李啟南

（蘭州交通大學電子與信息工程學院，甘肅 蘭州 730070）

0 引言

隨著ChatGPT 等大型AI 模型的廣泛應用，AI生成式內容（AI Generated Content，AIGC）正引領著內容創(chuàng)作和知識表達的范式轉變，同時也帶來了AIGC著作權和AI生成惡意內容的可問責性等新的法律挑戰(zhàn)。雖然AIGC模型的所有權通常歸功于創(chuàng)建它的機構或個人，但AIGC 通常由已存在的數據和新的創(chuàng)意元素混合組成。這種界限的模糊引起了由AI 生成內容的知識產權歸屬的擔憂。盡管法院正在進行持續(xù)的辯論和訴訟，但在如何解決這一問題方面仍缺乏共識。

AIGC 著作權難題涉及可版權性和版權歸屬兩方面。作為提供法律明確性的首次嘗試，歐盟發(fā)布的AI法案旨在為生成式AI模型提供法律指導和監(jiān)管。我國《著作權法》采用作品“類型開放”模式［1］，規(guī)定“符合作品特征的其他智力成果”屬于作品，據此可將AIGC認定為人工智能作品，受著作權保護。這推動了《著作權法》現代化變革［2］，解決了人工智能生成物可版權性問題。

在AIGC創(chuàng)作中，人工智能扮演了作者的角色，承擔了作品創(chuàng)作的實質工作。但目前人工智能處于弱人工智能階段，按照倫理人格主義的標準，“弱”人工智能只應作為法律客體［3］，根據主客體不能互換的基本原理，人工智能本身不能成為AIGC著作權主體，AIGC 著作權主體仍然是人工智能背后的人類。

AIGC 是作品創(chuàng)作軟件開發(fā)人員和人工智能算法設計人員的智力勞動、投資者投資、作品創(chuàng)作軟件使用者運行軟件、數據庫開發(fā)者選取材料共同勞動的成果［4］，存在多個著作權主體：投資者提供資金，算法所有者組織算法設計者、數據庫開發(fā)者共同研發(fā)人工智能算法，算法使用者指定關鍵詞運行人工智能算法生成具體AIGC。將著作權整體歸于某一著作權主體都有其合理性，但同時也都存在不合理性。因此，需要在眾多著作權主體之間進行AIGC 著作權歸屬劃分，平衡各方利益，這就產生了AIGC著作權歸屬問題。

明確AIGC 著作權歸屬，有利于充分發(fā)揮各個著作權主體的積極性，鼓勵各個著作權主體的智力創(chuàng)新活動，減少AIGC 出版糾紛，保護出版市場秩序，促進更多高質量AIGC 出版?！吨R產權強國建設綱要（2021—2035年）》提出“研究完善人工智能、大數據、算法產出物的知識產權保護規(guī)則”。李曉宇認為人工智能作品的設計者、創(chuàng)作者、使用者、投資者乃至人工智能機器自身，皆對數據作品有一定的利益訴求，應將人工智能生成數據作品分為“完全由人工智能付出實質性貢獻而生成數據作品”和“由人工智能與人類創(chuàng)作者共同付出實質性貢獻而生成數據作品”兩類，使用博弈論進行分類保護［5］。但人工智能作品已經可以通過圖靈測試［6］，說明從創(chuàng)作結果來看，人類已難以判斷作品是否由人工智能創(chuàng)作，該方法存在實用性不強的問題。因而判斷AIGC 著作權歸屬問題，使用從創(chuàng)作結果分析的研究方法越來越不現實，取而代之的是從創(chuàng)作過程分析的研究方法。

本研究在分析現有AIGC 著作權歸屬研究成果基礎上，通過分析各著作權主體在創(chuàng)作過程中所起的作用，采用投資者、創(chuàng)作者二元主體結構進行AIGC 著作權歸屬劃分：算法設計者作為原始主體獲得著作權中的署名權；投資者、算法所有者根據合同約定獲得鄰接權；算法使用者通過購買、轉讓等方式作為繼受主體獲得鄰接權；數據庫開發(fā)者根據算法設計者要求付出勞動，獲得鄰接權。

1 AIGC著作權歸屬現狀

傳統(tǒng)作品著作權歸屬采用創(chuàng)作者一元主體結構。在該法律體系下，AIGC 著作權歸屬觀點有所有者說、投資者說、使用者說三類。熊琦認為應借鑒早已存在且運作成熟的法人作品制度安排，將人工智能的所有者視為著作權人［7］。張子浩認為應將人工智能作品視為特殊職務作品，其著作權主體認定為人工智能技術所屬的法人或非法人組織［8］。深圳市南山區(qū)人民法院就“網貸之家”抄襲騰訊機器人Dreamwriter 撰寫文章的案件做出判決，認為涉案文章是由騰訊公司主持的多團隊、多人分工創(chuàng)作的法人作品，著作權歸騰訊公司所有。陳全真認為應建立一套以人工智能投資者為著作權人、同時輔之以意思自治原則的智能創(chuàng)作物著作權歸屬制度安排［9］。劉維認為基于人工智能創(chuàng)作過程的自主性，避免對算法所有者的多重激勵，應當擬制算法使用者就人工智能創(chuàng)作成果享有著作權［10］。李偉民認為解決人工智能作品歸屬方面適用視為作者原則，在人工智能的研發(fā)者、開發(fā)者、投資者、管理者、控制者中擬制承擔人工智能作品的主體和責任人，既符合現實需要，也不違背立法原理［11］。

創(chuàng)作者單一主體結構的法律體系無法兼顧所有人工智能作品著作權主體的利益。這導致作品著作權歸屬爭論不斷，著作權侵權責任不明，擾亂了出版市場秩序，損害了作者和出版商利益。人工智能作品創(chuàng)作的高效性和同質化，進一步增加了解決該問題的難度，人工智能作品保護難以落到實處。

《著作權法》借鑒、學習外國知識產權制度，結合了社會主義核心價值觀，在創(chuàng)作原則為主原則的基礎上吸收了投資原則作為輔原則，主體制度上體現為創(chuàng)作者作為著作權主體與投資者作為著作權主體的二元結構。英聯(lián)邦國家將人工智能作品著作權歸屬于對該作品創(chuàng)作進行了“必要操作的人”?！氨匾僮鞯娜恕卑ǔ绦騿T、使用者，也可能是人工智能系統(tǒng)或設備的投資者。劉鐵光認為基于創(chuàng)作者主體聲譽積累的訴求，應在任何情形下都保留其署名權；基于投資者主體對作品或鄰接權客體的利用訴求，應做無障礙利用的著作權配置安排［12］。羅祥等建議增設人工智能創(chuàng)作物鄰接權新類型，解決狹義著作權制度與人工智能創(chuàng)作物保護存在難以解決的理念沖突與規(guī)制困境［13］。朱倩雯認為現階段人工智能發(fā)展正處于弱人工智能階段，運用鄰接權制度對其進行保護較為適當［14］。

2 AIGC創(chuàng)作過程

目前“創(chuàng)作”已不再是人類的專屬［15］。2014年，Goodfellow 等人提出了生成式對抗網絡（GAN），用于從現有數據生成圖像。2017 年，微軟的AI 機器人小冰創(chuàng)作了首本詩集《陽光失了玻璃窗》。2021年，OpenAI推出了DALL-E，支持從文本生成圖像。2022 年，OpenAI 推出了ChatGPT 作為基于生成式預訓練變換器（GPT）的通用語言模型，它可以執(zhí)行各種復雜任務，如生成類似人類的回復和營銷文案。2023 年多模態(tài)版本GPT-4 的發(fā)布進一步擴展了大型AI模型的能力。

AIGC 存在兩種主要內容生成模式：協(xié)助生成（AI-Assisted Content Creation）和自主生成（Autonomous Content Creation by AI）［16］。

協(xié)助生成模式需要人類干預。AI 算法為創(chuàng)造內容的人類提供建議，在此基礎上人類根據AI 提出的建議編輯和改進內容，提高最終產品的質量。該模式生成的AIGC 著作權歸具體創(chuàng)作的人類，不存在著作權問題，但存在速度慢、自動化程度低、成本高等不足。

自主生成模式無需任何人類干預，AI完全獨立地創(chuàng)作內容。AI 機器人可以自主快速且低成本地創(chuàng)作大量AIGC，作品內容質量僅僅取決于生成AI模型。該模式生成的AIGC 著作權歸屬目前缺乏明確法律規(guī)定，屬于本研究討論范疇。

AIGC 創(chuàng)作過程是通過對大量已有作品進行分類和整理，發(fā)掘分析這些作品所表達的思想感情、所采用的語言特征、所特有的表達風格等，從中抽取和提煉出這些作品的規(guī)則、模式、結構、趨勢，再將這些規(guī)則和模式應用到具體創(chuàng)作場景之中，其后通過自我觀察，獨立地、持續(xù)地改進和優(yōu)化其分析和處理過程［17］。

人工智能進行內容生產必須以海量的真實數據為前提，并通過算法分析挖掘數據［18］，呈現出算法驅動和數據保障兩大特征。苗成林認為評定人工智能生成物獨創(chuàng)性的方法應該使用對人工智能的創(chuàng)造過程進行分析，根據人工智能生成物的特點分析其獨創(chuàng)性的判斷方法［19］。

AIGC 創(chuàng)作過程具體分為算法訓練和作品生成兩個階段，前者提取和理解用戶意圖信息，后者根據提取的意圖生成所需內容。

2.1 算法訓練階段

人工智能生成作品之前必須經過學習模擬人思維過程的階段。在學習過程中所學內容取決于作品數據庫中的數據，而該數據的數據量大小、數據類型等最終由人類決定。人工智能算法依據的預設學習規(guī)則亦由人類決定。因此，AIGC 體現了人類的思想，而這些思想通過文字的形式得以表現，思想表達二分法原則反映于AIGC中，體現了思想表達共生一體［20］。

該階段，計算機按照算法設計者預設的學習規(guī)則，從數據庫開發(fā)者已標注的作品數據庫數據中學習、發(fā)現特定類型作品的用詞規(guī)律、情感取向、韻律規(guī)則、主題表達等創(chuàng)作規(guī)律，形成AIGC創(chuàng)作能力。

一方面，人工智能算法得益于對海量作品數據庫的高速化、自動化機器學習，能夠全面學習作品創(chuàng)作規(guī)律，發(fā)現一些人類忽略的創(chuàng)作規(guī)律，體現獨創(chuàng)性，生成較高質量的作品。這表明人工智能算法能夠部分脫離人為控制，提高AIGC 質量。另一方面，AIGC 創(chuàng)作離不開人類的參與。算法設計者預設學習規(guī)則，算法使用者提供關鍵詞，數據庫設計者標注數據，三者都直接參與了AIGC創(chuàng)作，都能影響著AIGC質量。

2.2 作品生成階段

該階段，算法使用者提供關鍵詞（如圖像、題目等），運行訓練好的人工智能算法生成特定AIGC。既體現了創(chuàng)作行為的不可預測性，又產生了基本滿足關鍵詞要求的結果。

人工智能算法根據關鍵詞自動進行詞語聯(lián)想、搜索、排列組合，比較不同詞語搭配關系，選擇最優(yōu)結果輸出，保證生成作品既不偏離作品主題，又符合作品創(chuàng)作規(guī)律。此類算法巨大的詞語聯(lián)想、詞語排列組合空間，強大的搜索功能保證了AIGC 具有較高的生成質量。

根據獨創(chuàng)性客觀標準［21］，AIGC 按照關鍵詞自動進行詞語聯(lián)想、搜索、排列組合，比較不同詞語搭配關系等操作不需要人工參與，人類無法預測其結果。算法借助計算機強大的算力，組合上述操作就能夠發(fā)現人類未發(fā)現的創(chuàng)作規(guī)律，創(chuàng)造出具有獨創(chuàng)性的AIGC。

AIGC 是在半監(jiān)督模式下人工智能自行創(chuàng)作的作品，其創(chuàng)作結果無法被設計者所預知，具有高度的隨機性與不確定性，任何人都不能直接決定人工智能最終所生成作品的外在表達，充分體現了創(chuàng)作的獨創(chuàng)性。

3 AIGC著作權歸屬分析

曹源認為人工智能創(chuàng)作物獲得著作權保護具有合理性［22］。波斯納認為著作權配置的功能是明晰著作權及其歸屬，降低著作權變動的交易成本。AIGC 完成需要不同創(chuàng)作者之間進行分工，最后整合成完整的作品，是多人創(chuàng)作作品。

對于多人創(chuàng)作的作品，如果不在制度上對著作權歸屬進行直接安排，則會存在應該由誰享有和行使著作權的爭議，必然導致因著作權歸屬不明而降低交易效率、增加交易成本。如果全部由一個創(chuàng)作者取得原始著作權，那么實現作品的整體利用就需要經過多次交易，也將降低交易效率、增加交易成本。因此，應該根據主體的不同利益訴求，為參與AIGC 創(chuàng)作的不同主體配置不同的著作權，明確AIGC著作權歸屬，鼓勵AIGC創(chuàng)作發(fā)展。

3.1 資金投資者獲得鄰接權

資金投資者既需要承擔前期投入的風險，又必須關注市場的需求，其工作已經成為AIGC 創(chuàng)作中最為關鍵的環(huán)節(jié)。鼓勵投資者的著作權法，自然應該通過制度安排使資金投資者以獲取著作權方式收回投資與獲取利益。

資金投資者作為著作權主體是降低交易成本的制度選擇，是實現著作權激勵機制的有效途徑。但是不論是作為自然人的投資者，還是作為法人或非法人組織的投資者，或不直接參與創(chuàng)作，或不能進行創(chuàng)作。因此，按照“額頭出汗”原則，投資者不能成為作品的原始主體，不應獲得著作權，應賦予投資者鄰接權，以著作權主體的身份在正常商業(yè)活動中實現收回投資和營利目的，鼓勵其投資AIGC創(chuàng)作。

3.2 算法所有者獲得鄰接權

算法所有者是通過組織算法設計者、數據庫開發(fā)者研發(fā)人工智能算法進而取得算法所有權，但并不使用算法進行特定作品創(chuàng)作的個人或組織，是創(chuàng)作作品的技術、人員投資者。

AIGC 創(chuàng)作本質是人工智能模擬人的思維創(chuàng)作作品，體現在甄選材料、歸納總結、預判結論、情感模擬、謀篇布局、遣詞造句等多方面。該過程中，人工智能所有者將會根據自己的需求，限制人工智能的具體創(chuàng)作方向、范圍和類型，如限制人工智能只進行詩歌創(chuàng)作，這體現了其所有者的意志。

算法所有者是保障各創(chuàng)作環(huán)節(jié)穩(wěn)步進行的組織者，為算法開發(fā)提供了物質基礎和環(huán)境基礎，其對作品生成的投入和貢獻應當被肯定，基于相應的行為所產生的投資回報期待也應當被滿足。但算法所有者和資金投資者一樣，兩者都不直接參與作品的具體創(chuàng)作活動，對特定作品獨創(chuàng)性沒有直接實質貢獻。按照“額頭出汗”原則不應被賦予著作權。

為補償其組織人工智能算法開發(fā)的投入，應賦予其鄰接權，方便其出售或租賃算法給算法使用者創(chuàng)作作品獲得經濟補償，避免作品因為著作權主體配置變動導致頻繁交易，增加交易成本。

3.3 算法設計者獲得署名權

AIGC 是人工智能開發(fā)者、所有者和使用者等共同直接努力的結果，他們投入時間、勞動成本共同創(chuàng)造AIGC，希望作品能夠為其帶來經濟利益，以平衡投入甚至獲取額外的經濟利益。

AIGC 創(chuàng)作的特點是算法所有者、算法設計者、算法使用者三者相互分離，因此我們需要在算法設計者和算法使用者之間合理進行著作權分配，為了避免著作權過度分割，應將人工智能生成物的著作權歸為對人工智能創(chuàng)作負有責任的一方。

算法設計者負責算法整體架構設計、功能實現及負責算法具體模塊設計和調試等工作，任何利用該算法完成的創(chuàng)作都以此為基礎。如果賦予算法設計者著作權，意味著使用該算法創(chuàng)作的所有作品都屬于算法設計者，這無疑將打擊算法使用者應用該算法創(chuàng)作特定作品的積極性，不利于發(fā)展AIGC創(chuàng)作。同時，算法設計者享有軟件著作權，為避免雙重獎勵，不應再享有算法本身的財產權。但應該將署名權配置給算法設計者，以激勵其研發(fā)和改進新技術、新算法，創(chuàng)造更優(yōu)質的AIGC。這是因為署名權保護本質是對作者系某作品的創(chuàng)作者這一事實的確定，在于保護作者與作品聯(lián)系的聲譽。算法設計者需要署名權以提升與積累其聲譽，以提升未來算法的競爭力。

算法設計者獲得署名權的目的，一是向公眾說明作品創(chuàng)作的情況，滿足公眾的知情權；二是保障人工智能研發(fā)者的利益，使相關公眾知曉該人工智能算法，擴大人工智能的知名度和影響，從而實現人工智能的使用者和研發(fā)者的利益平衡。

3.4 算法使用者獲得鄰接權

算法使用者是指使用、操作人工智能算法，生成特定作品的人。算法使用者通過購買或者租賃的方式取得使用算法的權利，然后將自己的創(chuàng)作意圖、創(chuàng)作要求提煉為若干關鍵詞，向人工智能算法提供關鍵詞、選擇生成作品類型，執(zhí)行人工智能算法生成具有一定質量的特定作品。算法使用者是直接引發(fā)作品創(chuàng)作的主體，是為創(chuàng)作作品做出實際安排的人，人工智能作品程度不等地體現著使用者的思想。

使用者提供關鍵詞、選擇創(chuàng)作類型等在先行為是創(chuàng)作作品的必要環(huán)節(jié)，是作品創(chuàng)作的啟動者。關鍵詞和作品形式的選取等會對生成作品的獨創(chuàng)性產生直接影響，但作品的創(chuàng)作并不會因此受使用者控制，使用者對作品獨創(chuàng)性實質貢獻微小，因而其不應被賦予著作權。

算法使用者的目的是通過使用算法生成作品、傳播作品，不能因為其行為成本低就推斷使用者并無創(chuàng)造性勞動的付出［23］，應賦予算法使用者鄰接權，鼓勵其進行AIGC 生成、傳播，推動作品的利用和再創(chuàng)作。只有這樣，著作權語境下的人工智能產業(yè)才會形成完整的產業(yè)鏈。

3.5 數據庫開發(fā)者獲得鄰接權

AIGC 創(chuàng)作是以眾多受著作權法保護的在先作品為基礎的再創(chuàng)作。再創(chuàng)作是建立在對已有作品學習、積累、借鑒與思考的基礎之上的，因此AIGC質量與學習的數據庫的數據數量、質量密切相關。兩個AIGC使用同一個算法，學習不同數據庫，兩者結果就會呈現出不同獨立表達，存在差異性［24］。如果機器學習所使用的數據本身不夠完整或存在一定的價值傾向，則機器學習的結果也存在一定的價值傾向，從而導致AIGC存在偏見。

現有觀點普遍忽視了數據庫在AIGC 創(chuàng)作中所起的作用，數據庫開發(fā)者未能參與作品著作權劃分，挫傷了其參與AIGC 開發(fā)的積極性，不利于AIGC 發(fā)展。葉霖等關注了此問題，提出人工智能作品生成依賴的數據庫開發(fā)者可以根據權利共享或者分享協(xié)議，獲得人工智能作品的部分權利［25］。

數據庫開發(fā)者的工作是按照算法設計者要求，從眾多數據中挑選出符合要求的數據，正確標注數據分類，構成優(yōu)質數據庫。數據分類標注工作不僅需要具有計算機知識，而且需要有相應的專業(yè)知識，屬于專業(yè)性、創(chuàng)造性勞動。數據庫開發(fā)者的工作質量直接決定了數據庫的質量，數據庫的質量又直接影響著AIGC 創(chuàng)作質量，因此數據庫開發(fā)者的智力勞動對AIGC 的生成具有貢獻。我們需要重視數據庫在AIGC 創(chuàng)作中的作用，賦予數據庫開發(fā)者鄰接權，補償其付出的智力勞動，鼓勵其積極參與AIGC創(chuàng)作，共同提高AIGC質量。

AIGC 創(chuàng)作過程中，對于在先作品的獲取與使用是否存在著著作權侵權風險，學者們對此進行了研究。吳漢東認為從人工智能數據輸入—機器學習—結果輸出的機器創(chuàng)作過程出發(fā)，可發(fā)現人工智能批量化的機器閱讀行為具有著作權合理使用性質［26］。焦和平建議在立法上增設“人工智能創(chuàng)作”合理使用類型［27］。初萌認為對人工智能著作權侵權責任的分析應當摒棄“統(tǒng)合分析”模式，堅持“層次分析”方法，就深度學習中的復制行為與輸出侵權作品的行為分別進行評價。應基于人工智能行為的自主性和算法黑箱，相應配置人工智能設計者、控制者“防抄襲”注意義務，并以公平責任作為補充［28］。饒先成等提出對平臺施加事前過濾的注意義務，強制要求平臺以語義識別為基礎，設置語義識別的不同語種、拼音及俗稱的替換，同時構建跨平臺數據庫，在上傳時進行識別，過濾涉及侵權的在先作品［29］。

4 結語

AIGC 豐富了人文科學內容，和人類創(chuàng)作作品共同成為人文科學事業(yè)發(fā)展的組成內容，符合《著作權法》關于促進社會主義文化和科學事業(yè)發(fā)展與繁榮的立法目標，理應受《著作權法》保護。Chat-GPT 的發(fā)展進一步突出了AIGC 著作權歸屬問題。本研究分析了AIGC創(chuàng)作主體在創(chuàng)作過程中所起的作用，據此采用投資者、創(chuàng)作者二元主體結構進行AIGC 著作權歸屬劃分：人工智能獨創(chuàng)性直接來源于算法設計者，其工作成果直接決定了AIGC 創(chuàng)作質量。算法設計者作為原始主體獲得著作權中的署名權，以保護與提升其聲譽，從而使其未來的作品更具有市場競爭力，鼓勵其發(fā)展AIGC創(chuàng)作技術，進而提高AIGC質量。投資者、算法所有者、算法使用者對AIGC 獨創(chuàng)性無直接貢獻或直接貢獻微小，不應賦予著作權。投資者、算法所有者根據合同約定獲得鄰接權，補償其投資、組織人工智能算法開發(fā)的投入，方便其通過出售或租賃算法給算法使用者創(chuàng)作AIGC 獲得經濟補償，鼓勵其提高人工智能算法質量；使用者通過購買、轉讓等方式作為繼受主體獲得鄰接權取得財產回報，以鼓勵其創(chuàng)作、傳播AIGC；數據庫開發(fā)者根據算法設計者要求付出勞動獲得鄰接權，獲取經濟利益，鼓勵其積極參與AIGC創(chuàng)作，提高AIGC數據庫質量。