人工智能生成物中用戶的獨創性貢獻

崔國斌

關鍵詞：人工智能；用戶；獨創性；生成物；版權

一、引言

日趨成熟的內容生成式人工智能（AI）系統大大降低了文學藝術創作的門檻，使得普通用戶輸入文字指令或示意圖、設置規格參數就能夠指引它生成具有市場價值的生成物。人工智能生成物具有文學藝術作品的外觀，也融入了用戶的貢獻，從表面來看，將它們納入《著作權法》的保護范圍是順理成章的事情。不過，事實并非如此簡單。AI協助創作的進入門檻很低，生成作品的過程高度自動化，作品創作的平均成本幾乎可以忽略不計，這些事實導致學術界多數意見認為沒有必要對AI開發者在生成物中的貢獻提供版權保護。部分代表性的AI開發者也主動放棄尋求版權保護。

在AI生成物中，除了AI開發者還有用戶的貢獻，因此，在討論生成物的作品屬性時，需要分別考慮AI系統開發者與用戶的貢獻。限于寫作目的和篇幅，本文假定AI系統開發者不對生成物提出版權保護主張，僅僅關注AI用戶是否能夠對生成物主張版權保護。這一問題在學術界也同樣存在廣泛的爭議。實踐中，司法判決和行政決定的立場也不一致。比如，美國版權局在著名的Zara案中就明確否定用戶在AI生成物中獨創性貢獻，而北京互聯網法院在最新案件中則肯定了用戶的作者身份。雖然這些具體個案的事實并不完全相同，結論未必具有可比性，但是從決策者的分析思路看，各方對于《著作權法》獨創性的底層認識還是存在明顯的差異。

在上述背景下，對AI用戶貢獻的獨創性問題展開深入研究意義重大。接下來，本文首先將AI用戶的貢獻分成兩部分，即用戶初始指令的輸入（初始階段）和用戶對AI輸出內容的調整（后續階段），在第二節和第三節分別探討用戶在這兩個階段的貢獻的獨創性，認為用戶初始階段作出獨創性貢獻的可能性較小，而在后續階段則可能性很大。相反的意見認為，A用戶無法預見AI輸出的具體內容，因而不能被視為AI生成物的作者。第四節對這一意見作出系統性的反駁，認為AI用戶在對AI輸出物的初稿進行多輪修改時，還是能夠在多個環節作出個性化的選擇，最終確定AI生成物的具體內容。這很可能足以保證AI用戶成為立法意義上的作者。

二、用戶初始輸入內容的獨創性

典型的AI生成物含有《著作權法》關注的各種作品內容，包括文字、繪畫、音樂、視聽作品等。創作不同類型作品的AI系統的工作原理相差甚遠，同時，用戶與AI系統的互動方式也千差萬別。因此，在具體個案中，AI生成物體現用戶個性化貢獻的程度也有很大差異。籠統地肯定或否定AI用戶作者身份的主張.都是不可靠的。

為了保證后續討論的準確性和針對性，本文選擇僅僅關注目前引發廣泛爭議的繪畫類AI工具用戶的獨創性貢獻問題。其實，僅僅在繪畫領域，能夠應用戶請求自動輸出繪畫作品的AI系統，依舊種類繁多。到目前為止，卷入版權爭議比較多的是Stable Diffusion和Midjourney繪畫系統。即便限縮到這類系統，其中用戶與AI工具的互動模式依舊千變萬化，我們不可能逐一介紹這些互動模式并討論其著作權法定性。接下來，集中關注典型的“文生圖”和“圖生圖”模式下，用戶在輸出初始指令階段作出獨創性貢獻的可能性。

（一）“文生圖”模式

在“文生圖”模式下，用戶輸入文字指令（提示詞），描述自己想要的圖片內容，然后AI系統就可以依據該文本指令輸出大致相關的圖片。比如，在北京互聯網法院處理的李某某案中，用戶為繪制女生圖片，初始輸入一長串英文的正向提示詞，中文翻譯如下：“（超逼真照片1：3），超高品質高細節的原始圖像數據處理格式彩色照片，外景，日本偶像，高度細節對稱且迷人的臉，棱角勻稱的臉，完美的皮膚，皮膚毛孔，夢幻般的黑眼睛，紅褐色的辮子，均勻，長腿，長筒襪，軟對焦，（膠片紋理，生動的色彩，膠片仿真，柯達黃金肖像100.35mm，佳能50f1.2），鏡頭光暈，黃金時間，高清，電影，美麗的動態燈光。”與此同時，用戶還輸入了由接近200個英文單詞組成的反向提示詞，指引AI系統避免輸出的內容，比如“缺失的手指”“多余的數字”“簽名”“長脖子”等。

AI系統之所以能夠依據文本指令繪出圖畫，是因為開發者在研發階段收集了海量的圖片，對圖片要素進行人工或自動的標注，然后對AI系統進行訓練，讓它將特定提示詞與具體畫面表達建立對應關聯。同時，AI系統能夠自動完成具體畫面的渲染，達到特定的藝術風格。以Stable Diffusion系統為例，在用戶使用AI系統輸出畫面之前，AI系統通常許可用戶選擇適合繪制不同風格圖片的大模型和更具體限定人物特征和照片風格的LoRA小模型插件（滿足定制化需求）。大體上，大模型屬于具備基礎繪畫能力的模型，可以應用戶請求繪制各種通用類型的圖片。而LoRA小模型插件在大模型基礎上實現更具體地定制AI繪圖內容。比如，大模型可能具備輸出一般人像圖片的能力，但是并不精于亞洲女性的刻畫。有人利用大量亞洲女性圖片訓練出LoRA小模型。將該插件與大模型結合，就能實現更精細地刻畫亞洲女性的畫面來。顯然，專業用戶可以利用自己收集的圖片訓練出自己的LoRA模型插件，用來繪制某些專門類型的圖片。比如，借助于專門的LoRA插件，AI系統可以專門繪制特定模特的各種造型圖片。因此，在創作前的LoRA模型訓練和選擇階段，用戶其實就有可能做出自己的個性化貢獻。不過，多數用戶僅僅是在使用AI工具時，選擇他人提供的不同的大模型和LoRA插件，而不是直接動手去訓練此類模型或LoRA插件。因此，在后文的討論中，我們忽略普通用戶在這一環節做出貢獻的可能性，盡管理論上這一貢獻有可能影響法院對用戶獨創性貢獻的評估。

在使用AI的“文生圖”功能進行創作時，用戶一般要先選定大模型和LoRA模型（如果有的話），并且賦予LoRA模型相應的參考權重，然后再按照既定的互動格式輸入正向和反向的提示詞，進行圖片創作。用戶對于AI基于特定提示詞輸出的圖片不滿意時，可以放棄該圖片，要求AI重新隨機輸出；或者修改現有提示詞中某些提示詞的權重，讓AI重新輸出；或者重新輸入新的提示詞，讓AI重新輸出，審視不滿意后繼續放棄；重新輸入，不滿意，再放棄；再重新輸入……這一過程可以不斷地重復，直到用戶獲得滿意的畫作。比如，用戶首先輸入“外景，偶像”，AI系統就會隨機輸出畫面。用戶對輸出畫面不滿意，可以不斷要求重新生成，也可以輸入新的限制性的指令，比如“外景，偶像，棱角勻稱的臉，完美的皮膚，皮膚毛孔，夢幻般的黑眼睛，紅褐色的辮子，均勻，長腿”，從而增加輸出圖片符合用戶預期的可能性。

為了后文的法律分析方便，這里先假定上述每一輪的AI輸出都是基于該輪輸入的提示詞而重新隨機輸出，不建立在上一輪輸出畫面選擇的基礎之上。這里將這一看似無聊且效率較低的“輸入提示詞——隨機聲場畫面”創作模式定義為“單回合”暗箱模式。之所以將它稱作暗箱模式，是因為在每一輪中用戶的貢獻僅僅在于不斷向AI暗箱中輸入可能很簡單也可能非常復雜的提示詞，然后被動地等待AI系統隨機輸出的畫面，用戶無法事先預見AI輸出的具體內容。而強調“單回合”是因為用戶雖然有可能無數次輸入提示詞，但是每次都只是在等待AI暗箱的輸出結果。在這一隨機過程中，用戶并沒有初步選定上一次輸出畫面，然后讓AI在這一選定畫面的基礎上作微調或修改，而是直接每次都從零開始重新隨機生成。因此，用戶在反復試錯的過程中，并沒有將先前的選擇結果直接固定并累積下來。

在上述互動過程中，用戶是否構思出相對具體的作品內容，取決于用戶輸入的文本提示詞內容的具體程度。如果用戶僅僅輸入非常簡單的指令，比如，“外景，偶像”，然后選定AI隨機生成的一幅圖片。在這一常見情形下，用戶指令充其量只是抽象的思想或基本的概念，沒有獨創性可言，用戶的確對于作品的表達沒有任何貢獻，對于作品的最終表達也沒有預見。我們大致可以說用戶在這類圖片中的獨創性貢獻度的量化數值接近0%。如果用戶走向另一極端，在腦海中事先構思出一幅十分具體的繪畫作品，對于線條的走向、色彩的搭配都有具體的概念，然后通過巨細無遺的語言指令讓AI系統將它再現出來。當然，這里假定AI系統技術設置允許用戶輸入的如此細致的提示詞，盡管現實中AI系統大概率不會這么做（倒是沒有技術障礙），因為這一需求可能只存在于理論推理中。為了便于思考，不妨考慮下面這一極端的假想例子：用戶在腦海中將畫面分成100*100的方格，這大致有1萬個方格。然后通過提示詞對每個方格內具體的表達要素和顏色填充提出要求，最終形成一幅整體的“外景”繪畫。在這一創作過程中，AI系統接近普通畫家所直接控制的畫筆，已無所謂多少“智能”可以發揮。AI系統為用戶節省的只是各種調色和線條描繪的機械工作。這時候，估計很少人會否認用戶在這一創作過程中的實際預見作品表達的細節，對于最終輸出的作品作出的獨創性貢獻。這時候，用戶對于最終畫面的獨創性表達的預見程度可能接近100%。

理論上，用戶輸入的提示詞所體現的用戶對于AI輸出圖片、輸出內容的預見度，可能會在0%到100%之間的連續分布。在具體個案中，這一預見度的數值如何，取決于用戶的具體操作。不過，從現有的實踐看，在絕大多數情況下，用戶在輸入提示詞時對AI可能輸出的繪畫作品的預見程度都很低，接近0%這一端。即便用戶寫出非常復雜的提示詞，比如，由幾百甚至更多的提示詞組合在一起，看起來是很長的文本，結論也不例外。這是因為這些提示詞文本即便很詳細，也無法真正讓不同人在腦海里將它所描述的場景準確想象出來，并具有視覺上的一致性。不同的AI系統本身基于相同的提示詞指令，可以輸出完全不同的畫面。不僅如此，相同的AI基于相同的提示詞指令，也可以輸出無數不同的畫面。這些AI系統實際上在模仿人類的思考方式。這一輸出結果差異足以說明，文本所描述的意象與具體畫面之間的巨大鴻溝。即，提示詞指令通常并不足以導致畫面的相對確定性。因此，除了在上述“100*100的方格”類極端情形下，我們通常不能認為，編寫提示詞的用戶對AI輸出畫面作出獨創性貢獻。

即便用戶輸入的提示詞文本體現了一定的創意，構成《著作權法》意義上的文字作品，上述結論也不會實質改變。畢竟，《著作權法》對于文字作品的獨創性要求很低，有時候7—10個漢字的組合就可能構成文字作品。不過，文字作品的版權保護通常并不能延伸反映該文字作品的繪畫作品上（反映劇情的連環畫可能是個例外），否則會導致文字作品的版權邊界過于模糊，對公共領域內容構成嚴重的威脅。因此，即便AI用戶對其創作的提示詞文本享有版權，他也不能因此主張對AI輸出畫面的版權。在這一點上，很多反對AI用戶作者身份的意見是有道理的，值得肯定。

（二）“圖生圖”模式

除了“文生圖”功能外，主流的AI作畫工具還許可用戶直接輸入圖形初稿，讓AI系統以之為基礎進行補充或修改。比如，用戶直接利用細棍線條勾勒出想要的人物造型（可以想象一下Nike案中的火柴棍的人形造型），然后讓AI模仿該造型繪制出符合該造型具體的人物畫面；用戶可以輸入具體的線描圖，然后讓AI著色做成立體的畫面；用戶也可以輸入照片或畫作初稿，然后指揮AI對它的局部進行修改。對于AI系統而言，“圖生圖”與前文所述的“文生圖”，應該沒有本質的區別。在“文生圖”的作畫過程中，在用戶選定AI輸出的初稿之后，AI后續的改進工作實際上就很接近“圖生圖模式”了。這里的差別只是后續改進的圖的來源，即用戶的原始輸入或用戶選定的由AI系統隨機生成的圖片。

如果在“圖生圖”的創作過程中，用戶輸入原始初稿后，AI按照簡單指令自動輸出修改后的畫作，未獲用戶的實質干預，則AI輸出畫作很可能也只是AI對用戶輸入內容的“演繹”。用戶并不能對AI演繹的“畫面”主張作者身份。當然，在用戶輸入內容構成獨創性表達的情況下，AI輸出畫作類似于用戶作品的演繹版本，大概率含有用戶原始輸入的獨創性內容。因此，用戶雖然并非演繹版本的作者，但是其依然能夠控制該AI生成物的后續利用，因為任何人使用該AI演繹版本時，都要尊重原作作者即用戶的原始貢獻。

當然，從《著作權法》的角度看，“圖生圖”模式與“文生圖”模式還是有重要區別，原因是用戶原始輸入內容具備獨創性的可能性不一樣。在“圖生圖”模式下，用戶輸入的圖形更可能包含畫面中的表達性細節，很可能體現了用戶的獨創性。這些細節被A系統完整吸收后，使得AI輸出畫面中自然有了用戶的獨創性貢獻。而在“文生圖”模式下，AI一開始輸出的畫面，雖然經用戶選定，但其中的表達性細節通常來源于AI系統，而非用戶。因此，該輸出物未經后續修改，通常并不體現用戶的獨創性表達。用戶只有在后續的線性改進過程中輸入自己更具體的獨創性構思，才能使得該輸出物呈現自己的個性表達。因此，整體而言，“圖生圖”模式下，AI輸出的作品中體現用戶獨創性貢獻的可能性要遠遠超過“文生圖”模式。

三、用戶對Al輸出內容的調整

在上述“用戶輸入—AI隨之輸出”的“單回合”暗箱模式下，AI輸出結果具有很大的隨機性。AI輸出結果令人不滿意時，用戶只好讓AI重新輸出，這樣可能要經過很多輪嘗試才可能得到滿意的圖片；或者，輸出的圖片總是存在這樣或那樣的缺陷，沒有一張剛好讓用戶滿意。顯然，這一“單回合”暗箱模式的工作效率很低，可能會浪費用戶大量的時間。同時，還要在圖片質量上作出妥協。實踐中，專業用戶很少單純依靠“單回合”暗箱模式來創作圖片，相反，他們會更積極主動地介入AI的創作過程。在AI系統輸出初始圖片后，用戶可以對AI輸出的細節進行反復選擇，最終實質影響定稿的內容。具體而言，AI用戶在以下三方面作出貢獻：選定AI輸出的初始內容；指引AI修改初始內容；“直接上手”改變AI輸出內容。這些貢獻綜合起來，很可能體現用戶的獨創性貢獻，以下分別加以說明。

（一）選定AI輸出的初始內容

如前所述，即便用戶輸入非常具體的提示詞組合，也不會導致用戶被視為對AI輸出畫面作出獨創性貢獻。不過，在AI根據上述提示詞輸出諸多可能的畫面后，用戶對這些畫面進行審查，從中選出較為滿意的畫面的行為，用戶的選擇將是個性化。原因很簡單，AI基于用戶輸入的提示詞，可以輸出無窮無盡的初始圖形供用戶選擇。不同用戶的選擇自然會有所不同，必然會展現其個性。這與攝影作者選擇拍攝對象時的貢獻類似，只不過這里選擇的是AI輸出的初始圖片，而不是物理的拍攝場景。

不過，脫離更具體的場景，選擇單一的初始圖片這一行為本身，無法直接讓公眾評估或感知到選擇者自己的個性表達。因此，如前所述，這一選擇結果很可能并不滿足《著作權法》的獨創性要求。不過，當用戶的多個單項選擇的結果被放在一起，構成一種新的未曾出現過的組合時，公眾更容易感知到選擇者（用戶）的表達性貢獻。即，該匯編結果會更有可能被視為立法意義上的新的表達。因此并不奇怪，美國版權局也承認，如果用戶從AI輸出物中挑選出一定數量的圖片，將它們匯編在一起，則用戶可能因為自己的匯編具有獨創性，而成為該圖片匯編作品的作者。

在沒有匯編的情況下，強調用戶在選定特定圖片的過程中有個性化的貢獻，還是有一定意義。在用戶后續對選定圖片進行修改的情況下，這一選擇與后續修改一起，增加該圖片體現用戶獨創性表達的機會。這就像多個選擇結果放在一起，就會增加整體匯編結果獨創性的幾率一樣。

（二）指引AI修改初始內容

用戶最有可能做出獨創性貢獻的環節是，用戶選定圖片后利用文字指令指引AI對其中的具體的表達元素進行修改。這里特別強調“文字指令”，是為了將它與后面提到的“直接動手”利用軟件工具的繪畫功能對視圖、線條、色彩等表達要素進行的修改相區別。結合必要參數選擇和鼠標操作，用戶通過文字指令能夠對自己選定的初始圖片作出各種各樣的修改：在指定的畫面局部位置添加新的表達元素，修正現有的表達元素的線條或色彩特征，選定并放大畫面局部內容而放棄其余，改變局部或全局的繪畫風格，調整畫面色彩、對比度和視角，等等。這里以繪制人物畫為例具體說明。在AI根據用戶的提示詞輸出一幅令人滿意的人物畫初稿后，用戶可以記錄下該畫面對應的隨機種子編號，從而確保AI系統在后續創作過程中能夠再現相同的畫面作為修改的基礎，然后逐步對畫面人物的眼鏡、發型、眼睛、嘴唇、膚色、服裝、背景等細節進行修改。比如，對于眼鏡，用戶可以在“眼鏡”指令后面，輸入進一步的限縮指令，要求AI系統將該畫面人物配戴的眼鏡高度縮小到原來的三分之二，也可以對鏡框顏色做調整。這一過程可以單純通過鍵盤選擇和文本指令輸入的方式實現，而無需用戶親手繪制線條和色彩。在AI系統修改眼鏡局部、輸出修改內容后，用戶如果不滿意，還可以不斷替換，直到出現大致符合用戶預期的結果。隨后，用戶可以重新將修改后的畫面的隨機種子號固定下來，作為后續修改的新的出發點。接下來，用戶可以在這一修改的基礎上，選擇新的表達元素（比如發型），輸入新的限縮指令進行修改。顯然，只要用戶有足夠的時間和精力，這一修改過程可以不斷地細化和深入，無窮無盡。

如果將用戶指引AI不斷修改選定初稿的過程與現有《著作權法》承認的創作過程相類比，最接近的可能并非攝影行為，而是“拼貼畫”創作、“視頻剪輯”或“匯編”等創作行為。以上述假想的人物畫創作過程為例，用戶從原本無數可能的AI輸出畫面中選定自己滿意的一張人物畫作為修改的出發點，然后要求AI對選定畫面的諸多“特征”，比如，發型、眼鏡、配飾、表情、服裝、街景等進行修改。為了方便思考，我們可以將用戶使用A創作的過程想象成用戶面對電腦屏幕上無數窗口，在AI不斷輸出畫面細節，而用戶不斷選擇、細化的過程。具體而言，用戶首先是面對一個空白屏幕，只能針對不斷輸出的全屏畫面進行選擇。選定之后，畫面內容實際上已經高度具體化。然后，該畫面理論上可以被任意分割成為諸多局部屏幕畫面。這里的“局部屏幕”是形象的說法，對應的是初始畫面中具象的表達元素，比如發型、眼鏡、配飾、服裝，等等。顯然，“局部屏幕”可以劃分得很細，也可以劃分得很粗略，這取決于用戶修改的意愿，也取決于AI系統提供的技術可能性。在每一局部屏幕內，用戶可以讓AI調整已有的畫面，隨機提供可能的畫面供選擇，然后用戶作出最終選擇。顯然，在任一“局部屏幕”內，AI的輸出選項也幾乎是無窮無盡的，用戶的每一次選擇也都多少會體現其個性。在諸多的“局部屏幕”的選擇確定后，用戶得到一幅自己滿意的“拼貼”畫面。

在整個改進過程中，AI用戶雖然“動口不動手”，但這并不妨礙該整體畫面充分體現了用戶對具體表達元素特征的個性化選擇。因此，通過文本指令修改AI生成畫面，在觀念上很接近傳統的“拼貼畫”的創作過程：AI用戶在很多可以自由選擇的“局部屏幕”空間選擇AI提供的自己滿意的“拼貼”元素，最終導致整個“拼貼畫”被具體化，呈現出作者想要表達的思想情感。既然《著作權法》保護拼貼畫類美術作品，保護視頻剪輯的結果，也保護單純基于選擇和編排的匯編作品，則我們有充分的理由相信，《著作權法》也會承認這一基于AI用戶多回合的精細選擇而獲得的整體畫面的獨創性。當然，在具體爭議中，用戶是否做出了獨創性貢獻，需要個案判斷，不能一概而論。

（三）“直接上手”改變的內容

現在A繪畫系統不僅僅支持用戶通過文字或圖形指令修改AI輸出的畫面內容，還許可用戶按照自己的構思“直接上手”修改畫面表達效果。在生成式AI系統出現之前，幫助用戶“直接上手”的繪圖軟件工具非常普及，已經在很大程度上替代了傳統的畫筆和畫布。其中，用戶經常使用的繪圖工具應該是Photoshop軟件。借助這些工具，用戶可以直接剪裁畫面的尺幅，直接選擇視角、對比度、色彩；直接添加和移除特定的表達元素；利用各種個性化的插件以追求不同的畫風（漫畫、水彩、油畫、素描……）；等等。現在，此類繪圖軟件工具可以無縫插入AI繪圖工具插件或者相互融合。這使得用戶可以隨時將AI輸出內容放到繪圖軟件下，然后“直接上手”加工，以追求更為滿意的效果。反之，用戶也可以隨時將Photoshop處理過的圖片引入AI系統中再加工，比如改為矢量圖片，增加像素，修正景深，等等。生成式AI工具與傳統繪圖軟件相互之間的功能融合，無縫銜接，顯然代表數字繪畫工具的發展方向。

在AI與傳統繪圖軟件功能融合的模式下，用戶在使用此類工具進行創作時，對AI生成物作出個性化調整，將是非常自然甚至是不可避免的結果。這也就意味著，使用此類工具進行創作時，在最終成果中融入用戶的獨創性貢獻也是大概率事件。這時候，《著作權法》默認使用此類創作工具時用戶會作出獨創性貢獻，也不會產生太大的問題。這就像《著作權法》處理攝影作品的獨創性問題一樣：雖然的確有用戶在使用相機拍攝照片時并未作出獨創性貢獻，但是，在多數情況下，假定用戶在選擇拍攝對象、拍攝手法等方面有獨創性貢獻。

在《著作權法》傾向于承認AI用戶獨創性貢獻的情況下，有理由相信，真正有價值可能引發著作權侵權爭議的作品，大多是專業用戶利用AI工具反復調試和修改后才獲得的高質量作品，這時候，用戶作出上述獨創性貢獻的可能性原本就很大。單純輸入文本指令，靜等AI輸出畫面的“單回合”暗箱創作模式，將只是業余玩家自娛自樂的情形，不再值得著作權法關注。籠統地反對賦予AI用戶作者身份的意見，眼里只有這類業余玩家的創作模式，明顯是不可取的。

四、用戶對輸出內容的預見性

否定AI用戶做出獨創性貢獻的代表性意見，一直強調用戶創作過程中對A輸出內容缺乏準確預見（或事前構思），因此AI系統并非基于用戶的自由意志在創作。比如，在Zara案中，美國版權局肯定AI用戶在選定初始的圖片之后，繼續輸入新的修改命令，不斷修正圖片內容，直至最終達到滿意的效果。但是，用戶每次輸入修改命令后，并不能控制也不能準確預見輸出的結果，而是由AI系統自動完成修改后，用戶再決定是否符合自己的預期。美國版權局在其《版權登記指南》中強調，用戶對系統如何闡釋指令和生成內容并不具有最終的控制力，而是由系統自己決定如何執行這些指令，并最終決定輸出的表達性因素。因此，該輸出結果并非用戶的創作的成果。

按照美國版權局的邏輯，攝影創作與AI創作區別在于，在攝影過程中，攝影師雖然對于相機最終輸出的確切線條和色彩也缺乏直接的控制，而取決于相機內部的機械設置，但是，他在絕大多數情況下還是能夠事先構思照片的相對具體內容，比如通過取景框圈定拍攝的范圍、事先選定焦距、確定曝光的時間、拍攝的角度等，從而使得攝影師對于相機最終輸出的照片還是有比較明確的預期。當然，攝影師的控制和預期與傳統的繪畫創作過程中，畫家對于繪畫結果的控制和預期，還是有一定程度的差別——攝影師并不能直接控制攝影作品的線條和色彩的具體選擇，這些同樣取決于相機內部的“算法”或機械結構。與攝影師相比，AI用戶對于最終線條和色彩的控制，更間接一些。在“輸入指令—生成內容”的“單回合”暗箱周期中，用戶“動口不動手”，無法事先預見AI輸出的大致內容，而是任由AI系統隨機輸出符合用戶提示詞文本要求的具體表達，然后從中挑選可能中意的初稿方案。

其實，上述反對意見只適用于前述“輸入指令一生成內容”的單回合創作模式。在該模式下，即便用戶輸入很具體的文本指令，也無法預見到AI輸出的具體內容。反對意見強調用戶無法預見AI輸出內容而否定其作者身份，如前所述，是合適的。不過，對于更普遍的多回合“線性改進”的創作模式，上述分析不再適用。在多回合模式下，用戶輸入提示詞后會選定初始的圖片，從而有了非常具體的修改對象。用戶后續的修正都針對圖片中具體位置的具體表達要素，比如在前文提到的人物畫的例子中，用戶利用指令修改人物的眼鏡尺寸和顏色、發型和顏色、服裝樣式和色彩等，在具體位置添加新的表達因素等。這些實際上都屬于很具體層面的表達要素選擇，用戶在指引AI系統作出修正時，對于圖片整體效果的改變有相對具體的預期。這與單一回合的創作過程中，用戶單純輸入提示詞，不知AI系統會輸出何種圖片的處境完全不同。不僅如此，在用戶選定AI輸出的特定表達要素前，用戶已經對于呈現在自己眼前、由AI輸出的表達細節有明確的認知。換言之，用戶在前文所說的每個“局部屏幕”（或窗口）前作出選擇，都是基于已經呈現在自己眼前的具體畫面細節而作出的。在用戶按下確定鍵時，用戶其實非常清楚自己尋找的即確定的表達究竟是什么。美國版權局等反對意見強調用戶對細節缺乏預見，是因為他們僅僅將目光放在AI系統基于提示詞的輸出過程，而忽略了更為重要的，即隨后用戶對具體表達的選擇和審定的多個環節工作。

因此，在多回合“線性改進”的創作模式下，AI用戶并非僅僅輸入文本指令然后就靜等輸出結果，而是很有可能在后續改進過程中，對初稿圖片的具體位置作出了獨創性的選擇。在這一意義上，本文認同Mark Lemley教授的評論意見：“隨著人們越來越習慣于使用生成式AI，我們應該期待他們寫出越來越細致的指令，將AI輸出物剪裁成他們希望得到的內容。對計算機的指令足夠具體時，就像攝影者對相機發出的足夠具體的指令一樣，可能體現了創造性（Creativit）。”當然，如果他能夠強調一下，用戶多輪選擇的特殊性，就更完美了。

否定AI用戶貢獻的意見認為，用戶在選定初始圖片后，“針對人工智能最初生成的內容所追加的指示又類似于老師批改作業后提出的修改要求。無論學生據此修改了多少次才定稿，都不能說是老師以學生為‘工具‘創作了構成文字作品或美術作品的作業。因為并不是老師的自由意志決定了構成作品的表達性要素。”其實，這一反對意見關于教師批改作業不能成為作者的結論，也是有前提條件的。其一，在批改作業的場景下，教師通常無意成為合作作者，學生也無此預期，因此即使教師作出獨創性貢獻，也會被視為主動放棄；其二，教師很多時候只是提出原則性的意見，而不對具體的表達內容提出要求，通常也不會反復對學生提出的具體表達進行選擇。用戶與AI互動的情形與此有明顯的區別。AI用戶通常并不存在放棄可能的獨創性貢獻的默示意思表示；AI用戶不僅僅提出原則性的批改要求（初始文本指令的輸入），而是很可能提出非常具體的修改意見（后續的線性修改）。不僅如此，用戶還會直接從AI反饋的無數可能的細節修改方案中選出自己認為最滿意的表達。用戶針對表達細節的選擇直接決定作品最終的表達細節，因此很有可能作出獨創性貢獻。反對意見將用戶利用AI創作的過程，類比為教師指導學生，并不總是可靠的，很容易得出錯誤的結論。

五、結論

在探討生成式AI帶來的立法上的挑戰時，我們需要充分了解現有AI技術提供的可能性以及用戶創作過程的復雜性。在AI工具與傳統繪圖軟件功能高度融合的情況下，用戶在利用AI工具創作時，無論是“文生圖”還是“圖生圖”，用戶都有一定的自由發揮的空間。雖然用戶在“用戶輸入文字或圖形指令——AI輸出內容”的單一回合中的確不太可能對輸出畫面內容作出獨創性貢獻，但是，在多數情況下，用戶會在單回合輸出初稿的基礎上，指引AI對它反復修改。經過多輪的線性改進后，用戶很可能對作品中的諸多表達細節作出個性化的選擇和調整，從而作出獨創性的貢獻。這時候依舊片面地強調，用戶不能預見也無法控制AI的輸出結果，因而不能主張作者身份，就像當年強調攝影者沒有直接描繪照片中線條或色彩因而不能成為作者一樣，違反《著作權法》激勵創作的立法目的，并不能實現有意義的公共政策目標。