人工智能生成內容著作權有關問題研究

孫曉麒

關鍵詞：人工智能生成物；人工智能底層邏輯；人格主義要素；著作權歸屬

根據中國信息通信研究院發布的《人工智能生成內容（AIGC）白皮書（2022年）》所示，AIGC技術已經被廣泛應用于音頻、文本、圖像等不同模態數據中，AIGC與傳媒、電商、影視、娛樂等不同領域結合，不斷衍生出多種新鮮的作品。而隨著OpenAI發布生成式預訓練語言模型ChatGPT的火熱以及普及，人工智能的應用已經逐步走入普通人的生活，昭示著人工智能時代已經到來。

但技術的突破性發展必然會對現行的法律制度帶來種種挑戰。2020年，深圳市南山區人民法院開庭審理了我國首例人工智能創作物著作權糾紛案：深圳市騰訊計算機系統有限公司訴上海盈某科技有限公司侵害著作權及不正當競爭糾紛一案。原告騰訊公司團隊自主研發的Dream wIiter軟件，可根據數據搜集與分析等技術支持批量撰寫財經類新聞報道，能根據不同受眾群體自動生成差異化、不同風格與版本的新聞報道。2018年8月20日，騰訊公司在騰訊證券網站上首次發表了標題為《午評：滬指小幅上漲0.11%報2671.93點通信運營、石油開采等板塊領漲》的財經報道文章，末尾注明“本文由騰訊機器人DeamWIiter自動撰寫”。而被告上海盈某科技有限公司運營的“網貸之家”網站當日同樣發布了與騰訊公司的標題和內容完全—致的文章。深圳市南山區人民法院認為，人工智能技術自動生成的創作物屬于著作權法的保護范圍，騰訊公司主創團隊在數據服務、觸發寫作、人工智能校驗與分發等技術處理環節中投入了大量成本，而被告卻將原文—字不差投放在網頁上，以此獲得收益，這一行為侵害了原告依法享有的信息網絡傳播權，應承擔相應的民事責任。

從深圳市南山區人民法院的判決來看，首先法院認定了人工智能技術自動生成的創作物在著作權法保護的范疇內，這是當今學界相對集中的一種觀點。其核心理由在于，人工智能技術自動生成的創作物屬于民事法律關系中“智力成果”這一客體，且具有一定獨創性以及可復制性，所以使得人工智能技術自動生成的創作物符合法律意義上的“作品”。但是，對這種著作權的歸屬在學界卻眾說紛紜。有學者認為，人工智能創作物著作權應歸屬于人工智能編程者，因為編程者創造了人工智能，這是人工智能創作的前提和基礎。另—個較集中的觀點認為，人工智能創作物著作權應歸屬于人工智能設備的使用者。與此同時，還有觀點認為，人工智能創作物著作權應歸屬于人工智能本身。

本文認為，對于人工智能創作物是否在著作權保護的范疇內，以及其著作權具體歸屬等問題的討論，既涉及復雜的法律問題，又涉及人類社會最前沿的技術問題，需要從法律與技術緊密結合的角度考察。為避免研究中出現技術與法律“兩張皮”現象，在對相關基本法理深入研討的基礎上，還應當對人工智能創作作品的底層邏輯及其過程做進一步的剖析。

一、人工智能創作文字、藝術作品的底層邏輯

吳漢東教授對人工智能的著作權保護問題有過系統的總結，他將人工智能創作分成三個階段，包括“數據輸入—機器學習—結果輸出”。其中，數據輸入階段的數據挖掘，意味著對已有作品自動化、批量化的“閱讀”，是著作權法中的合理使用；學習階段的“算法創作”，實際上是“機器作者”與人類作者的共同創作；輸出階段的“生成內容”，具有思想表現形式和人格主義等作品構成要素的，可以受著作權法保護，其權利由參與創作或投資的自然人或法人行使。

從三個階段的具體內容看，第一階段的數據輸入是人工智能進行創作的基礎和前提。在數據訓練的創作方式中，“大量的數據構成機器學習的訓練數據庫，成為算法創作（如寫作、音樂制作）的主要原料與素材”。第二階段的機器學習包括最基礎的機器學習以及深度學習。在基礎的機器學習中，算法從輸入數據中尋找模式，并使用這些模式來進行預測或決策，而無需人為介入。機器學習的技術包括但不限于線性回歸、邏輯回歸、支持向量機、梯度提升機、聚類算法、主成分分析等統計學及數據分析學技術。而深度學習模擬人類真實大腦的運作體系，構建出一種神經網絡的結構，特別是具有很多隱藏層的深度神經網絡。這些深度神經網絡可以從大量數據中學習更加復雜的模式，從而更好地根據算法要求完成任務，并且在自然語言處理、圖像處理、語音識別等領域取得了突出的成果。第三階段的結果輸出主要是對于第一階段的數據收集、算法規則整理和第二階段的深度學習模型、情感計算框架等綜合運用的結果。第三階段的生成內容是本文討論的重點，即它是否是著作權法上具有思想表達外觀的作品。這一判定，需要從人工智能創作的底層邏輯人手，并結合其創作物的類別分類進行討論。從其創作物的類別看，三個階段在創作文字、圖片與音頻方面也存在著一定的差異。

（一）人工智能創作文字作品的底層邏輯及創作過程

人工智能在創作文字類作品時，主要運用到自然語言處理（NLP）的深度學習模型。其中最廣泛使用的是Tansformer模型，其主要特性是使用了一種名叫“注意力機制”（Attention Mechanism）的技術，允許模型在處理—個詞或一句話時，能夠對整個輸入的不同部分分配不同的注意力，使模型能夠更好地理解詞語的上下文。

以通過人工智能創作論文為例。使用者在使用人工智能軟件如ChatGPT創作論文前，人工智能已經通過深度學習模組進行了大量的文本數據訓練，學習了如何在不同的語境下正確地使用單詞和語法。訓練好的模型可以預測接下來可能出現的詞語。例如，給定一個詞或者句子的開頭，模型會生成一個概率分布，描述接下來可能出現的每個詞的概率。而后，人工智能會根據預測的概率分布選擇接下來的詞，并且會兼顧生成文本的多樣性。在使用者規定了論文題目、核心觀點及要求后，人工智能會在數據庫中根據要求，大量搜集獲取相關內容，而后通過編碼上下文信息來生成連貫的文本。通常情況下，預訓練的模型會被微調，以滿足特定的任務需求，如寫作論文等。這個過程涉及使用一小部分任務特定的數據來“教”模型完成特定的任務，如保持一致的論述、引用相關研究或遵守特定的寫作風格。

從人工智能模型創作論文的邏輯以及過程可以看出，人工智能模型并不真正理解它們正在寫的內容，它們只是學習并復制訓練數據中的模式，通過概率分布以及合理化排列組合后，將數據庫中其他人的觀點以及信息內容糅合后展示出來。

（二）人工智能創作圖片作品的底層邏輯及創作過程

人工智能在創作圖像類作品時的邏輯和流程與其創作文本類作品時有所不同。比如，人工智能在生成藝術圖片或原畫類作品時，主要運用的是生成對抗網絡（GANs）技術。GANs技術的核心包含兩部分——生成器和鑒別器。生成器的任務是產生看起來像真實的圖像，而鑒別器的任務是嘗試區分生成的圖形和真實的圖像。訓練過程中，生成器試圖“欺騙”鑒別器，使其無法區分生成的圖像和真實的圖像，而鑒別器則不斷學習如何更好地識別生成的圖像。在這個“博弈”過程中，生成器和鑒別器的性能會不斷得到提高，從而使人工智能生成更加真實的圖片或原畫。

除了GANs技術之外，人工智能生成原畫還使用了一種稱為“神經風格轉移”的技術。這種技術可以抓取一個圖像（例如著名的藝術作品）的風格，并將其應用到另一個圖像上。這可以用于生成具有特定藝術風格的原畫。同時，為了讓模型“理解”和復制各種原畫風格，需要使用大量的原畫圖像來進行訓練。這可能包括各種不同風格和主題的原畫，以便模型可以學習到這些風格的共性和差異。

在具體生成圖像、原畫等藝術作品階段，當使用者規定了圖像內容等要求后，人工智能的生成器通常會從一個隨機噪聲向量開始生成圖像。這個向量在每次生成圖像時都會改變，這樣就可以生成各種各樣的圖像。噪聲向量通過多層神經網絡（即生成器）進行非線性轉換，生成最終的圖像。網絡的參數在訓練過程中不斷被優化，使得生成的圖像最終盡可能地接近真實的圖像。

（三）人工智能創作音頻作品的底層邏輯及創作過程

深度學習模型，特別是循環神經網絡（RNN）和變分自編碼器（ VAE），常用于人工智能創作音樂。它們可以學習和生成時間序列數據，這使得它們特別適合處理音樂，因為音樂是隨時間展開的。在RNN中，模型被訓練來理解音樂序列中的模式和結構。例如，模型可能會學習到某種和弦進程通常會引出某種旋律線，或者某種節奏模式通常會出現在某種樂種中。一旦模型訓練好，就可以使用它來生成新的音樂。在變分自編碼器（VAE）中，模型被訓練來學習數據的低維表示（或“潛在空間”），然后從這個空間中采樣以生成新的實例。在音樂創作的背景中，這意味著模型可以學習到音樂的某些核心特性，并能生成包含這些特陛的新音樂。例如，神經網絡可以被訓練來根據給定的樂器和旋律生成和聲，或者按照某種風格來編寫旋律。同時，也有一些新的技術如GANs和Transformer模型正在被探索用于音樂生成。值得注意的是，雖然這些技術可以產生令人印象深刻的結果，但人工智能創作的音樂仍然需要人類的指導和輸入，特別是在藝術性和表達陛方面。而且，雖然m可以學習到音樂的一些模式和結構，但它并不真正理解音樂的情感和文化含義。

二、人工智能創作物是否構成著作權法意義上的“作品”

在了解人工智能的底層邏輯以及創作過程后，我們可以更直觀地考量人工智能創作物是否構成著作權法意義上的“作品”。我國《著作權法》所稱的作品，是指“文學、藝術和科學領域內具有獨創性并能以一定形式表現的智力成果”。其中最核心的一個要素便是獨創性，它是作品成為著作權客體的首要條件。所謂獨創性，是指由作者獨立構思而成的，作品的內容或者表現形式完全或基本不同于他人已經發表的作品，即不是抄襲、剽竊、篡改他人的作品。而在司法實踐中，不同法系和不同國家因立法價值各異，對獨創性的判斷有所不同。英美法系對獨創性的要求相對較低，英國只要求作品必須是獨立完成而非復制抄襲，美國在司法實踐中衍生出了少量創造性（modicum of creativit）的獨創性判斷標準。而以法國和德國為代表的大陸法系中，側重作者與作品之間的人格聯系，對獨創性的要求也相對更加嚴格。其中，德國對獨創性的要求最高，不僅要求創作應體現作者的個性和創造性，還要求創作要有一定水準，即超出一般人平均水平的智力創作水準。我國對于獨創性判定的司法實踐介于英美法系與大陸法系之間，綜合來看，是以作品是否具有獨創性的兩個構成要件，即獨立完成和創造性，來判定該作品是否具備獨創性。

（一）對于人工智能創作的文字類作品的判定

在文字類作品中，所謂“創作者的個性”便是指文章的觀點，即帶有創作者主觀感情色彩的論點。德國哲學家康德曾說過，作品是人格的反映，作品本質上是作者的意志。黑格爾也指出，諸如學問、知識、藝術等，是一種內部的精神的東西，作品在本質上表現了作者個人的獨特性。著作權法規定了自然人的主體中心地位，將其作為權利原始主體、完整主體，即第一著作權人。這是因為，只有自然人才是作品的真正創作者。作品是人類的創作成果，表達的是人類的思想情感。

從人工智能模型創作文本類作品的邏輯以及過程可以看出，人工智能通過數據庫整合資源，自我學習的過程與人類閱讀學習的過程并無本質區別。但是人類在創作作品過程中會有思考以及觀點輸出，而人工智能則是通過概率分布以及合理化組合的過程，將整合的信息轉化成語句進行輸出。這一過程的確是獨立完成的過程，但在創造性這一構成要件上，雖然其滿足了英美法系中對于創造性的最低程度的要求，但如果以對獨創性要求相對嚴格的法國、德國等大陸法系國家來看，其不能體現出創作者的個性。

那么人工智能生成物是否是獨立完成且具備創造性呢？對此，應當辯證地分析。英國學者安德烈斯·瓜達穆茲（Andres Guadamuz）認為人工智能已經不再是簡單的工具，它們在創作的過程中會自主地做出一個又一個決定，這其中并沒有人為的干涉。在Andres Guadamuz的原文中，他用到的在描述人工智能的行為時用到的詞匯是“make decisions”。“Decision”直譯過來是“決定、判斷”，而如果我們結合人工智能進行文字類作品創作的底層邏輯來看的話，我們會發現它確實在創作過程中不停地做出判斷。但這些判斷是基于數據、算法、邏輯的絕對理性的判斷，例如“此時的語句是否通順”“此時的數據是否準確”“此時文章的邏輯是否順”等。在沒有人為干涉的情況下，眾多絕對理性的判斷并不會最終導向一個由人工智能自主生成的觀點。因此，即使現在人工智能技術獲得了突破性進展，但普遍觀點仍認為，對人工智能而言，其在進行文字類作品創作的過程中，并不會賦予創作的文章任何觀點，因為人工智能本身并不具備感情及思想等主觀意識。

基于以上分析，我們可以得出一個基本的結論：當使用者只提出話題而不做具體限定，并且不闡述任何主觀偏向性觀點時，人工智能只會根據數據庫中的信息，將內容整合，一一羅列，這種情形顯然不能滿足獨創性的要求。例如學生為完成一篇探討法律制度的論文，決定使用ChatGPT人工智能平臺幫其生成論文。如果學生僅在平臺中輸入“請生成一篇探討法律制度的論文”，人工智能會根據自身數據庫中的信息，將多方觀點糅合，生成一篇看似邏輯通順的論文，此時這篇文章未有作者主觀觀點及個性化選擇、安排，不應受著作權法的保護。

當使用者將其個人觀點具體賦予到人工智能上時，人工智能會基于使用者的觀點，創作出具體的論文或其他形式的文字類作品。這種情況下，人工智能創作的文字類作品，就包含了使用者的觀點，相應的便體現出了使用者的個性化安排，因此具備了獨創性，應當屬于法律意義上的“作品”，受到著作權法的保護。例如學生在使用ChatGPT撰寫論文時，明確提出了自己的論點，并且根據人工智能生成的框架，進一步填充了自己的想法。此時人工智能生成的論文便具備了這名學生的個人特色，因此具備獨創性，屬于著作權法保護的對象。

但是，如果我們將這種判定方式帶回深圳市騰訊計算機系統有限公司訴上海盈某科技有限公司侵害著作權及不正當競爭糾紛一案中，便會發現—些問題。Dream Writer軟件創作出來的財經分析新聞是否有使用者的主觀觀點呢？財經分析類的新聞類似于數據分析報告與時事新聞的結合，按理來說這類作品并不會涉及創作者的主觀觀點，因此不應成為著作權法保護的對象，但為什么卻可以使用著作權法保護該作品的權益呢？

在傳統創作過程中，作者直接創作出作品。但在人工智能創作模式中，是由公司或自然人創造出人工智能雛形，而后又投入大量資源訓練人工智能，使其成為成熟體，最后是人工智能與自然人共同創作或由人工智能獨立創作出作品。在這一過程中，公司或自然人創造出人工智能雛形這一階段應該是專利法保護的范疇，但后續的公司或自然人投入資源訓練人工智能及使用人工智能進行創作這兩個階段應作為一個整體進行考量，來判定最終生成物是否是著作權法保護的對象。

公司和自然人投入資源訓練人工智能這一階段，其中所謂的資源主要指的是數據資源。但并不是所有數據資源都是可用的，而是需要定向選擇出合適的數據，而后再將數據“喂養”給人工智能。例如Dream writer軟件的主要應用方向是撰寫財經類新聞，那么在投入數據時，就會選擇大量的財經相關的數據，供人工智能深度學習。在定向選擇數據時，其本質類似于為圖畫選取風格，屬于加入創作者的主觀想法的行為。因此，在這種情況下，如果我們將創作者對人工智能雛形進行定向訓練，而后使用人工智能創作這一行為作為一個整體的過程去看待，那么在創作過程中確實加入了人格的因素，因此最終的生成物仍然具備獨創性，屬于著作權法保護的對象。

（二）對于人工智能創作的圖像、原畫及音頻等藝術類作品的判定

與通過數據的挖掘及“理性的計算”來進行文字類作品的創作不同，人工智能在創作圖像、原畫及音頻等藝術類作品時，通過“情感的計算”及“博弈學習”展現出了更強的創作屬性。

人工智能通過生成器和鑒別器之間的相互“博弈”來進行圖像、原畫類作品的創作。其創作最初是生成一個隨機的噪聲向量，而后通過多次對噪聲向量的定向非線性轉換，來繪制出符合使用者要求的照片或原畫。其本質與藝術家拿起畫筆進行繪畫創作并沒有區別。“隨機的噪聲向量”就好比是在畫紙上最初的畫點，而“定向的非線性轉換”則是基于最初的畫點，通過畫筆繪畫成完整圖案的過程。同時，在創作過程中，人工智能還會通過“神經風格轉移”技術提煉其他作品的風格，并賦予到自身創造的作品上，使其具有一定程度的獨創性。

人工智能創作音頻類作品時雖然使用了不同的深度學習模組，但是底層邏輯卻十分相似，同樣用到了類似生成對抗網絡（GANs）的“博弈學習”理念，并加入了與“神經風格轉移”技術類似的、專門用于學習其他音樂作品旋律規律及風格的模組——循環神經網絡（RNN）和變分自編碼器（VAE）。所以，人工智能創作音頻類作品在本質上與其創作圖像類作品時類似，因此人工智能創作出來的音頻類作品同樣可以具備獨創性。

人工智能創作圖像、音頻類作品的過程是最典型的人類與人工智能共同創作的過程。它顛覆了傳統的“人類創作中心主義”，即“創作者等于自然人”的限定。法學界的一些學者將人類與人工智能共同創作的過程稱為“賽博格”（Cyborg），是Cybemetic（“控制論的”）和Oranism（“有機體”）的組合詞，早先常見于國外的一些科幻類作品。法學界引入“賽博格”這一理念，便是為了討論自然人與機器人（人工智能）之間的關系。例如在人工智能創作圖片、音頻類作品的過程中，需要使用者人為地對其創作過程提出一定程度的要求，如需要描繪什么景物，畫風或曲風是什么風格等，而人工智能根據人類的要求自主進行一定程度的創作。這一過程中，雖然本質上與人類使用畫筆作畫譜曲沒有區別，但在實質上，人類在創作過程中相當于人工智能的輔助。這一實質便是很多人質疑人工智能創作物是否具有獨創性的原因。這種“非人類中心主義”的創作過程便是“賽博格”的核心概念。

不可否認的是，在這一過程中，人類依然是與人工智能共同進行創作，人工智能的最終產物必須是基于使用者的觀點與要求，以此才具備獨創性。如果純粹任由人工智能自由創作，使用者不添加任何要求與限制，那么與人工智能創作文字類作品時討論的情況類似，此時人工智能自主創作的產物并不具備獨特的人格與主觀特點，因此不具備獨創性。但是在目前絕大部分人工智能創作的圖片、音頻類生成物的案例中，很少存在純粹由人工智能自由創作出來的產物，因其隨機性強，而且商業價值較低。

基于上述特點，人工智能創作的圖像、原畫、音頻等藝術類作品具備獨創性，應當屬于法律意義上的“作品”并受著作權法保護。

三、人工智能創作物的著作權歸屬判斷

目前，學界關于人工智能創作物著作權的歸屬存在較大爭議，主要的爭論焦點在于該著作權應歸屬于人工智能設計者，還是所有者，抑或是使用者。目前較為普遍的觀點認為，不應歸屬于人工智能設計者。因為從市場的角度來看，如果人工智能設計者享有著作權，市場化程度就會降低，這將削弱研發的積極性。所以，將人工智能創作物歸屬于人工智能所有者或實際使用者，更符合理論和實踐的要求。

在智能畫圖工具Midjourney的服務條款中明確寫道：“在現行法律允許的程度內，您在使用服務時所創建的所有圖像歸您所有。”OpenAI的使用條款中也有相關內容，“在我們雙方之間，以及所適用法律許可的范圍內，您擁有對全部輸入的所有權。受限于您對本條款的遵守，OpenAI在此將其在輸出中的所有權利、所有權和權益轉讓給您。”

吳漢東教授認為機器介入創作，在技術原理上表現為一系列的數據挖掘、分析和運算，以模仿甚至取代人類創造性的智力活動。這種機器智能與人類的心性和心智是不同的，它是一種“理性的計算”及“情感的計算”，從而表現了類人化的意志能力。正是如此，人工智能不再是物質存在的輔助創作工具，而可能是與人類作者合作的“創作機器”或者說相對獨立的“機器作者”。因此，他提出，對于人機合一完成的作品，應構建“機器作者”與人類作者的二元創作主體結構，而著作權歸屬也應建構“作者一著作權人”的二元權利主體結構。基于“算法創作”的事實，未來法律可以擬制“機器作者”，但卻不能認定智能機器的著作權人資格，著作權人應是自然人或自然人的集合體。最終應以創作者權屬模式或者投資者權屬模式，基于對作品創作的實質性貢獻來決定具體的著作權歸屬。

人工智能之所以能創作出體現使用者主觀觀點的文字類作品，是因為人工智能在生成文章的過程中，基于使用者的觀點，通過信息資源整合、詞語概率分布及定向排列等方式，對使用者的觀點內容進行擴展，最終形成完整的文章。所以在考量作品著作權歸屬時，應參考創作者權屬模式。因使用者對于特定作品創作做出的實質性貢獻更多，故而著作權應歸屬于人工智能使用者。

但此時我們仍需考慮兩個問題。

第一，對于諸如財務分析報告、時事熱點、新聞報道等文字作品，在創作過程中，由于使用者沒有添加任何主觀感情色彩的觀點，最終人工智能創造物的著作權歸屬，則應參考投資者權屬模式，具體可適用法人作品或職務作品的有關規定，來確定著作權的歸屬。

第二，人工智能使用者的個人獨創性貢獻與人工智能的貢獻在其生成物中的比例問題。如果在一篇文章中，使用者僅僅提供了一句話的觀點輸出，而剩余部分均由人工智能完成，那么此時我們是否仍然要將文章的著作權歸屬到使用者身上。國外有些大學規定學生在使用人工智能寫文章時，必須標明文章具體哪部分內容由人工智能完成。本文認為，如果人工智能在創作過程中的比重遠大于使用者個人觀點表達輸出的比重，可以參考著作權中共同創作的情況，綜合考慮創作者權屬模式與投資者權屬模式來劃分最終生成物的著作權歸屬。

人工智能創作的圖像、音頻等藝術類作品著作權歸屬的判定方式與文字類作品相同，但是具體情況相對更加復雜。與進行文字類作品創作時不同，人工智能在創作圖像、原畫類作品時，通過“神經風格轉移”的技術進行深度學習，它使得人工智能可以透徹地分析另一件圖像類作品的風格，并快速應用，從而制作出與該風格一致的全新的圖像或原畫。在進行音頻類作品創作時，又有如變分自編碼器（VAE）的模組來提取其他音樂的風格并進行模仿。

我國《著作權法》的法律規定遵循著“思想-表達二分原則”（Idea-Expression Divide），即具體的“表達”，如特定的文字、藝術作品等，可以受到著作權法保護。但是相對寬泛的“思想”，或者說概念，通常是不能被著作權法保護的。圖像、原畫或者音樂的風格屬于“思想”的范疇，不受著作權法的保護。但是，當人工智能基于原作的風格，制作出與原作風格一致的全新的圖像或原畫時，便形成了對于“思想”的“表達”，此時需要考慮人工智能創作物是否對原作構成了著作權侵權。在著作權的侵權判定中，一種名叫“整體觀感法”（也稱兩步分析法Two-step Test）被廣泛應用。“整體觀感法”是基于普通理性人的觀點主觀上進行著作權侵權的判定，如果觀察者認為“作品整體觀感”實質性相似，法院即可認定原被告作品關于某一思想的表達是相似的。

基于“思想一表達二分原則”與“整體觀感法”，如果人工智能基于某一在著作權法保護范疇內的圖像、原畫類作品的風格，創作出與該風格一致的全新的圖像或原畫，則可能需要考慮是否構成著作權侵權。或者說，此時人工智能創作物的著作權應歸屬于圖像或原畫作品的原作者。但如果人工智能基于某一籠統的風格，如抽象派、印象派風格等進行創作，因為風格屬于“思想”的范疇，并不在著作權保護范圍內，所以此時人工智能創作物的著作權應歸屬于人工智能的使用者。

四、小結

未來時代，著作權法的發展趨勢是在工具理性和價值理性的統一中尋求平衡。社會學家馬克斯·韋伯的警示提醒我們，高度技術化的社會可能會讓人類陷入“技術知識的囚室”。然而，人工智能的發展需要走出這個“囚室”，追求具有廣泛社會價值的技術理性。同時，著作權法也需要順應時代變革，在法律制度的重構中堅守其立法目標，實現激勵創新和規制風險的制度理性。

在面對人工智能生成物的著作權相關問題時，將人類技術理性與制度理性相結合或許是最好的回答。這意味著我們需要建立一套能夠適應人工智能時代的著作權法體系，既能妥善地保護創作者和權利人的合法權益，又能更好地促進人工智能技術的創新和應用。這樣的法律體系應該確保人工智能創作物的著作權歸屬合理，充分考慮人工智能使用者的貢獻和投入，同時不忽視人工智能設計者的努力和技術創新。

人工智能作為一項復雜的技術領域，其創作過程和產物涉及多個學科的交叉，需要法學領域與科學技術領域的深度融合。構建適用于人工智能的相對健全的法律體系，需要法學研究者在充分了解人工智能科學技術的理論基礎和技術邏輯的基礎上，更精準地評判其法律屬性。理解人工智能技術的原理、機制和邏輯，有助于我們更準確地確定人工智能生成作品的創造性、獨創性以及對原作的侵權情況。同時，科學技術特別是人工智能技術的發展正在對現行的法律制度構成持續性的挑戰，需要學界積極研究思考如何調整和完善相關法律制度。通過技術邏輯分析和法學原理的結合，可以更好地理解和解決人工智能生成作品的著作權法問題，促進法律制度與技術發展的有機銜接。當然，還應重視社會價值導向問題，確保人工智能生成的作品符合社會倫理和法律規范，不侵犯他人的權益，不傳播虛假信息或有害內容。

人工智能時代的著作權法需要與技術的發展同步更新，以適應新興的創作方式和著作權保護需求。我國已經重視到人工智能生成物的重要性，以及進行相關制度建構的必要性，2023年5月23日國家互聯網信息辦公室2023年第12次室務會會議審議通過《生成式人工智能服務管理暫行辦法》（以下簡稱《辦法》），并經國家發展和改革委員會等六部委同意，于2023年7月10日公布，于2023年8月15日起施行。《辦法》廣泛吸納各方利益相關者的意見和建議，從人工智能訓練階段開始，對數據、資源合理使用，創作者行為規范、生成物版權保護等領域都予以了初步規范，力求在公正與效率之間實現最佳的平衡。

但客觀地看，隨著技術發展的日新月異，再詳盡的制度設計，依然難以避免會在具體的細節方面出現新的漏洞和缺陷，仍需要通過人類技術理性與制度理性的結合，不斷尋找適應人工智能生成作品著作權保護的最佳解決方案。同樣，我們也相信在法律的引導下，人工智能能夠走出野蠻生長的誤區，在保護創作者和權利人權益的同時，更好地為社會創造價值。