唐珺林佳燕：人工智能生成内容著作权保护路径分析

本文旨在探讨人工智能生成内容的著作权保护问题，以平衡各方利益，推动著作权制度目标的实现，助力文化创意产业与智能科技的深度融合。

【摘要】在人工智能技术不断进步的背景下，其创作成果给著作权法带来了新的挑战，引发了司法实践中的争议。本文旨在探讨人工智能生成内容的著作权保护问题，以平衡各方利益，推动著作权制度目标的实现，助力文化创意产业与智能科技的深度融合。文章从六个维度展开论述，首先对智能系统及其产出的内容进行定义，分析生成过程和内容特征，并探讨“独创性”与“智力成果”两个作品构成要素。而后通过文献分析，梳理并总结当前学者对人工智能生成内容著作权保护的不同观点。接着从著作权法的目的、历史贡献和独创性标准出发，论证保护人工智能生成内容的必要性。同时，结合我国司法案例和著作权法规定，审视设计者、投资者、使用者等归属说的不足，提出“视为作者”原则。最后，分析目前人工智能生成内容著作权保护的法律困境，并提出了提高创造性标准、明确侵权判断准则与责任主体、设立邻接权等保护路径的建议。

关键词：人工智能生成内容；著作权；创造性；权利归属；保护路径

近年来，随着社会的不断进步和科技的快速发展，人工智能生成内容在大数据时代被广泛地应用。人工智能生成内容，如由人工智能算法创作的文章、音乐、绘画等，正在逐渐成为文化生产和传播的重要组成部分。然而，这种新兴的内容生成方式对现有的著作权法律体系提出了前所未有的挑战。当创作主体变为人工智能时，传统的著作权保护模式面临诸多问题。如人工智能生成的内容是否符合创作过程中的独创性判断标准，是否符合作品的构成要件，其生成的内容的权利主体归属……当前我国法律框架中，针对这一现象所涉及的相关法律议题尚未形成清晰且详细的规范，同时学术界对此也未能形成共识。鉴于此，探讨人工智能生成内容的知识产权法律问题显得尤为重要。随着人工智能技术的快速发展，通过法律规范对其进行治理，不仅能够确保人工智能技术更安全、可靠地服务于社会，还能够促进文化的进一步繁荣与发展。

一、人工智能生成内容的概述

（一）人工智能的界定

在1956年夏季的达特茅斯学术研讨会（Dartmouth Conference）上，学者们首次提出了人工智能（Artificial Intelligence，简称AI）这一创新理念，意指能够模拟人类思维能力的计算机系统。在这之后，人工智能受到学者们的广泛关注。一部分学者认为，人工智能描述了计算机模拟人的思维和学习行为等的过程；另外一部分学者认为，人工智能本质上是一门探讨知识体系的学科，它研究知识的表达方式、获取途径以及实际应用的科学原理。但是就目前而言，人工智能还未有统一的定义。

基于上述观点，本文认为人工智能是利用机器模拟人类智能的一种技术，作为一项模拟人类智能的技术手段，旨在促使机器开展深层次的“思维活动”与“知识汲取”，进而能够依据人类所下达的指令，自主完成各类任务。它并非局限于单一的技术范畴，而是涵盖了一系列多元化的技术与算法体系，例如机器学习、深度学习以及自然语言处理等。目前，随着科学与技术的深入发展，人工智能已经广泛应用于医疗、金融、教育、交通等各个领域，并不断为推动经济与社会发展注入新的活力。

综上所述，人工智能在不同场合有着不同的含义。人工智能可以作为一种工具的实物，也可以作为一门以计算机科学为基础的学科。

（二）何为人工智能生成

在计算机科学这一广泛学科中，人工智能作为一个专门的分支，其最初在著作权领域的应用主要是作为作品传播的辅助性技术手段，其作用范围局限于非创作性领域。然而，随着科技进步的发展，人工智能已开始介入创作的过程，打破了社会对于创作活动的传统认知界限。这一变革促使我们有必要对人工智能生成的内容进行深入而系统的认知和理解。

1.人工智能生成的相关过程

目前，人工智能正处于快速发展阶段。而人工智能生成内容，是使用者利用人工智能，输入所想呈现出的具体实物，即可自动生成影像、文字、图片等相关内容。而人工智能生成内容的生成过程，大致分为以下阶段：初始化阶段，着手搜集基础数据，以此为基础搭建了一个包含多种媒介资料的数据库，如文本和图像的综合性数据库。随后，进入数据处理阶段，人工智能系统利用先进的神经网络技术对这些数据进行识别和学习。在模式识别阶段，人工智能通过神经网络从数据库中提取出有效的模式，并通过持续的迭代学习来提升模型的细节处理能力。最终，在内容生成阶段，在内容生成阶段，人工智能根据用户的输入指令，应用深度学习技术来构建模型，并生成相应的输出。在整个过程中，人工智能还能够通过深度学习自我调整，以提高生成内容的适用性和满足用户需求的能力。

2.人工智能生成内容的划定

人工智能生成物与传统的机械化生成物存在显著差异，它们并非单纯依赖于预设的算法或程序来产生常规的指令性输出。相反，这些产物是借助人工智能所具备的自主学习能力，尤其是深度学习这一关键环节，逐步塑造而成。基于此，可将人工智能生成物的概念界定为：在科学研究与文化艺术范畴内，人工智能凭借深度学习技术，依据海量数据以及经过训练所形成的模板规则，自主创作生成的内容1。目前，对于人工智能生成出的内容，学界对其还未有统一的定义与划分，“人工智能生成物”、“人工智能创造物”是目前大多数学者所采用的表达。学者们对于人工智能所赋予的多样化术语，反映了他们对于人工智能产出内容特性的不同视角与定性理解。

当把人工智能生成的内容划归至如“创作物”这类具备清晰权属指向的范畴时，即便部分生成内容原本不符合版权客体的认定条件，也被纳入版权研究的范围，这使得人工智能生成内容的性质变得难以准确界定。在传统版权法的制度框架内，鉴于人工智能的非人类主体属性，其无法成为法律所认可的权利享有者，自然也不具备获取作者身份的资格。鉴于此，本文将直接围绕“人工智能生成内容”展开研讨，为后续关于著作权以及权利归属的相关研究筑牢根基。

3.生成特点

人工智能内容生成技术，其核心支撑主要源自先进的深度学习架构、视觉领域的大规模模型、语言层面的大规模模型以及多模态学习模型。借助对这些关键技术的深度挖掘与广泛应用，人工智能在感知人类行为、理解人类意图以及模仿人类行为模式等方面的能力得到了显著增强，从而实现了高质量的内容创作。通过多种技术的深度融合与协同作用，人工智能所生成的内容在呈现形态上，已达到与人类创作作品极为相近、难以清晰辨别的程度。同时，人工智能生成内容还展现出其独特的特性，如产出内容的高效性以及生成内容的难以预测性。

（1）产出内容具有高效性

在创作的初始阶段，创作者必须经历一系列预备工序，包括但不限于信息的搜集、素材的整理分类以及结构布局的深入思考，这些均为创作活动的启动奠定了基础。创作初稿形成后，持续的优化和修订是作品达到完善状态的必经之路。这一流程既耗时又耗力。然而，得益于人工智能的高性能计算能力和先进的算法技术，它能够以数字化手段快速且大量地生产内容。不同于人类需依赖生物能量并适时休息，在电力持续供给的保障下，人工智能可实现不间断运转，进而保障作品能够以高产量态势稳定输出。与此同时，伴随神经网络学习机制以及网络架构维度的持续进步，人工智能的学习效率获得了大幅提升，有力确保了其生成内容的精准性。相较于人类作品仍需进行校对和验证，人工智能在此方面的高效率尤为突出。

当面临相同的工作任务时，人类完成工作所耗费的时间，相较于人工智能而言，可能多出数十倍乃至数百倍。在时间成本上的显著优势，让生成式人工智能技术迅速渗透到学术研究、营销策划、艺术创作等多个专业领域，获得了市场主体的普遍青睐与深度应用。以飞猪科技为例，该企业借助智能算法，在沪杭两地的轨道交通系统内，成功推出了一系列由AI主导的创新型广告展示方案。这些广告因其丰富的想象力而受到瞩目，而人工智能仅用一个小时就完成了千余张广告图的制作。在音乐创作领域，Jukedeck公司也展现了人工智能的强大能力，它能够在客户确定音乐风格和时长后，迅速创作出具有特色和个性化的音乐作品。这也说明，人工智能在创作领域的表现令人瞩目，它能在极短的时间内完成大量的创意工作，这种效率和产出水平是人力所难以达到的。人工智能技术的应用，无疑极大地节约了人力资源和时间成本，为企业带来了显著的经济效益。

（2）生成内容难以预测

相较于现代人工智能创作手段，传统人工智能在内容生产方面主要充当了辅助性角色，其功能局限于依照预设程序对数据进行基础的算法处理和组合，缺乏个性化的创意表现。然而，随着人工智能技术的不断进步，它已能够超越传统人工智能的界限，不再仅仅依赖预设路径进行内容生成。总的来说，依托互联网所提供的规模化、多样化的数据源进行训练，人工智能系统能够自动地学习并提取数据中的复杂特征。这一过程使得现代人工智能在内容创造上具备了更高的灵活性和个性化表达能力，从而超越了传统人工智能在创作上的局限性。通过深度学习和自学习神经网络技术，人工智能能够识别和模拟数据中的复杂模式和关联，进而生成更加丰富和多样的内容2。

即人类虽可预先设定人工智能系统产出内容的类别范畴，却难以精准预判其实际生成的具体内容。换言之，在人工智能内容生成环节，它所做出的决策与采取的行动，并不总是能和人类的预期结果完全契合，这就意味着人们无法确切知晓人工智能究竟会产出何种内容。这种难以预测的特性，在某种程度上遏制了人工智能对原始作品的简单照搬式复制。并且，借助运用多元化的学习算法以及决策机制，人工智能成功实现了与数据库中已有作品相异的内容创新。

（3）具备作品视觉特征

在2022年夏季，一幅名为《太空歌剧院》的AI生成艺术作品在美国某知名艺术赛事中脱颖而出，成功摘得数字艺术组别的桂冠。此外，AI进行绘画创作时，借助卷积神经网络这一工具，能够精准识别图像所蕴含的内容以及独特的风格特征。而后在特定的神经网络层中，运用损失函数对图像展开重构操作。通过这一系列复杂的过程，人工智能能够有效模拟特定艺术家的创作特征。这种技术突破使得人工智能的艺术品与人类手笔之间的差异逐渐缩小，甚至达到难以区分的程度3。12月，由Catherine Gao带领的研究团队，借助ChatGPT技术成功生成了数量可观的学术论文摘要。随后，这些摘要历经同行评审这一严谨流程的严格甄别，仅有少量AI撰写的论文概要被成功辨别。面对这一现象，全球顶尖刊物如《Nature》《Science》以及国内重要学术期刊《暨南学报》等，均公开明确表示，不接受借助人工智能辅助创作而成的学术论文。这些事件清晰地展现出人工智能技术在不断演进与发展过程中所达到的成熟程度和其生成的作品在表现形式上与人类创作作品高度相似，几乎难以从外观上区分两者，这无疑给区分人类创作与人工智能创作带来了极大的挑战。

（三）人工智能生成内容可版权性的界定

依照我国《著作权法》第二条与第三条的明确规定，受法律保护的作品特指在文学、艺术及科学领域内，具备独创性且能够通过特定形式呈现的智力创作成果。从法律层面来看，构成受保护作品需要满足以下几个基本要素：

（1）创作范围被清晰划分，必须涵盖文学、艺术与科学三大范畴。

（2）作品通过文字、图像、声音等具体形式呈现，使其能够被外界识别和感知，这是实现广泛传播和长期保存的基本条件。

（3）独创性是作品享有著作权保护的核心要素和根本条件。

（4）这类作品属于知识创造领域，是创作者凭借自身智力劳动精心创作而成，充分投入了创作者智力劳动。

1.人工智能生成内容构成作品的判定

使用者利用人工智能，输入所想呈现出的具体实物，即可自动生成影像、文字、图片等相关内容。根据《著作权法》中作品需满足的构成要件，在判断其是否属于著作权法意义上的作品时，则需重点分析其是否体现独创性、智力成果。

（1）独创性

独创性是作品的核心要素，其重要性不容忽视。在深入探讨这一概念时，我们应当分别对“独”与“创”这两个字眼进行阐释。

首先，“独”字意味着作品应当体现出作者的独立性和原创性，即作品应当是作者个人努力的结果，不受他人影响，这是对作品表达方式的基本要求。其次，“创”字蕴含双重意义：一方面指的是作品的原创性，即作品是从无到有的创造性过程；另一方面，它也涵盖了在已有作品的基础上进行创新性发展的过程，即在尊重原作的基础上，进行进一步的创意和改编。这两个层面的结合，共同构成了作品独创性的完整内涵。

“独”可理解为“独立”。从“独”的角度出发，人工智能进行创作时，必须依赖开发者或使用者预先输入必要信息，这些数据构成了系统运行的基础。人工智能生成内容的形成，关键在于系统本身通过深度学习方法实现自我优化。在整个创作环节中，系统的设计者和使用者并未直接参与具体的创作过程4。以谷歌研发的围棋智能系统AlphaGo为例，2016年它与世界顶尖棋手李世石对弈时，凭借其卓越的数据分析能力，独立完成了每盘棋局的战术部署。在AI产出的内容形成环节，其决策选择主要基于人工智能自身的判断，而非开发者或操作者的预先设定。这一现象充分说明，人工智能在内容创作方面具备自主运作的特征。

“创”可理解为“创造性”，是评估作品独创性的关键条件之一。它不仅体现在创作者的思维表达过程，这一过程并非简单的复制行为，而且还表现在创作成果与现有作品之间显著的差异性上。换言之，创造性揭示了作者在创作活动中独立思考的深度，以及其作品相较于他作所独有的特质5。在人工智能的运作中，只要能够展现出最基础的智力创作水平，即可认为其达到了创造性的基本门槛。这种最低限度的创造性，并不要求人工智能具备与人类相同的创作意识和个性表达，而是侧重于其能否在给定参数下产生新颖的内容或解决方案6。

在人类的创作过程中，往往凭借自主意识以及创造思维来对相关元素进行具有价值意义的筛选。相较之下，人工智能的创造性则体现为：它借助深度学习机制，对海量数据进行加工处理，并在此基础上开展创作活动，实现对价值的筛选与决定。该过程与人类在创作过程中经过价值筛选的行为相类似，因此，人工智能技术演进至深度学习阶段时，其已具备生成符合创造性标准的内容。

（2）关于智力成果的判定

“智能”作为核心概念，为人工智能的定义提供了根本性支撑。在此背景下，一个值得探讨的问题浮现出来：“智力”与“智能”之间是否存在本质区别？基于语义学视角的剖析表明，在中文语境中，“智力”一词往往被理解为智慧与才能的结合体，它既包含人们对事物的认识与领悟水平，也体现了个体运用已有知识处理现实问题的整体素质。相比之下，“智能”更多指向一种具备认知与灵活应对的特质。通过对比可以发现，这两个概念在内涵上确实存在一定的共通性。

由此可见，在讨论AI是否拥有“智能”属性时，本质上已高度认同其展现出的与人类相近的思维模式及问题解决能力，即所称的“智力”特质。基于此，可进一步推论，人工智能的深度学习机制正是其智力特性的显著体现。

人类在自我认知和感知能力方面确实比人工智能更具优势，但这种能力往往受到记忆力衰退和外部环境变化等多种因素的影响。面对海量复杂的数据处理任务时，人类的认知能力往往难以与人工智能相提并论。同时，人类在获取知识和做出判断的过程中，常常会受到个人价值观和社会伦理的潜在影响；相比之下，人工智能在处理信息时能够保持更高的客观性和公正性。由此可见，人工智能的“智力”实际上是对人类认知能力的重要补充和有效延伸。

二、人工智能生成内容的研究分析

近年来，国内学术领域围绕人工智能生成内容所涉及的著作权议题展开了深入探究，该研究方向热度持续攀升。学者们主要聚焦于人工智能生成内容在独创性判定、权利归属界定以及保护路径规划等多个维度展开研讨。与国际相比，国外在人工智能领域的研究开展较早。早在20世纪80年代初期，就已有文献探讨人工智能生成内容的著作权问题。随着时间的推移，人工智能应用的不断拓展，该领域的研究在近年来再次成为热点。到目前为止，关于人工智能生成内容是否能够被认定为作品的议题，在国外尚无明确结论。尽管对于是否将生成物视为作品存在肯定与否定两种立场，但海外学界的核心观点与我国学者的看法在本质上并无显著不同。

（一）国内研究现状

在学术研究领域，针对人工智能生成内容能否契合作品所要求的独创性标准这一问题，各方观点存在显著分歧，目前尚无定论。人工智能生成的内容无法离开自然人进行独立操作，内容生成过程的控制权把握在人类手中，与独创性要求存在一定的差距7。在探讨生成式人工智能的创作流程时，可以将其划分为自主生成式与辅助生成式两个子类别。辅助生成式人工智能所创造的内容，由于体现了用户的创造力和意图，相较于完全自主生成的内容，更倾向于满足独创性的要求。只有在使用者对内容有显著贡献并且展现出创新性时，这些内容才能被认为是具有独创性的8。

学界对人工智能生成内容的权利归属主体存在分歧。人工智能生成内容的著作权归属可以依据创作原则和投资原则来划分。应当将权利归属于那些具有创作性质的使用者，同时在坚持创作原则的基础上，结合具体情境进行个别分析。在人工智能用户未作出实质性贡献的情况下，应将权利归属于投资者，以此来平衡创作者与投资者之间的利益9。人工智能在创作进程中，其核心支撑源自使用者的创新理念以及所供给的各类素材。整个创作活动紧密围绕使用者的构思框架与实际操作轨迹逐步推进。通过这一创作过程，作品充分体现了创作者的核心理念与价值追求。因此，最终呈现的成果并非简单依赖技术手段就能实现。综合考量这些因素，人工智能创作成果的版权理应归属于实际创作者10。