崔國斌

關(guān)鍵詞：人工智能；用戶；獨(dú)創(chuàng)性；生成物；版權(quán)

一、引言

日趨成熟的內(nèi)容生成式人工智能（AI）系統(tǒng)大大降低了文學(xué)藝術(shù)創(chuàng)作的門檻，使得普通用戶輸入文字指令或示意圖、設(shè)置規(guī)格參數(shù)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(xué)藝術(shù)作品的外觀，也融入了用戶的貢獻(xiàn)，從表面來看，將它們納入《著作權(quán)法》的保護(hù)范圍是順理成章的事情。不過，事實并非如此簡單。AI協(xié)助創(chuàng)作的進(jìn)入門檻很低，生成作品的過程高度自動化，作品創(chuàng)作的平均成本幾乎可以忽略不計，這些事實導(dǎo)致學(xué)術(shù)界多數(shù)意見認(rèn)為沒有必要對AI開發(fā)者在生成物中的貢獻(xiàn)提供版權(quán)保護(hù)。部分代表性的AI開發(fā)者也主動放棄尋求版權(quán)保護(hù)。

在AI生成物中，除了AI開發(fā)者還有用戶的貢獻(xiàn)，因此，在討論生成物的作品屬性時，需要分別考慮AI系統(tǒng)開發(fā)者與用戶的貢獻(xiàn)。限于寫作目的和篇幅，本文假定AI系統(tǒng)開發(fā)者不對生成物提出版權(quán)保護(hù)主張，僅僅關(guān)注AI用戶是否能夠?qū)ι晌镏鲝埌鏅?quán)保護(hù)。這一問題在學(xué)術(shù)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(quán)局在著名的Zara案中就明確否定用戶在AI生成物中獨(dú)創(chuàng)性貢獻(xiàn)，而北京互聯(lián)網(wǎng)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(jié)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(quán)法》獨(dú)創(chuàng)性的底層認(rèn)識還是存在明顯的差異。

在上述背景下，對AI用戶貢獻(xiàn)的獨(dú)創(chuàng)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(xiàn)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(nèi)容的調(diào)整（后續(xù)階段），在第二節(jié)和第三節(jié)分別探討用戶在這兩個階段的貢獻(xiàn)的獨(dú)創(chuàng)性，認(rèn)為用戶初始階段作出獨(dú)創(chuàng)性貢獻(xiàn)的可能性較小，而在后續(xù)階段則可能性很大。相反的意見認(rèn)為，A用戶無法預(yù)見AI輸出的具體內(nèi)容，因而不能被視為AI生成物的作者。第四節(jié)對這一意見作出系統(tǒng)性的反駁，認(rèn)為AI用戶在對AI輸出物的初稿進(jìn)行多輪修改時，還是能夠在多個環(huán)節(jié)作出個性化的選擇，最終確定AI生成物的具體內(nèi)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(nèi)容的獨(dú)創(chuàng)性

典型的AI生成物含有《著作權(quán)法》關(guān)注的各種作品內(nèi)容，包括文字、繪畫、音樂、視聽作品等。創(chuàng)作不同類型作品的AI系統(tǒng)的工作原理相差甚遠(yuǎn)，同時，用戶與AI系統(tǒng)的互動方式也千差萬別。因此，在具體個案中，AI生成物體現(xiàn)用戶個性化貢獻(xiàn)的程度也有很大差異?；\統(tǒng)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(xù)討論的準(zhǔn)確性和針對性，本文選擇僅僅關(guān)注目前引發(fā)廣泛爭議的繪畫類AI工具用戶的獨(dú)創(chuàng)性貢獻(xiàn)問題。其實，僅僅在繪畫領(lǐng)域，能夠應(yīng)用戶請求自動輸出繪畫作品的AI系統(tǒng)，依舊種類繁多。到目前為止，卷入版權(quán)爭議比較多的是Stable Diffusion和Midjourney繪畫系統(tǒng)。即便限縮到這類系統(tǒng)，其中用戶與AI工具的互動模式依舊千變?nèi)f化，我們不可能逐一介紹這些互動模式并討論其著作權(quán)法定性。接下來，集中關(guān)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(dú)創(chuàng)性貢獻(xiàn)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(nèi)容，然后AI系統(tǒng)就可以依據(jù)該文本指令輸出大致相關(guān)的圖片。比如，在北京互聯(lián)網(wǎng)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(zhì)高細(xì)節(jié)的原始圖像數(shù)據(jù)處理格式彩色照片，外景，日本偶像，高度細(xì)節(jié)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(dá)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(tài)燈光?！迸c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(tǒng)避免輸出的內(nèi)容，比如“缺失的手指”“多余的數(shù)字”“簽名”“長脖子”等。

AI系統(tǒng)之所以能夠依據(jù)文本指令繪出圖畫，是因為開發(fā)者在研發(fā)階段收集了海量的圖片，對圖片要素進(jìn)行人工或自動的標(biāo)注，然后對AI系統(tǒng)進(jìn)行訓(xùn)練，讓它將特定提示詞與具體畫面表達(dá)建立對應(yīng)關(guān)聯(lián)。同時，AI系統(tǒng)能夠自動完成具體畫面的渲染，達(dá)到特定的藝術(shù)風(fēng)格。以Stable Diffusion系統(tǒng)為例，在用戶使用AI系統(tǒng)輸出畫面之前，AI系統(tǒng)通常許可用戶選擇適合繪制不同風(fēng)格圖片的大模型和更具體限定人物特征和照片風(fēng)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(chǔ)繪畫能力的模型，可以應(yīng)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(chǔ)上實現(xiàn)更具體地定制AI繪圖內(nèi)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(xùn)練出LoRA小模型。將該插件與大模型結(jié)合，就能實現(xiàn)更精細(xì)地刻畫亞洲女性的畫面來。顯然，專業(yè)用戶可以利用自己收集的圖片訓(xùn)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(tǒng)可以專門繪制特定模特的各種造型圖片。因此，在創(chuàng)作前的LoRA模型訓(xùn)練和選擇階段，用戶其實就有可能做出自己的個性化貢獻(xiàn)。不過，多數(shù)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(xùn)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(huán)節(jié)做出貢獻(xiàn)的可能性，盡管理論上這一貢獻(xiàn)有可能影響法院對用戶獨(dú)創(chuàng)性貢獻(xiàn)的評估。

在使用AI的“文生圖”功能進(jìn)行創(chuàng)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(yīng)的參考權(quán)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(jìn)行圖片創(chuàng)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(jī)輸出；或者修改現(xiàn)有提示詞中某些提示詞的權(quán)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(xù)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(fù)，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(tǒng)就會隨機(jī)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(yù)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(jī)輸出，不建立在上一輪輸出畫面選擇的基礎(chǔ)之上。這里將這一看似無聊且效率較低的“輸入提示詞——隨機(jī)聲場畫面”創(chuàng)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(xiàn)僅僅在于不斷向AI暗箱中輸入可能很簡單也可能非常復(fù)雜的提示詞，然后被動地等待AI系統(tǒng)隨機(jī)輸出的畫面，用戶無法事先預(yù)見AI輸出的具體內(nèi)容。而強(qiáng)調(diào)“單回合”是因為用戶雖然有可能無數(shù)次輸入提示詞，但是每次都只是在等待AI暗箱的輸出結(jié)果。在這一隨機(jī)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(chǔ)上作微調(diào)或修改，而是直接每次都從零開始重新隨機(jī)生成。因此，用戶在反復(fù)試錯的過程中，并沒有將先前的選擇結(jié)果直接固定并累積下來。

在上述互動過程中，用戶是否構(gòu)思出相對具體的作品內(nèi)容，取決于用戶輸入的文本提示詞內(nèi)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(jī)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(dú)創(chuàng)性可言，用戶的確對于作品的表達(dá)沒有任何貢獻(xiàn)，對于作品的最終表達(dá)也沒有預(yù)見。我們大致可以說用戶在這類圖片中的獨(dú)創(chuàng)性貢獻(xiàn)度的量化數(shù)值接近0%。如果用戶走向另一極端，在腦海中事先構(gòu)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(xì)無遺的語言指令讓AI系統(tǒng)將它再現(xiàn)出來。當(dāng)然，這里假定AI系統(tǒng)技術(shù)設(shè)置允許用戶輸入的如此細(xì)致的提示詞，盡管現(xiàn)實中AI系統(tǒng)大概率不會這么做（倒是沒有技術(shù)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(nèi)具體的表達(dá)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(chuàng)作過程中，AI系統(tǒng)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(fā)揮。AI系統(tǒng)為用戶節(jié)省的只是各種調(diào)色和線條描繪的機(jī)械工作。這時候，估計很少人會否認(rèn)用戶在這一創(chuàng)作過程中的實際預(yù)見作品表達(dá)的細(xì)節(jié)，對于最終輸出的作品作出的獨(dú)創(chuàng)性貢獻(xiàn)。這時候，用戶對于最終畫面的獨(dú)創(chuàng)性表達(dá)的預(yù)見程度可能接近100%。

理論上，用戶輸入的提示詞所體現(xiàn)的用戶對于AI輸出圖片、輸出內(nèi)容的預(yù)見度，可能會在0%到100%之間的連續(xù)分布。在具體個案中，這一預(yù)見度的數(shù)值如何，取決于用戶的具體操作。不過，從現(xiàn)有的實踐看，在絕大多數(shù)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(yù)見程度都很低，接近0%這一端。即便用戶寫出非常復(fù)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(jié)論也不例外。這是因為這些提示詞文本即便很詳細(xì)，也無法真正讓不同人在腦海里將它所描述的場景準(zhǔn)確想象出來，并具有視覺上的一致性。不同的AI系統(tǒng)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(shù)不同的畫面。這些AI系統(tǒng)實際上在模仿人類的思考方式。這一輸出結(jié)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(dǎo)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(rèn)為，編寫提示詞的用戶對AI輸出畫面作出獨(dú)創(chuàng)性貢獻(xiàn)。

即便用戶輸入的提示詞文本體現(xiàn)了一定的創(chuàng)意，構(gòu)成《著作權(quán)法》意義上的文字作品，上述結(jié)論也不會實質(zhì)改變。畢竟，《著作權(quán)法》對于文字作品的獨(dú)創(chuàng)性要求很低，有時候7—10個漢字的組合就可能構(gòu)成文字作品。不過，文字作品的版權(quán)保護(hù)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(huán)畫可能是個例外），否則會導(dǎo)致文字作品的版權(quán)邊界過于模糊，對公共領(lǐng)域內(nèi)容構(gòu)成嚴(yán)重的威脅。因此，即便AI用戶對其創(chuàng)作的提示詞文本享有版權(quán)，他也不能因此主張對AI輸出畫面的版權(quán)。在這一點(diǎn)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(tǒng)以之為基礎(chǔ)進(jìn)行補(bǔ)充或修改。比如，用戶直接利用細(xì)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(jìn)行修改。對于AI系統(tǒng)而言，“圖生圖”與前文所述的“文生圖”，應(yīng)該沒有本質(zhì)的區(qū)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(xù)的改進(jìn)工作實際上就很接近“圖生圖模式”了。這里的差別只是后續(xù)改進(jìn)的圖的來源，即用戶的原始輸入或用戶選定的由AI系統(tǒng)隨機(jī)生成的圖片。

如果在“圖生圖”的創(chuàng)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(zhì)干預(yù)，則AI輸出畫作很可能也只是AI對用戶輸入內(nèi)容的“演繹”。用戶并不能對AI演繹的“畫面”主張作者身份。當(dāng)然，在用戶輸入內(nèi)容構(gòu)成獨(dú)創(chuàng)性表達(dá)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(dú)創(chuàng)性內(nèi)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(xù)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(xiàn)。

當(dāng)然，從《著作權(quán)法》的角度看，“圖生圖”模式與“文生圖”模式還是有重要區(qū)別，原因是用戶原始輸入內(nèi)容具備獨(dú)創(chuàng)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(dá)性細(xì)節(jié)，很可能體現(xiàn)了用戶的獨(dú)創(chuàng)性。這些細(xì)節(jié)被A系統(tǒng)完整吸收后，使得AI輸出畫面中自然有了用戶的獨(dú)創(chuàng)性貢獻(xiàn)。而在“文生圖”模式下，AI一開始輸出的畫面，雖然經(jīng)用戶選定，但其中的表達(dá)性細(xì)節(jié)通常來源于AI系統(tǒng)，而非用戶。因此，該輸出物未經(jīng)后續(xù)修改，通常并不體現(xiàn)用戶的獨(dú)創(chuàng)性表達(dá)。用戶只有在后續(xù)的線性改進(jìn)過程中輸入自己更具體的獨(dú)創(chuàng)性構(gòu)思，才能使得該輸出物呈現(xiàn)自己的個性表達(dá)。因此，整體而言，“圖生圖”模式下，AI輸出的作品中體現(xiàn)用戶獨(dú)創(chuàng)性貢獻(xiàn)的可能性要遠(yuǎn)遠(yuǎn)超過“文生圖”模式。

三、用戶對Al輸出內(nèi)容的調(diào)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(jié)果具有很大的隨機(jī)性。AI輸出結(jié)果令人不滿意時，用戶只好讓AI重新輸出，這樣可能要經(jīng)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(fèi)用戶大量的時間。同時，還要在圖片質(zhì)量上作出妥協(xié)。實踐中，專業(yè)用戶很少單純依靠“單回合”暗箱模式來創(chuàng)作圖片，相反，他們會更積極主動地介入AI的創(chuàng)作過程。在AI系統(tǒng)輸出初始圖片后，用戶可以對AI輸出的細(xì)節(jié)進(jìn)行反復(fù)選擇，最終實質(zhì)影響定稿的內(nèi)容。具體而言，AI用戶在以下三方面作出貢獻(xiàn)：選定AI輸出的初始內(nèi)容；指引AI修改初始內(nèi)容；“直接上手”改變AI輸出內(nèi)容。這些貢獻(xiàn)綜合起來，很可能體現(xiàn)用戶的獨(dú)創(chuàng)性貢獻(xiàn)，以下分別加以說明。

（一）選定AI輸出的初始內(nèi)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(dǎo)致用戶被視為對AI輸出畫面作出獨(dú)創(chuàng)性貢獻(xiàn)。不過，在AI根據(jù)上述提示詞輸出諸多可能的畫面后，用戶對這些畫面進(jìn)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(xiàn)其個性。這與攝影作者選擇拍攝對象時的貢獻(xiàn)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(dá)。因此，如前所述，這一選擇結(jié)果很可能并不滿足《著作權(quán)法》的獨(dú)創(chuàng)性要求。不過，當(dāng)用戶的多個單項選擇的結(jié)果被放在一起，構(gòu)成一種新的未曾出現(xiàn)過的組合時，公眾更容易感知到選擇者（用戶）的表達(dá)性貢獻(xiàn)。即，該匯編結(jié)果會更有可能被視為立法意義上的新的表達(dá)。因此并不奇怪，美國版權(quán)局也承認(rèn)，如果用戶從AI輸出物中挑選出一定數(shù)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(dú)創(chuàng)性，而成為該圖片匯編作品的作者。

在沒有匯編的情況下，強(qiáng)調(diào)用戶在選定特定圖片的過程中有個性化的貢獻(xiàn)，還是有一定意義。在用戶后續(xù)對選定圖片進(jìn)行修改的情況下，這一選擇與后續(xù)修改一起，增加該圖片體現(xiàn)用戶獨(dú)創(chuàng)性表達(dá)的機(jī)會。這就像多個選擇結(jié)果放在一起，就會增加整體匯編結(jié)果獨(dú)創(chuàng)性的幾率一樣。

（二）指引AI修改初始內(nèi)容

用戶最有可能做出獨(dú)創(chuàng)性貢獻(xiàn)的環(huán)節(jié)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(dá)元素進(jìn)行修改。這里特別強(qiáng)調(diào)“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(dá)要素進(jìn)行的修改相區(qū)別。結(jié)合必要參數(shù)選擇和鼠標(biāo)操作，用戶通過文字指令能夠?qū)ψ约哼x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(dá)元素，修正現(xiàn)有的表達(dá)元素的線條或色彩特征，選定并放大畫面局部內(nèi)容而放棄其余，改變局部或全局的繪畫風(fēng)格，調(diào)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(jù)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(yīng)的隨機(jī)種子編號，從而確保AI系統(tǒng)在后續(xù)創(chuàng)作過程中能夠再現(xiàn)相同的畫面作為修改的基礎(chǔ)，然后逐步對畫面人物的眼鏡、發(fā)型、眼睛、嘴唇、膚色、服裝、背景等細(xì)節(jié)進(jìn)行修改。比如，對于眼鏡，用戶可以在“眼鏡”指令后面，輸入進(jìn)一步的限縮指令，要求AI系統(tǒng)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(diào)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(xiàn)，而無需用戶親手繪制線條和色彩。在AI系統(tǒng)修改眼鏡局部、輸出修改內(nèi)容后，用戶如果不滿意，還可以不斷替換，直到出現(xiàn)大致符合用戶預(yù)期的結(jié)果。隨后，用戶可以重新將修改后的畫面的隨機(jī)種子號固定下來，作為后續(xù)修改的新的出發(fā)點(diǎn)。接下來，用戶可以在這一修改的基礎(chǔ)上，選擇新的表達(dá)元素（比如發(fā)型），輸入新的限縮指令進(jìn)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(xì)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(xiàn)有《著作權(quán)法》承認(rèn)的創(chuàng)作過程相類比，最接近的可能并非攝影行為，而是“拼貼畫”創(chuàng)作、“視頻剪輯”或“匯編”等創(chuàng)作行為。以上述假想的人物畫創(chuàng)作過程為例，用戶從原本無數(shù)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(fā)點(diǎn)，然后要求AI對選定畫面的諸多“特征”，比如，發(fā)型、眼鏡、配飾、表情、服裝、街景等進(jìn)行修改。為了方便思考，我們可以將用戶使用A創(chuàng)作的過程想象成用戶面對電腦屏幕上無數(shù)窗口，在AI不斷輸出畫面細(xì)節(jié)，而用戶不斷選擇、細(xì)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(jìn)行選擇。選定之后，畫面內(nèi)容實際上已經(jīng)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(yīng)的是初始畫面中具象的表達(dá)元素，比如發(fā)型、眼鏡、配飾、服裝，等等。顯然，“局部屏幕”可以劃分得很細(xì)，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(tǒng)提供的技術(shù)可能性。在每一局部屏幕內(nèi)，用戶可以讓AI調(diào)整已有的畫面，隨機(jī)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(nèi)，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(xiàn)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(jìn)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(xiàn)了用戶對具體表達(dá)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(tǒng)的“拼貼畫”的創(chuàng)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(dǎo)致整個“拼貼畫”被具體化，呈現(xiàn)出作者想要表達(dá)的思想情感。既然《著作權(quán)法》保護(hù)拼貼畫類美術(shù)作品，保護(hù)視頻剪輯的結(jié)果，也保護(hù)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(quán)法》也會承認(rèn)這一基于AI用戶多回合的精細(xì)選擇而獲得的整體畫面的獨(dú)創(chuàng)性。當(dāng)然，在具體爭議中，用戶是否做出了獨(dú)創(chuàng)性貢獻(xiàn)，需要個案判斷，不能一概而論。

（三）“直接上手”改變的內(nèi)容

現(xiàn)在A繪畫系統(tǒng)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(nèi)容，還許可用戶按照自己的構(gòu)思“直接上手”修改畫面表達(dá)效果。在生成式AI系統(tǒng)出現(xiàn)之前，幫助用戶“直接上手”的繪圖軟件工具非常普及，已經(jīng)在很大程度上替代了傳統(tǒng)的畫筆和畫布。其中，用戶經(jīng)常使用的繪圖工具應(yīng)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(dá)元素；利用各種個性化的插件以追求不同的畫風(fēng)（漫畫、水彩、油畫、素描……）；等等?，F(xiàn)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(nèi)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(tǒng)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(tǒng)繪圖軟件相互之間的功能融合，無縫銜接，顯然代表數(shù)字繪畫工具的發(fā)展方向。

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

在《著作權(quán)法》傾向于承認(rèn)AI用戶獨(dú)創(chuàng)性貢獻(xiàn)的情況下，有理由相信，真正有價值可能引發(fā)著作權(quán)侵權(quán)爭議的作品，大多是專業(yè)用戶利用AI工具反復(fù)調(diào)試和修改后才獲得的高質(zhì)量作品，這時候，用戶作出上述獨(dú)創(chuàng)性貢獻(xiàn)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(chuàng)作模式，將只是業(yè)余玩家自娛自樂的情形，不再值得著作權(quán)法關(guān)注?；\統(tǒng)地反對賦予AI用戶作者身份的意見，眼里只有這類業(yè)余玩家的創(chuàng)作模式，明顯是不可取的。

四、用戶對輸出內(nèi)容的預(yù)見性

否定AI用戶做出獨(dú)創(chuàng)性貢獻(xiàn)的代表性意見，一直強(qiáng)調(diào)用戶創(chuàng)作過程中對A輸出內(nèi)容缺乏準(zhǔn)確預(yù)見（或事前構(gòu)思），因此AI系統(tǒng)并非基于用戶的自由意志在創(chuàng)作。比如，在Zara案中，美國版權(quán)局肯定AI用戶在選定初始的圖片之后，繼續(xù)輸入新的修改命令，不斷修正圖片內(nèi)容，直至最終達(dá)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(zhǔn)確預(yù)見輸出的結(jié)果，而是由AI系統(tǒng)自動完成修改后，用戶再決定是否符合自己的預(yù)期。美國版權(quán)局在其《版權(quán)登記指南》中強(qiáng)調(diào)，用戶對系統(tǒng)如何闡釋指令和生成內(nèi)容并不具有最終的控制力，而是由系統(tǒng)自己決定如何執(zhí)行這些指令，并最終決定輸出的表達(dá)性因素。因此，該輸出結(jié)果并非用戶的創(chuàng)作的成果。

按照美國版權(quán)局的邏輯，攝影創(chuàng)作與AI創(chuàng)作區(qū)別在于，在攝影過程中，攝影師雖然對于相機(jī)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(jī)內(nèi)部的機(jī)械設(shè)置，但是，他在絕大多數(shù)情況下還是能夠事先構(gòu)思照片的相對具體內(nèi)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(jī)最終輸出的照片還是有比較明確的預(yù)期。當(dāng)然，攝影師的控制和預(yù)期與傳統(tǒng)的繪畫創(chuàng)作過程中，畫家對于繪畫結(jié)果的控制和預(yù)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(jī)內(nèi)部的“算法”或機(jī)械結(jié)構(gòu)。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(nèi)容”的“單回合”暗箱周期中，用戶“動口不動手”，無法事先預(yù)見AI輸出的大致內(nèi)容，而是任由AI系統(tǒng)隨機(jī)輸出符合用戶提示詞文本要求的具體表達(dá)，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(nèi)容”的單回合創(chuàng)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(yù)見到AI輸出的具體內(nèi)容。反對意見強(qiáng)調(diào)用戶無法預(yù)見AI輸出內(nèi)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(jìn)”的創(chuàng)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(xù)的修正都針對圖片中具體位置的具體表達(dá)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(fā)型和顏色、服裝樣式和色彩等，在具體位置添加新的表達(dá)因素等。這些實際上都屬于很具體層面的表達(dá)要素選擇，用戶在指引AI系統(tǒng)作出修正時，對于圖片整體效果的改變有相對具體的預(yù)期。這與單一回合的創(chuàng)作過程中，用戶單純輸入提示詞，不知AI系統(tǒng)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(dá)要素前，用戶已經(jīng)對于呈現(xiàn)在自己眼前、由AI輸出的表達(dá)細(xì)節(jié)有明確的認(rèn)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(jīng)呈現(xiàn)在自己眼前的具體畫面細(xì)節(jié)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(dá)究竟是什么。美國版權(quán)局等反對意見強(qiáng)調(diào)用戶對細(xì)節(jié)缺乏預(yù)見，是因為他們僅僅將目光放在AI系統(tǒng)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(dá)的選擇和審定的多個環(huán)節(jié)工作。

因此，在多回合“線性改進(jìn)”的創(chuàng)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(jié)果，而是很有可能在后續(xù)改進(jìn)過程中，對初稿圖片的具體位置作出了獨(dú)創(chuàng)性的選擇。在這一意義上，本文認(rèn)同Mark Lemley教授的評論意見：“隨著人們越來越習(xí)慣于使用生成式AI，我們應(yīng)該期待他們寫出越來越細(xì)致的指令，將AI輸出物剪裁成他們希望得到的內(nèi)容。對計算機(jī)的指令足夠具體時，就像攝影者對相機(jī)發(fā)出的足夠具體的指令一樣，可能體現(xiàn)了創(chuàng)造性（Creativit）。”當(dāng)然，如果他能夠強(qiáng)調(diào)一下，用戶多輪選擇的特殊性，就更完美了。

否定AI用戶貢獻(xiàn)的意見認(rèn)為，用戶在選定初始圖片后，“針對人工智能最初生成的內(nèi)容所追加的指示又類似于老師批改作業(yè)后提出的修改要求。無論學(xué)生據(jù)此修改了多少次才定稿，都不能說是老師以學(xué)生為‘工具‘創(chuàng)作了構(gòu)成文字作品或美術(shù)作品的作業(yè)。因為并不是老師的自由意志決定了構(gòu)成作品的表達(dá)性要素?！逼鋵?，這一反對意見關(guān)于教師批改作業(yè)不能成為作者的結(jié)論，也是有前提條件的。其一，在批改作業(yè)的場景下，教師通常無意成為合作作者，學(xué)生也無此預(yù)期，因此即使教師作出獨(dú)創(chuàng)性貢獻(xiàn)，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(dá)內(nèi)容提出要求，通常也不會反復(fù)對學(xué)生提出的具體表達(dá)進(jìn)行選擇。用戶與AI互動的情形與此有明顯的區(qū)別。AI用戶通常并不存在放棄可能的獨(dú)創(chuàng)性貢獻(xiàn)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(xù)的線性修改）。不僅如此，用戶還會直接從AI反饋的無數(shù)可能的細(xì)節(jié)修改方案中選出自己認(rèn)為最滿意的表達(dá)。用戶針對表達(dá)細(xì)節(jié)的選擇直接決定作品最終的表達(dá)細(xì)節(jié)，因此很有可能作出獨(dú)創(chuàng)性貢獻(xiàn)。反對意見將用戶利用AI創(chuàng)作的過程，類比為教師指導(dǎo)學(xué)生，并不總是可靠的，很容易得出錯誤的結(jié)論。

五、結(jié)論

在探討生成式AI帶來的立法上的挑戰(zhàn)時，我們需要充分了解現(xiàn)有AI技術(shù)提供的可能性以及用戶創(chuàng)作過程的復(fù)雜性。在AI工具與傳統(tǒng)繪圖軟件功能高度融合的情況下，用戶在利用AI工具創(chuàng)作時，無論是“文生圖”還是“圖生圖”，用戶都有一定的自由發(fā)揮的空間。雖然用戶在“用戶輸入文字或圖形指令——AI輸出內(nèi)容”的單一回合中的確不太可能對輸出畫面內(nèi)容作出獨(dú)創(chuàng)性貢獻(xiàn)，但是，在多數(shù)情況下，用戶會在單回合輸出初稿的基礎(chǔ)上，指引AI對它反復(fù)修改。經(jīng)過多輪的線性改進(jìn)后，用戶很可能對作品中的諸多表達(dá)細(xì)節(jié)作出個性化的選擇和調(diào)整，從而作出獨(dú)創(chuàng)性的貢獻(xiàn)。這時候依舊片面地強(qiáng)調(diào)，用戶不能預(yù)見也無法控制AI的輸出結(jié)果，因而不能主張作者身份，就像當(dāng)年強(qiáng)調(diào)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(quán)法》激勵創(chuàng)作的立法目的，并不能實現(xiàn)有意義的公共政策目標(biāo)。