唯一條件。”[27]事實上，人工智能生成數據因為具有經濟價值，已成為事實上可交易的財產權客體，這是符合各方利益的商業化的自然選擇。

人工智能運用下，輔助生成和自動生成的不具有“獨創性”的數據，都可以適用于數據財產權保護。但是，該類數據由于可替代性較強，就像普通農產品或批量加工所得動產一樣，不用擔心其被壟斷而阻礙市場發展，因此，可比照物權對其設立絕對的數據財產權，不設期限限制，在市場中實現優勝劣汰，自然會促進產業競爭和發展。由于該客體屬于新的財產形態，具有易復制、無損耗、變動不穩、快速集成、規模化、更新快、時效短、價值多元、不同階段保護需求不同等特殊性，數據財產權利人可借技術措施實現控制和支配，采取數據產品與數據服務等多種方式行使權利、獲取收益。對數據財產權的權能與行使，以絕對權或債權定位，或混合存在，可以借鑒但不能照搬知識產權、物權與一般債權內容，需要進行不同的探尋和設計。

(三)兜底保護：反不正當競爭法保護

有學者認為，“就目前的社會條件而言，設定排他財產權的經濟、社會與技術條件似乎都尚未具備，在情況尚未明朗之前，保持謙抑立法態度不失為一種明智之選。賦權的目的是激勵生產，激勵的方式卻不限于財產化模式”[12]57。大數據與人工智能時代，權益保護的制度設計不應局限于單項選擇，在承認數據財產屬性的前提下，權益的財產化保護和勞動財產觀固然不可忽視，但是多元的數據財產分配模式與保護模式更值得探索，因為其新的屬性特點和訴求已經不能依靠原有制度下的削足適履加以解決。

“在數據保護領域，歐盟和美國分別是財產模式和競爭法模式的典型代表。”[12]57對此，我國都有所借鑒。在知識產權保護中，尤其是在我國知識產權立法不斷完善的過程中，反不正當競爭法一直起著非常重要且不可缺失的兜底作用。同理，在數據財產權利化法律保護規范尚付闕如的階段，對人工智能生成數據的保護，反不正當競爭法的保護模式也將不可替代地發揮其作用。“競爭法模式在調控一些特殊客體，尤其是調整一些尚未上升為權利的法益時，也有其獨特的益處。在權利與利益二分的視角下，數據財產究竟可以構成權利抑或僅為法益，也成了為其選取不同制度的重要依據。”(15)有學者指出，目前研究中未區分個人數據或企業數據是權利還是受法律保護的利益，直接將數據定性為權利的做法并不可取。(參見李曉宇:《權利與利益區分視點下數據權益的類型化保護》，《知識產權》2019年第3期，第51頁)競爭法保護模式中，不用去糾結數據財產上成立的是權利還是利益，只要其有財產價值，在競爭領域就可以得到反不正當競爭法的保護。通過判斷具體商業競爭行為的性質和程度，聚焦當事人資本投入中所獲得的合理收益及其具體商業競爭行為的影響，使經營者和消費者的合法權益得以保護，從而維護正當的商業競爭秩序，促進產業的發展。