人工智能風格模仿算法反制的版權法保護

關鍵詞：生成式人工智能；算法反制；著作權法；著作權集體管理

中圖分類號：D923.41；D922.17 文獻標識碼：A 文章編號：1006-1398（2025）03-0101-11

一 背景與問題

作品的風格不受版權法保護，但是人工智能對作品風格的模仿日益對自然人作者造成沖擊。MidJourmey和StableDiffusion等AI繪圖軟件通過在線抓取圖像形成大型數據集進行訓練，獲得了非同尋常的圖像生成功能，使得不具有藝術素養的普通人也能使用這些軟件生成精美的圖像。但用于人工智能機器學習的圖像數據集卻包含了眾多受版權保護的內容，這些內容未經許可被用于機器學習時，創作作品的畫家既不知悉也未從中取得報酬。不僅如此，如果AI繪圖軟件使用某位畫家的大量作品進行過訓練，那么它就能夠模仿該畫家的藝術風格生成圖像，甚至形成一個專屬于該畫家的關鍵詞標簽，任何人都能通過輸入該關鍵詞標簽生成具有該畫家風格的圖像。AI繪圖軟件的風格模仿功能對繪畫行業造成極大沖擊。例如，AI繪圖軟件方便、迅速、成本低廉的圖像生成功能，可能導致人們委托畫家創作作品的意愿降低，又如AI繪圖軟件創作出的大量劣質的風格模仿圖像則會貶損原畫家的聲譽。從長遠看，如果放任AI繪圖軟件對風格的肆意模仿，可能影響藝術行業的發展前景，損害畫家創作的積極性。

為回應保護畫家藝術風格的現實需求，芝加哥大學Neubauer計算機科學教授Ben Zhao 和Heather Zheng 領導的 SANDLab 研究小組開發了一款名為Glaze的人工智能，用于對抗DALL-E，

Midjourney 和 Stable Difusion 等AI繪圖軟件。①Glaze 是一種通過破壞風格模仿來保護畫家風格的工具。根據官網介紹，Glaze的基本技術原理是通過理解圖像生成類人工智能模型的原理，使用特定算法生成藝術作品的一組最小變化，這種細微的變化不影響人類欣賞，但在人工智能模型看來卻是一種截然不同的藝術風格。②例如，對一幅現實主義風格的畫作使用Glaze進行處理后，在人眼看來處理前后的風格沒有明顯區別，但是在AI看來，處理后的畫作風格產生了變化，從而實現破壞風格模仿的目的。人類的視覺感知與人工智能的識別原理存在差異，Glaze的這種技術處理正是利用這種差異，在人類無法肉眼感知的新維度上進行改變，因此對于人工智能來說，這種對藝術的改變確實存在且能影響其對作品風格的判斷，但對于人類來說，看到的藝術作品與原作品一致。③

Glaze是人工智能在發展過程中出現的反制型新技術工具，開發者以“glazedartwork”或“cloaked artwork”來指稱經Glaze 處理過的藝術品，意為經過處理后產生具有誤導人工智能機器學習效果的藝術品。本文中，將經Glaze或其他利用算法進行反制的技術工具處理而產生的，破壞人工智能對藝術作品風格模仿能力的技術措施，稱為“算法反制”。當然，算法反制不限于對AI繪圖軟件風格模仿的技術限制，也包括其他類型的對抗型人工智能④上的應用。但本文將探討重心集中于風格模仿的規制問題，因此本文中算法反制以AI繪圖軟件為主要討論對象。

算法反制作為人工智能領域的新技術措施，其技術特征、法律性質等內容尚未引起法律界的關注。但是，隨著人工智能由弱到強的進一步發展，人機間的利益沖突必然愈發尖銳。算法反制作為一種對抗人工智能的有效手段勢必受到更多關注。本文首先討論算法反制是否具有版權法意義上技術措施的該當性，其次分析算法反制于當下的理論及實踐價值，最后針對通過算法反制實現新的利益平衡提出制度建議。本文從法律層面對算法反制作一個初步評價，旨在拓寬人工智能領域版權問題的研究視角，以期為人工智能與創作者之間構建新的利益平衡提供助益。

二算法反制的版權法技術措施屬性

我國《著作權法》第49條第3款規定，技術措施是用于“防止、限制”未經許可接觸作品的“有效”技術、裝置或部件。“防止、限制”表明技術措施應具有防御性，“有效”則表明技術措施應具有有效性。對算法反制的技術特征進行法律上的合理評價，能夠為畫家從他人利用其作品進行人工智能機器學習的行為中獲得收益提供正當性依據，使算法反制成為作品風格保護的有效救濟手段，平衡人工智能時代的版權利益格局。但是，算法反制能否構成版權法意義上的技術措施仍然需要具體分析。

（一）算法反制具有防御性

1.算法反制的語義解釋

“算法”表明該技術功能產生并作用于算法層面。以Glaze對藝術品的處理為例，產生于算法層面指Glaze對圖像的處理由機器學習算法產生，通過計算以在保證算法反制對AI繪圖軟件有效的同時，取得對作品的最小一組更改。作用于算法層面首先指Glaze的處理僅在算法層面具有意義，相關內容對于人類而言無法直接識別，以此區分于添加水印、破壞圖層等直接性措施；也表明Glaze的處理能夠使生成式人工智能對藝術品的風格產生誤判，這種誤判的影響會在算法上持續并積累，最終使得生成式人工智能輸出錯誤的目標風格。“反制”表明該技術功能的生效形式為被動生效、觸發生效，即只有經處理后的藝術品被人工智能用于機器學習訓練時，才會觸發其誤導功能。同時，“反制”還代表該技術功能呈現出一定的攻擊性。算法反制的效果可分為兩個層面，一方面算法反制阻止了人工智能對特定藝術家風格的學習，屬于防御性效果；另一方面算法反制給人工智能提供了誤導性的內容，在一定程度上損害了人工智能的機器學習能力，使其輸出錯誤的結果，屬于攻擊性效果。

2.算法反制的防御性特征

根據我國版權法對技術措施的規定，受版權法保護的技術措施應當僅具有防御性而不具有“懲罰性”①。易言之，技術措施應當保護版權人的正當利益，而不能保護非正當訴求。例如，不能通過技術措施“懲罰”未經許可使用者，因為“懲罰”并非保護版權人的必要手段，不符合版權法保護技術措施的正當性要求。

從技術表象來看，算法反制似乎兼具防御性和攻擊性。其防御性體現于對作品風格的保護，攻擊性則體現于對人工智能風格識別功能的干擾。問題是，將攻擊性與保護版權人正當權益相結合的技術能否符合版權法對技術措施的要求。從表面特征看來，具有攻擊性代表在一定程度上會侵害未經許可使用人的利益，似乎與維護版權人的正當利益無關，不符合版權法技術措施的防御性要求。但是，如果因此就認為該技術措施不能受到版權法保護，則導致該技術措施所保護的版權人正當利益也被排除。可見，是否保護既有攻擊性又保護版權人正當權益的技術措施，實際上是對未經許可使用人的利益與版權人正當權益的取舍。而面對利益的權衡，一刀切地規定保護或不保護并非最好的制度選擇，應當針對具體問題進行具體分析。

具體到算法反制，在針對AI繪圖軟件的風格模仿上，除非在數據輸入階段就阻止作品進入機器學習訓練的數據集，否則在機器學習階段想要單純地隱藏風格，而不對人工智能產生進一步的影響似乎難以做到。因為在機器學習的過程中，人工智能模型必定會對特定內容的處理作出反應，并基于處理結果修正算法。易言之，對于人工智能來說，只存在“看對了”（正確識別）或“看錯了”（錯誤識別），而不會存在“沒看到”（無法識別），特定作品一旦被用于訓練就必然對人工智能產生影響，而不論這種影響是否正向。因此，算法反制的攻擊性效果并非技術措施的設計者有意為之，而是受人工智能機器學習的特性所限，只能通過帶有“攻擊性”的形式來實現對版權人正當利益的保護。可以認為算法反制并不具有“懲罰”作品的未經許可使用者的意圖。除此之外，算法反制對未經許可使用人的利益損害較小。算法反制僅針對人工智能對風格的識別，不會影響其在其他方面的功能。只要不涉及對特定藝術風格的模仿，人工智能就不會受到算法反制誤導。與之相比，藝術家的風格一旦被人工智能所模仿，其收入、聲譽等就會受到人工智能風格模仿作品的嚴重影響。

基于上述分析，對于兼具防御性和攻擊性的技術措施，應當針對技術措施設置攻擊性的必要性及實際效果進行評價，如果技術措施的攻擊性對于技術目的的實現是必要的且對他人利益影響較小，那么應當認為該技術措施不具有“懲罰性”，仍然具有受版權法保護的正當性。因此，算法反制雖然呈現一定攻擊性，但不應當認定其具有“懲罰性”，可以受到版權法的保護。

（二）算法反制具備有效性

如前文所述，版權法對技術措施的保護須滿足有效性要件，這要求技術措施應當事實上能夠有效阻止大部分用戶未經許可接觸受保護的版權內容。① 版權法對技術措施的有效性要求本質上是在平衡權利人與社會公眾間的利益分配，即通過保護技術措施以保障權利人的版權利益，同時有效性要求能限制技術措施范圍的過度擴張。從語義上看，技術措施的有效性似乎指的是事實上的有效性，即關注客觀上技術措施能否實現對內容的保護。但從本質上看，技術措施的有效性是版權法實現利益平衡的一個制度工具，因此并不能過分地要求其絕對的有效性，而是只要滿足版權法語境下的有效即可。版權法上的有效性與事實上的有效性一體兩面，在判斷有效性時應結合技術措施的具體內容和版權法的制度目的進行論證。

1．基于技術原理的有效性——對抗樣本現象

Glaze 的開發者在官方網站的問答中表示，Glaze之所以能夠對人工智能產生影響，是因為其基礎技術利用了人工智能領域中一種名為“對抗樣本（Adversarial Examples）”的技術現象。②對抗樣本的概念最初由克里斯蒂安·塞格迪（Christian Szegedy）等人在論文中提出，該現象具體為“通過故意對數據集中輸入樣例添加難以察覺的攝動使模型以高置信度給出一個錯誤的輸出，即只需要在一張圖片上做微小的擾動，分類器以很高的置信度將圖片錯誤分類，甚至被分類成一個指定的標簽（不是圖片正確所屬的標簽）”③。他們在研究中還發現，在訓練集的不同子集上訓練得到的具有不同結構的模型都會對相同的對抗樣本產生錯誤分類。扎卡里·蔡斯·利普頓（Zachary Chase Lipton）進一步指出，在對抗樣本上的脆弱性并不是深度學習所獨有的，而是在很多的機器學習模型中普遍存在。④尼古拉斯·帕佩諾特（Nicolas Papemot）等人也指出：“對抗樣本具有轉移性，即對抗樣本在其生成模型之外的有效性”③。這表明對抗樣本現象在人工智能領域普遍存在，難以通過變更訓練數據集或改變機器學習模型而完全避免。

克里斯蒂安·塞格迪等人認為對抗樣本是訓練算法的一個盲點。自對抗樣本概念被提出后，為了防止深度學習算法受到干擾，研究人員開發了諸多針對對抗樣本的防御方法。這些防御方法雖然能在一定程度上抵御對抗樣本的攻擊，但是無法運用于所有模型上，而且還存在各種缺陷。⑥目前而言，對抗樣本現象在人工智能領域仍然難以完全消除。美國多位研究員更是提出“對抗樣本不是缺陷（Bug），而是特征”。他們在論文中表示，“我們證明了對抗性樣本并不是奇怪的像差或隨機的偽影，相反它們實際上是有意義的數據分布特征（即它們有助于模型泛化），盡管這些特征不易覺察”③。這也表明對抗樣本現象是人工智能機器學習過程中所產生的必然現象，其背后的原理對人工智能來說具有功能上的意義。從上述論述中也可以得出結論，對抗樣本是伴隨人工智能機器學習產生的必然現象，這同時也說明了以對抗樣本現象為基礎原理的算法反制同樣難以被回避，算法反制在對抗人工智能上的有效性得以成立。

雖然Glaze的開發者也認為人工智能存在通過顯著進化以消除對抗樣本影響的可能性，但是他們同時認為這需要對人工智能模型底層架構進行重大改變，在那之前Glaze對藝術品的處理都將有效地干擾人工智能對風格的模仿。① 基于對抗樣本現象在不同人工智能模型中的普遍有效性，可以認為算法反制同樣具有普遍性，能夠對不同人工智能生效。綜上所述，算法反制能夠有效地針對不特定的AI繪圖軟件，具有事實上的有效性。

2.版權法意義上的有效性

《世界知識產權組織版權條約》規定，版權法所保護的技術措施應當是“有效的”技術措施。②前文已從技術原理角度論證了算法反制在對抗人工智能上的有效性，但是，仍需要論證這種技術上的有效性能否滿足版權法上的有效性。

目前，版權法上技術措施的有效性判斷主要存在三種標準，分別是以《美國千禧年數字版權法》為代表的“寬松”標準，③以《歐盟信息社會版權指令》為代表的“嚴格”標準④以及偏向折中的“一般計算機用戶”標準。③“寬松”標準只關注技術措施是否具有保護作品的效果，而不關注其是否容易被規避；“嚴格”標準則要求技術措施能夠萬無一失地保護作品，即使是專業人員也無法將其規避；“一般計算機用戶”標準以普通計算機用戶的技術能力為標準判斷來判定技術措施的有效性。“寬松”標準與“嚴格”標準均過于極端，前者導致有效性標準名存實亡，后者則會使得幾乎沒有技術措施能夠達到有效性要求。相比而言，“一般計算機用戶”標準更具實際意義。

Glaze 的開發者表示，Glaze一旦對圖像進行處理后，不會因重新截圖、裁剪、過濾噪聲、重新格式化、調整大小、壓縮等對圖像的后期加工而失去對抗性效果。③這些加工方式幾乎囊括了所有常見的圖像處理手段，可見對于僅具有一般計算機技術能力的普通用戶而言，算法反制是無法規避的。因此，基于“一般計算機用戶”標準，算法反制具有版權法意義上的有效性。

（三）算法反制屬于接觸控制措施

根據前文分析，算法反制既滿足有效性又滿足防御性，可以評價為版權法意義上的技術措施，但還需進一步討論其屬于何種技術措施。版權法意義上的技術措施分為“版權保護措施”和“接觸控制措施”，前者用于保護復制權、表演權和信息網絡傳播權等專有權利，后者則用于防止他人未經許可接觸作品的行為。③本文認為算法反制屬于接觸控制措施，具體理由如下。

第一，版權保護措施保護版權專有權利，預防版權侵權。算法反制僅針對AI繪圖軟件的風格模仿，而不涉及對專有權利的保護。算法反制直接作用于機器學習階段，其既不阻止作品本身的復制也不影響其傳播，在這個過程中算法反制并未阻礙作品的使用，因此不屬于版權保護措施。第二，人工智能領域下的算法反制與傳統的接觸控制措施③具有性質上的一致性。從對象而言，算法反制的針對目標群體與傳統的接觸控制措施相比具有一定的特殊性，傳統的接觸控制措施針對一般公眾，算法反制則針對人工智能。但是，學理上人工智能并不具備法律上的主體資格，也即人工智能自身不能承擔權利義務，應由人工智能的實際控制者承擔。這說明算法反制的實際目標群體仍然是人工智能背后的控制者，這與傳統接觸控制措施的目標群體并無實質上的差別。

從控制行為而言，傳統的接觸控制措施阻止他人未經許可接觸作品的行為，算法反制則可以理解為阻止他人未經許可以特定方式“接觸”（人工智能機器學習）作品中的特定內容（藝術風格）。

首先，“接觸”一詞的具體解釋對于接觸控制措施的認定并不具有本質影響。雖然，我國現行《著作權法》采用封閉式立法，將接觸控制措施定義為“用于防止、限制未經權利人許可瀏覽、欣賞作品、表演、錄音錄像制品…的有效技術、裝置或者部件”①，即法律規定“接觸”行為僅限于“瀏覽、欣賞”。但是，隨著計算機技術和人工智能的發展，接觸行為的內涵也應當隨之擴大。例如，學說上也有觀點認為接觸作品還應當包括“運行”計算機程序。②依據“正當利益說”，“接觸控制措施是版權人除行使版權專有權利之外，維護自己在版權法中正當利益的手段”③，可見某種技術手段只要維護的是版權人的正當利益，且具有有效性，就具備了版權法意義上的接觸控制措施的基本法律特征。其次，只阻止接觸作品部分內容的技術措施也屬于接觸控制措施。例如有的企業會向公眾免費開放試用版軟件，試用版軟件的程序與完整版軟件一致，但部分功能因技術措施而無法使用，需要用戶購買并使用序列號以開啟完整功能，試用版軟件中的技術措施僅阻止對軟件部分內容的接觸，也公認為屬于接觸控制措施。④作品風格寓于作品的表達之中，是從復數作品的具體表達中所抽象出的帶有共性和識別力的元素，③客觀上表現為表達性要素相互組合的一種抽象規律，人工智能可以通過機器學習總結這種規律而實現風格模仿。在著作權侵權案件的審理中，作品風格有時也會作為實質性相似比對的因素之一。⑥可見，在具體個案中，風格可能不僅屬于思想范疇，也融入到表達中，但又不易明確劃分界限。作品風格在創作過程中和在法律評價上都與作品渾然一體，故而模仿作品風格可以視為對作品部分的接觸，算法反制阻止人工智能對作品風格的接觸，屬于接觸控制措施。

三算法反制的版權利益平衡功能

人工智能風格模仿對創作行業造成沖擊，算法反制則從技術層面對沖擊作出回應。同時，算法反制可構成版權法意義上的技術措施從而受到版權法保護，具有技術層面和制度層面的雙層價值，對當前人工智能風格模仿問題的解決以及創作者與人工智能間利益再平衡都具有重要意義。

（一）人工智能環境下的利益失衡

1.風格模仿影響創作者積極性

目前，藝術家們對于AI繪圖軟件的爭議在于，AI繪圖軟件能夠通過學習他們已經完成的作品實現對他們藝術風格的模仿，但他們無法通過現行版權法予以阻止。例如，使用MidJoumey這一AI繪圖軟件時，在輸人關鍵詞生成內容后，使用者可以在描述中引用目標風格對應的藝術家名字，從而生成與該藝術家風格相似的作品。除了通過關鍵字生成作品外，MidJourney還可以通過上傳具有特定風格的圖像，生成與該圖像相似風格的作品。上述功能在人工智能領域被稱為“藝術風格遷移（Artistic Style Transfer，AST）”，目前已存在大量以提升“藝術風格遷移”效果為目的的研究，形成了相對成熟的技術。

藝術風格是文藝作品中透射出來的帶有作者個性識別功能的綜合特征。一個藝術家因其個性、審美、價值觀等個人特質的不同，在創作時也呈現出與眾不同的特色，從而形成獨特的風格。藝術風格具有強烈的人格屬性，特定的藝術風格通常能夠與藝術家聯系起來。事實上，在生成式人工智能出現之前，個別有天賦的模仿者不會對創作者的版權市場造成實質性沖擊。藝術風格凝結著藝術家強烈的個人特色，對其進行模仿并非易事，即便有個例的風格模仿，對創作者作品銷售和競爭優勢的影響極為有限。具體而言，如果模仿者是通過復制表達方式再現他人藝術風格，則模仿者會受到版權法規制構成版權侵權。如果以獨創表達的形式創作模仿他人風格的作品，這雖可能規避版權法的規制，但意味著模仿者需要更高的技巧和更長的訓練時間，須在充分熟悉他人風格的基礎上才能創作出相同風格的新表達。這樣的作品即使存在，其數量也會非常稀少，難以對被模仿者的市場產生實質性替代。

但是，生成式人工智能的誕生大幅度降低了風格模仿的難度。人類模仿他人風格時所面臨的難度被人工智能強大的算法和算力輕松解決，人類有限、緩慢的創作速度被人工智能高效的運算處理能力所替代。大量風格模仿的AI作品沖擊繪畫行業，精美的風格模仿作品擠壓藝術家的生存空間，低劣作品的大量產生則導致混淆，或損害藝術家的聲譽。從短期看，AI繪圖軟件或許能在短期內使AI作品的數量呈現井噴之勢，但從長遠看，大量的風格模仿損害創作者的創作積極性，作為人工智能機器學習素材的人類作品大幅度減少，可能導致人工智能缺乏數據成為無源之水，其生成的作品也將不可避免地趨于重復而失去生機，最終使得社會整體藝術水平降低。

2.創作者風格需版權法提供保護

當前，法律在限制人工智能風格模仿上制度供給不足。傳統的互聯網環境下以防止他人未經許可獲得作品為主要目的的技術措施面對強大的數據挖掘技術和機器學習技術時顯得力不從心，數據挖掘技術的高度隱蔽性也使得權利人難以發現其作品被獲取，①傳統的保護版權技術措施已無法阻止人工智能對作品的抓取和使用。

在版權制度的“思想和表達”二分法理論下，版權只保護表達而不保護思想，風格屬于思想領域，對風格模仿不會構成版權侵權，因此創作者與人工智能之間的矛盾難以通過版權法對侵權行為的控制進行調整。現有學說對生成式人工智能中的版權問題的討論主要圍繞人工智能運作的三個階段展開，分別是數據輸入階段、機器學習階段和結果輸出階段。②在數據輸入階段，將包含大量作品的數據集固定于服務器或其他存儲設備中，構成對這些作品的復制行為。對于該復制行為的定性，目前存在諸多觀點，不同觀點間爭議極大，導致定性問題的解決陷人停滯。在機器學習階段，人工智能模型對數據集進行分析處理，這個過程中人工智能模型并沒有產出內容，而是通過分析改進自身算法。因此只涉及對數據的臨時復制，而臨時復制不構成版權法上的復制行為。③在結果輸出階段，輸出內容并非對原作品表達的截取或拼接，④風格模仿作品與藝術家的原創作品在風格上的相似，不屬于對表達的直接利用，在現有制度體系下，人工智能的風格模仿并不能得到有效管理，藝術家只能坐視人工智能利用自己的作品產出大量的風格模仿作品。

（二）以算法反制應對風格模仿的合理性

激勵創作是版權法的制度目的之一。版權法通過設置專有權利使得版權人取得對作品的特定利用行為的控制權，保障版權人從他人對作品的利用中取得收益，從而激勵創作。早期的技術環境下，版權法上的專有權利即可確保版權人的收益，但是隨著技術發展，單靠專有權利已難以應對層出不窮的技術行為，無法完全實現版權人的應得利益。因此，“版權法之所以給予接觸控制措施以保護，是為了在新的技術條件下保障版權人的利益”①。那么，版權人通過接觸控制措施所取得的利益是否具有正當性就決定了該接觸控制措施是否具有受版權法保護的正當性。

版權人通過接觸控制措施取得的利益之所以具有正當性，是因為版權人不具有容忍他人通過某種方式利用其作品的義務。特定行為不構成版權侵權并不代表他人享有實施特定行為的權利，因而接觸控制措施對特定行為的限制不會構成侵權。同理，就算認為將作品用于機器學習不構成版權侵權，也不代表版權人具有容忍其作品被用于機器學習的義務，只是以往并不存在能夠實現版權人意圖的技術手段，版權人的“容忍”只是無奈之舉。只要出現有效的技術手段能夠阻止未經許可將作品用于機器學習的行為，那么版權人自然會通過這種技術手段取得收益。

作品用于人工智能機器學習訓練是新技術賦予作品的新價值，這種隨技術發展而誕生的使用方式本質上仍是源于作品，由版權人對其價值享有利益具有天然的合理性，正如互聯網的出現使得版權法增設信息網絡傳播權，該權利由版權人享有并無異議。因此，版權人通過算法反制控制作品具有合理依據，算法反制作為技術措施也就具有受版權法保護的正當性。

（三）算法反制的版權法意義

1.算法反制不與現有學說相沖突

關于人工智能機器學習使用作品的行為性質，學界觀點未形成定論。有觀點認為將作品用于人工智能機器學習的行為根本不屬于版權法規制范圍內的使用行為，③也有觀點認為將作品用于機器學習的過程中會涉及版權法中的復制權、改編權甚至傳播權等多項權利。即使在支持機器學習使用作品的行為在版權法規制范圍內的一派中，也存在各種內部分歧。部分學者認為機器學習使用應當屬于合理使用，③另有部分學者則支持為其設定法定許可。③從機器學習使用是否受版權法規制到機器學習使用是否應當付費，學界在幾乎所有問題上都尚未統一，可見理論爭議之大。學術上的百家爭鳴影響實踐中解決方案的統一。在人工智能的結果輸出端，其生成的風格模仿內容又難以被認定為對模仿對象的版權侵權。基于思想表達二分，相對抽象的藝術風格屬于思想，通過版權法保護藝術風格有違“著作權法不保護思想，而只保護對思想的表達”③的基本原則。

以算法反制對抗人工智能的風格模仿則不存在理論上的不便。我國《著作權法》在第49條規定了對技術措施的保護，禁止未經許可規避技術措施的行為。在《著作權法》體系中，規避技術措施被視為一種獨立的民事侵權行為，既不屬于版權侵權行為，也不需要以存在版權侵權行為為前提。在通過算法反制對抗人工智能機器學習使用作品的情境下，只需要考慮算法反制是否屬于版權意義上的技術措施，而無須關心機器學習使用作品行為的版權性質，自然也就得以回避這一問題上存在的諸多學術爭議，有利于切實解決人工智能發展帶來的人機矛盾尖銳、版權利益失衡等現實問題。

2.算法反制推動版權利益再平衡

隨著新技術的發展，版權制度激勵創作的意義和價值也隨之發展。在新技術新領域的影響下，傳統版權制度、利益分配機制難免受到沖擊，需及時調整以適應時代發展需要。當前，生成式人工智能帶來的沖擊甚為激烈。在人工智能浪潮下，市場會自發為新的利益格局尋找合適分配機制，理論研究也應為市場提供的這種機制探索背后的理論依據。

人工智能機器學習需要作品用以訓練，人工智能的性能由訓練而得以提升，這種提升可以部分視為作品版權價值在人工智能領域的延伸。如果人工智能所有者已事先取得許可，那尚可認為已經為版權人支付了合理對價。但在數據挖掘技術下，大量未經許可就被用于訓練的版權數據顯然未被支付對價，版權人的利益未得到保障，使得版權利益分配失衡。為作品設置屏障的技術思路受到了數據挖掘技術的嚴重挑戰。算法反制則體現了另外一種技術思路，即不對人工智能數據輸入階段的數據挖掘設防，而是直接作用于機器學習階段。在這個意義上，算法反制并不能限制對作品的接觸或獲取。甚至對于人類來說，算法反制并不可見，不會影響其對作品的欣賞。如果通過數據挖掘抓取作品只是供人類欣賞，則算法反制不會產生效果；而被抓取的作品一旦用于機器學習，算法反制就能實現對藝術家風格的保護。此外，算法反制是一種事先救濟。法律救濟屬于事后救濟，即使不考慮法律上的可保護性，也只有藝術家注意到AI繪圖軟件能夠產出帶有其風格的作品時，其才能意識到其風格被人工智能模仿，才能尋求法律上的救濟。而AI繪圖軟件一旦掌握了藝術家的風格，就能迅速且大量地產出該藝術風格的模仿作品。由于人工智能算法的不透明性，藝術家甚至很難“要求”人工智能“忘記”其藝術風格，使得藝術家的利益受到不可逆的損害。算法反制作為一種有效的技術措施，能夠從一開始就阻止人工智能學習藝術風格，從而充分保護藝術家的利益。在算法反制的幫助下，藝術家能夠重新取得與大型人工智能企業談判的資格，要求企業為獲取其原始作品支付合理對價。

四算法反制作為技術措施的完善路徑

算法反制順應人工智能時代的發展，響應人類藝術創作者的需要而誕生。單就防止個別藝術家的藝術風格被人工智能所模仿而言，算法反制技術本身即能夠達成這一效果，但如希望通過算法反制以實現人工智能時代下版權利益的再平衡，則仍然需要法律制度的介入。通過算法反制使藝術家享受人工智能發展所帶來的新價值，有賴于法律上對算法反制的承認，也有賴于相關配套制度的落實。

（一）確立算法反制的技術措施地位

以現行《著作權法》的明文規定來看，算法反制尚不具有作為版權法意義上技術措施的地位。我國《著作權法》第49條第3款規定了技術措施的定義，指出技術措施所針對的行為包括“瀏覽”“欣賞”“通過信息網絡向公眾提供”。該款規定對行為類型作窮盡式列舉，從字面含義理解，只有針對所列舉行為的技術措施才屬于版權法所保護的技術措施，也就使得部分技術措施會被排除在外。例如用于計算機程序的接觸控制措施，因為規避計算機程序上的技術措施的目的是運行該程序，而非條文所規定的“瀏覽、欣賞”該計算機程序。①算法反制措施同樣如此，其目的是防止未經許可將作品用于機器學習，并不阻止人的“瀏覽、欣賞”，以法條規定而言，顯然也不屬于第49條所規定的受版權法保護的技術措施。有觀點認為，應當通過對“瀏覽”進行擴張性解釋，使其能夠包含對作品進行數字化復制的行為和運行計算機軟件兩種行為，從而將針對上述行為的技術措施納入版權法保護。②但是，將“復制”和“運行”都解釋為“瀏覽”已經在相當程度上擴張和背離了“瀏覽”的本意。法律應具備穩定性和可預見性，使個人和企業能夠根據法律規定來規劃自己的行為。通過擴張解釋雖然能夠解決部分技術措施被排除在法律規定之外的問題，但也并非最好選擇。相比而言，更妥善的方法應當是對《著作權法》第49條進行修改。建議在第49條第3款的“瀏覽、欣賞、通過信息網絡向公眾提供作品”之后增加“或者以其他方式接觸作品”的兜底內容，為防止運行計算機軟件、防止復制作品的技術措施以及算法反制措施受版權保護掃清障礙。同時，通過兜底內容也能為將來可能出現的其他技術措施建立規制基礎，及時順應瞬息萬變的技術發展。

（二）完善其他配套制度

人工智能的制度設計總體而言存在兩種導向：一是主張促進人工智能產業發展，降低人工智能發展成本；③二是維護版權人利益，要求人工智能企業為利用作品付費。④隨著研究的深入，越來越多的學者也認識到：制度設計如果僅關注上述的其中一種導向是失之偏頗、不合實際的，合理的制度設計應當對上述兩種導向都有所關注，以兼顧人工智能產業發展和版權人利益為目標。③算法反制措施以保護創作者的作品不會被未經許可用于人工智能機器學習訓練為手段，以實現人工智能時代下版權利益的再平衡為目標，側重于維護版權人利益。將算法反制認定為版權法意義上的技術措施并予以版權法保護雖然有利于版權人分享其作品在人工智能時代下的版權利益增量，但充其量只是一種基本技術保障，而非完整的版權利益分配方案，仍然需要進一步討論具體的利益分配模式，設立行之有效的配套制度。

借助算法反制，著作權集體管理制度能夠成為平衡版權人利益和人工智能產業發展的有效機制。集體管理制度的主要目標是“降低因權利歸屬分散和使用方式多元而帶來的高額交易成本，并減少作品在流轉過程中因繁冗交易程序而導致的價值損耗”⑥。而由于科技企業相對于版權人所具有的技術優勢，企業往往并不愿意為獲取版權而支付對價，而是直接通過數據挖掘等手段，大量攫取網絡上的版權資源。版權人對此一無所知，更不論尋求救濟。版權交易的基礎被科技企業的技術手段所破壞，集體管理制度也因此表現不佳。算法反制則從技術上屏蔽了數據挖掘等手段的效果，讓科技企業不得不重新考慮通過交易獲得版權，此時交易成本就會成為值得考慮的問題，集體管理制度也就有了用武之地。通過集體管理組織，能夠有效降低作品需求方獲取大量作品的交易成本。機器學習需要大量的作品作為訓練數據，單獨尋找版權方將面臨高額交易成本，通過集體管理組織一次性地獲取許可顯然是更有效率的選擇。鑒于機器學習使用作品具有數量大、類型多樣、注重質量、時效性強等特點，？其業務形式必然與以往有所不同，因此有必要成立專門負責機器學習訓練授權的著作權集體管理組織，使得版權資源更好發揮效能，推動版權產業和人工智能產業同步發展。版權人則需要向集體管理組織提供未經算法反制處理的原始作品文件，保證作品用于訓練的價值，同時其作品的交易次數可作為版權收益分配的依據，實現版權利益回流后的公平分配。

結語

風格是藝術家在大量創作中形成的一種文化識別，這種文化識別可以將藝術家與其他創作者區別開來，但是對風格的模仿不屬于受版權法所限制的行為。算法反制正是源自藝術家對遏制人工智能風格模仿的需求，體現了人類智能與人工智能在藝術創作領域沖突矛盾的協調。人工智能發展帶來新矛盾無法通過現有法律制度消解，但可以通過算法反制這一技術措施得到一定程度的控制，從而為解決人機智能沖突提供新的視角和方向。本文分析了人工智能風格模仿對創作者帶來的負面影響，如長期創作形成的風格可以輕易被模仿，勢必影響創作者在未來創作上的投入。與傳統的技術手段相比，算法反制能夠有效對抗人工智能的風格模仿且能夠較好地回應藝術家的需求。本文基于版權法中技術措施相關理論，論證了算法反制作為技術措施受版權法保護的必要性和可行性。通過在法律上對算法反制進行合理評價，能夠為藝術家從他人利用其作品進行人工智能機器學習訓練的行為中獲得收益賦予法律上的正當性。算法反制賦予藝術家控制其作品不被未經許可用于機器學習訓練的能力，能夠有效遏制人工智能肆意調取他人作品進行訓練的亂象，維護創作者合理分享創作成果權益，一定程度上緩解人工智能快速發展帶來的矛盾和沖突。

Copyright Law Regime for Algorithm Countermeasures to Artificial Intelligence Style Imitation

CHU Xiang， JIN Cheng-xin

Abstract：Generativeartificial intellgence（GAI）hasdemonstrated itspowerfulimitationabilityintheartfield，andits styleimitationabilityhassqueezedthesurvival spaceofartists.Inorder tocombatthestyleimitationofAI，researchers havedevelopedanalgorithmcountermeasure to interfere withtheAI'sstylerecognition.Algorithmiccountermeasures have “defensive”and“effective”characteristics and belong to contactcontrol measures，which should be protected under copyrightlaw.Byprotecting algorithmiccountermeasures，itisposibletocircumventcopyrighttheorydisputesinthefieldof AI，achieveabalanceof interests betweenartistsandAIcompanies，andallwartists toshareintheincrementalcopyright benefits broughtbyAItechnology.It isrecommendedthat Article49of theCopyrightLawbe amendedand improved toensurethelegitimacyof algorithmiccountermeasuresunder the protectionofcopyright law，and thatthebenefit distribution model brought by algorithmic countermeasures be implemented through the copyright collctive management system.

Keywords：generativeartificial intellgence；algorithmiccountermeasure；copyrightLaw；collective managementofcopy right

【責任編輯：陳西玲】