摘 要：生成式人工智能基于對現(xiàn)有作品的學習極大地降低了人類的創(chuàng)作成本。雖然現(xiàn)有的法律可以回答生成式人工智能帶來的大部分與著作權(quán)相關(guān)的問題，但答案可能并不符合受生成式人工智能影響的創(chuàng)作者們的預(yù)期。尤其是對合理使用原則的判斷，不同國家法院、法官的判決是不同的。除了生成式人工智能的學習階段，它產(chǎn)生的輸出結(jié)果也可能是可以被授予著作權(quán)的?？紤]到生成的作品與人類作者之間錯綜復(fù)雜的關(guān)系以及數(shù)字內(nèi)容分發(fā)的全球性，與生成式人工智能有關(guān)的著作權(quán)規(guī)則亟須在國內(nèi)和國際層面做出更新，而不是僅僅依靠判例來闡明。

關(guān)鍵詞：生成式人工智能；著作權(quán)；著作權(quán)法；合理使用原則；機器學習

中圖分類號：TP18；D923.41 文章標志碼：A 文章編號：1006-6152（2024）06-0005-11

DOI：10.16388/j.cnki.cn42-1843/c.2024.06.001

人工智能，也稱為機器學習技術(shù)，是指應(yīng)用數(shù)據(jù)逐步改進其功能和輸出的軟件。無論是接收有關(guān)新流媒體節(jié)目的推薦，還是向數(shù)字助理詢問天氣預(yù)報，人工智能技術(shù)都構(gòu)成了上述算法的基礎(chǔ)，可確保用戶接收到準確、相關(guān)的信息。ChatGPT和Midjourney等生成式人工智能產(chǎn)品的爆火，讓大眾意識到人工智能極有可能改變目前的生產(chǎn)結(jié)構(gòu)。

生成式人工智能不僅對現(xiàn)代科技帶來了革新，甚至可能超出了傳統(tǒng)著作權(quán)法律的“預(yù)期”。為了解答現(xiàn)有的著作權(quán)規(guī)則是否可以適用生成式人工智能，本文將分析機器學習的運作原理，進而考察它在著作權(quán)法合理使用框架下的適用性，并對生成式人工智能創(chuàng)作的作品是否符合著作權(quán)保護的條件以及如何從法律上界定人工智能與人類作者的創(chuàng)作關(guān)系做出回應(yīng)。最終，針對生成式人工智能引發(fā)的法律環(huán)境變化及潛在問題，提出相應(yīng)的對策和建議。

一、生成式人工智能的學習邏輯

生成式人工智能是能夠使用生成模型生成文本、圖像或其他媒體的人工智能。生成式人工智能模型學習輸入的訓練數(shù)據(jù)的模式和結(jié)構(gòu)，然后生成具有相似特征的新數(shù)據(jù)［1］。生成式人工智能和機器學習技術(shù)并非放之四海而皆準，它們具有多種結(jié)構(gòu)和算法，針對不同的任務(wù)會有不同的編程。因此，任何關(guān)于機器學習和由此產(chǎn)生的關(guān)于生成式人工智能的法律影響的討論都需要避免對一般技術(shù)得出籠統(tǒng)的結(jié)論，而應(yīng)該根據(jù)具體情況考慮基礎(chǔ)技術(shù)及其對受著作權(quán)保護材料的處理。生成式人工智能是一種計算機系統(tǒng)，旨在（幾乎）獨立于人類程序員做出預(yù)測或決策。它能實現(xiàn)各種功能，包括生成圖像、代碼等。為了做出預(yù)測，人工智能必須通過機器學習，這涉及處理大量輸入的訓練數(shù)據(jù)以識別模式。輸入到數(shù)據(jù)集中的訓練數(shù)據(jù)越多，輸出數(shù)據(jù)就越精確和有價值。例如，用于預(yù)訓練GPT-2的WebText語料庫包含超過800萬個文檔和40GB的文本①。通常，這些龐大的數(shù)據(jù)集包含受著作權(quán)保護的材料——照片、繪畫、書籍或計算機源代碼，而且大多數(shù)時候著作權(quán)所有者并不知道他們的材料在機器學習中被使用。

以生成式人工智能技術(shù)發(fā)展最為迅猛的美國為例，在GitHub、微軟和OpenAI訴訟中，上述公司希望法院駁回一項集體訴訟，該訴訟指控這些公司竊取許可代碼來構(gòu)建GitHub的AI驅(qū)動工具——Copilot②。Copilot于2021年推出，它利用OpenAI的技術(shù)直接在程序員的代碼編輯器中生成代碼行。該工具是根據(jù)GitHub的公開代碼進行訓練的，它接受了從網(wǎng)絡(luò)上抓取的公共代碼存儲庫的培訓，其中許多代碼都帶有許可證，要求任何重復(fù)使用代碼的人都必須注明其創(chuàng)建者。Copilot被發(fā)現(xiàn)在沒有提供許可證的情況下使用長段許可代碼，從而引發(fā)了這場訴訟。本案中，原告方的代碼為開源代碼，其核心訴求在于要求法院認定被告的行為屬于《數(shù)字千年版權(quán)法》（Digital Millennium Copyright Act，DMCA）第1202（b）條下的侵權(quán)行為，即未經(jīng)許可不得刪除關(guān)鍵的“版權(quán)管理”信息。但加州法官喬恩·蒂加（Jon Tigar）駁回這一訴求，理由是Copilot建議的代碼與開發(fā)人員自己受版權(quán)保護的作品不夠相似，因此第1202（b）條不適用。

像微軟和OpenAI這樣，從網(wǎng)絡(luò)上抓取受著作權(quán)保護的材料來訓練AI系統(tǒng)以盈利的公司，遠非少數(shù)。例如開源程序Stable Diffusion也是以完全相同的方式創(chuàng)建的。這些項目背后的公司堅稱，他們對這些數(shù)據(jù)的使用在美國受到合理使用原則的保護。針對Stable Diffusion、DreamStudio、DreamUp 和 Midjourney 的著作權(quán)侵權(quán)起訴中，原告認為，Midjourney、Stability AI和DeviantArt 創(chuàng)建的人工智能藝術(shù)工具非法從互聯(lián)網(wǎng)上抓取藝術(shù)家的作品，違反了著作權(quán)法③。因為上述三家公司都在名為Stable Diffusion 的軟件庫上構(gòu)建了他們的人工智能圖像生成器，該軟件庫由Stability AI開發(fā)。Stable Diffusion是一個文本到圖像的潛在擴散模型，該模型建立在稱為“擴散”的技術(shù)過程之上：首先對程序進行訓練，使它能夠重建輸入的圖像，然后它可以在輸入提示時生成新圖像。原告認為，“擴散模型的主要目標是以最大的準確性和保真度重建訓練數(shù)據(jù)的副本，這一目的明顯是為了復(fù)制”。原告聲稱，這些復(fù)制的圖像被用來創(chuàng)造“衍生作品”，“這種作品包含了足夠多的原始作品，以至于它顯然源自原始作品”。本案于今年八月略微取得了一些進展，加利福尼亞北區(qū)的威廉·奧里克法官在Andersen訴Stability AI案中部分批準并部分駁回了對首次修訂訴狀的駁回動議。盡管該命令只是此案漫長審理過程中的早期步驟之一，但該命令明確指出，生成式AI模型與過去著作權(quán)糾紛中的核心技術(shù)不同，關(guān)于AI模型如何運作以及它們是否構(gòu)成侵權(quán)的問題將因模型及其攝入的作品類型而有所不同。無獨有偶，Getty Images 也起訴了Stability AI，指控該公司的Stable Diffusion 工具“非法”從網(wǎng)站上抓取圖像④。該案目前尚未有進一步審理的細節(jié)。因此，本文在此將以Stable Diffution的工作原理分析著作權(quán)問題，借此案拋磚引玉，分析AI模型的“學習”邏輯。

Stable Diffusion 在LAION-5B數(shù)據(jù)集上進行訓練，而這些數(shù)據(jù)集中的大部分圖像均受著作權(quán)保護。雖然LAION-5B包含58.5億個圖像文本對，但LAION聲稱不擁有這些圖像的所有權(quán)。正如它所指出的那樣：“這些圖像受到著作權(quán)保護。”⑤問題在于這些產(chǎn)品能夠響應(yīng)創(chuàng)作者的任何“風格”圖像提示，比如用戶可以要求人工智能工具以宮崎駿的風格創(chuàng)作貓，而產(chǎn)生的收入沒有一項會流向輸出作品所模仿的作品的藝術(shù)家，在這些產(chǎn)品基于他們的作品構(gòu)建之前，他們甚至沒有被咨詢或告知。人工智能學習的作品在這些人工智能的用戶協(xié)議中被稱為“貢獻者”（contributor），這個詞非常準確地揭示了如果沒有畫家、插畫家、攝影師、雕塑家和其他藝術(shù)家的工作，Stable Diffusion 和其他圖像類生成式人工智能產(chǎn)品就不可能存在。

根據(jù)Stable Diffusion的工作原理，Stable Diffusion即使在早期訓練中也不存儲復(fù)制的作品。首先，Stability AI并未通過互聯(lián)網(wǎng)上獲取的圖像或圖像數(shù)據(jù)創(chuàng)建其基礎(chǔ)模型，執(zhí)行這些操作的一方是LAION-5B，LAION-5B在OpenAI旗下的CLIP（對比語言—圖像預(yù)訓練）技術(shù)的輔助下執(zhí)行。Stable Diffusion是Stability AI擁有的一款生成式人工智能系統(tǒng)，它在LAION-5B數(shù)據(jù)集上進行訓練，Stability AI是LAION的捐贈者或投資者，但Stability AI并未在收集LAION-5B數(shù)據(jù)集的過程中起到任何直接作用。其次，LAION并不是以復(fù)制的方式在互聯(lián)網(wǎng)上收集圖像。LAION是使用公共網(wǎng)絡(luò)檔案 Common Crawl中的圖像數(shù)據(jù)創(chuàng)建訓練數(shù)據(jù)集。從2008年開始，Common Crawl組織爬取網(wǎng)絡(luò)，從近年來大約30億個包含圖像的全球網(wǎng)絡(luò)網(wǎng)站中收集圖像和文本信息。Common Crawl并不捕獲或下載實際的圖像，而是收集原始網(wǎng)頁數(shù)據(jù)、提取元數(shù)據(jù)和文本。Common Crawl將數(shù)據(jù)存儲在WAT（Web Archive Transformation）文件中，使用WebAssembly文本格式將網(wǎng)頁數(shù)據(jù)（包括有關(guān)圖像的數(shù)據(jù)）存儲為中間形式并重新組裝為二進制代碼，以便Web瀏覽器或其他工具可以讀取并進一步處理。WAT文件不包含實際的.jpg或.png文件或任何其他數(shù)字格式的圖像文件。Common Crawl在WAT文件中存儲和發(fā)布的數(shù)據(jù)提供了足夠的信息，使最終用戶（如LAION）能夠評估網(wǎng)站上圖像的元數(shù)據(jù)和alt-txt數(shù)據(jù)，而無須復(fù)制或下載實際的圖像。［2］

LAION對Common Crawl的數(shù)據(jù)集處理流程包括三個主要步驟：

第一，網(wǎng)頁過濾。為了從Common Crawl中提取圖像文本對，LAION解析Common Crawl的WAT元數(shù)據(jù)文件中的HTML IMG（圖像）標簽。具體而言，LAION關(guān)注具有alt文本的圖像，以便創(chuàng)建圖像文本對。alt文本是IMG標簽的HTML屬性，包含在相應(yīng)圖像無法渲染情況下的替代文本。例如，用于視覺受損的人的屏幕閱讀器軟件可能會閱讀alt文本，搜索引擎也可能會使用alt文本以便更好地索引網(wǎng)頁，而無須分析實際圖像內(nèi)容。在提取alt文本之后，LAION使用CLD3進行語言檢測，有三種可能的輸出：英語、其他語言或未檢測到語言（即，所有檢測都低于置信度閾值）。LAION將結(jié)果數(shù)據(jù)存儲在PostgreSQL服務(wù)器中，以便流程的后續(xù)階段進行處理。LAION始終在服務(wù)器上保留約500M圖像URL。

第二，下載圖像文本對。為實現(xiàn)資源利用的最大化，LAION利用Trio 和 Asks Python庫使用異步請求從解析的URL中下載原始圖像⑥。為了控制成本，LAION選擇了一個具有2個虛擬CPU、1GB RAM和10Mbps下載帶寬的小型云節(jié)點作為工作實例（worker instance）⑦。這樣的工作實例可以在約10—15分鐘內(nèi)處理1萬個鏈接。LAION并行使用大約300個工作實例，并將工作負載批量化為從上述PostgreSQL服務(wù)器獲取的10，000個鏈接塊。

第三，后處理。在從Common Crawl下載WAT文件后，LAION刪除了文本少于5個字符、圖像數(shù)據(jù)少于5 KB以及潛在惡意、大型或冗余圖像的數(shù)據(jù)。為了完成流程，LAION根據(jù)其內(nèi)容過濾了圖像文本對。具體而言，LAION使用OpenAI的ViT-B/32 CLIP模型計算圖像和文本編碼之間的余弦相似性。對于非英語語言，LAION使用了來自Carlsson等模型的多語言ViT-B/32 CLIP。盡管后來OpenAI發(fā)布了更大的CLIP模型，但在開始組裝LAION-5B時這些模型尚不可用。為了保持一致性，LAION依賴于整個數(shù)據(jù)集的ViT-B/32 CLIP模型。LAION刪除了所有余弦相似度低于0.28的英語圖像文本對以及所有其他相似度低于0.26的圖像文本對。此步驟刪除了原始500億圖像中的近90%，最終留下了將近60億圖像文本對［2］。

上述介紹來源于LAION的開發(fā)者論文介紹，對于非計算機相關(guān)專業(yè)的人士而言，可能非?；逎y懂，但是在討論是否涉及侵權(quán)時，我們只需要考慮一件事，那就是整個過程中，LAION不存儲實際的.jpg或.png文件或任何其他數(shù)字格式的圖像文件。它只存儲從Common Crawl WAT文件中獲取的經(jīng)過篩選、策劃的網(wǎng)頁數(shù)據(jù)。當 LAION-5B 等數(shù)據(jù)集完成后，Stability AI等客戶端將使用該集中的數(shù)據(jù)作為其圖像生成系統(tǒng)的基礎(chǔ)模型。該軟件不會以拼貼畫的形式拼湊圖像，而是根據(jù)這些數(shù)學表示從頭開始創(chuàng)建圖片［3］。

二、生成式人工智能是否構(gòu)成對作品的

合理使用

人工智能生成技術(shù)是否侵犯著作權(quán)法是一個復(fù)雜的問題。雖然人工智能工具的創(chuàng)造者認為，合理使用原則涵蓋了使用受著作權(quán)保護的數(shù)據(jù)訓練該軟件⑧，但合理使用的判斷是需要法院進行的，而且由于數(shù)據(jù)來源和人工智能公司所在地的不同，不同國家法院對是否構(gòu)成合理使用的判斷也可能不同。

合理使用原則的目的是平衡著作權(quán)賦予其所有者的保護與更大的社會利益［4］，并促進創(chuàng)造力、教育和言論自由。合理使用是著作權(quán)的一個例外，允許在未經(jīng)所有者同意的情況下使用受著作權(quán)保護的材料進行評論、新聞報道、教學、獎學金或研究。合理使用是法律和事實的混合問題，意味著判斷某事是否構(gòu)成合理使用是針對特定案例的。通行的判斷方法是基于伯爾尼公約第九條第二款確立的三步測試法：（1）在某些特殊情況下才允許例外；（2）不與作品的正常利用發(fā)生沖突；（3）不無理損害作者（或其他權(quán)利人）的合法利益。該測試源自1967年斯德哥爾摩會議對《伯爾尼公約》的修訂，現(xiàn)已成為若干國家著作權(quán)法及一些國際協(xié)議的組成部分。但是由于國際層面判例法的稀缺，這些步驟的具體含義仍然存在不確定性，該測試的實際含義并沒有在各國達成一定程度的一致意見［5］。

考慮到目前知名的人工智能技術(shù)公司基本上注冊地都在美國，因此本文在此主要分析美國和中國對于合理使用的定義。巧合的是，目前中國和美國也都有就生成式人工智能是否構(gòu)成合理使用展開討論的案子，分別是：紐約時報訴OpenAI、微軟案⑨和小紅書畫師訴訟案［6］。

在美國，對于合理使用的判斷主要基于以下四點：（1）使用的目的和性質(zhì)，包括此類使用是商業(yè)性質(zhì)還是非營利目的；（2）著作權(quán)作品的性質(zhì)；（3）與受著作權(quán)保護作品相關(guān)的使用部分的數(shù)量和實質(zhì)性；（4）使用對受著作權(quán)保護作品的潛在市場或價值的影響⑩。

商業(yè)性是指如果侵權(quán)者在未向著作權(quán)所有者支付慣常價格的情況下，利用受著作權(quán)保護的材料獲利，法院將推定其為商業(yè)用途。如果人工智能所有者向最終用戶收費，在人工智能網(wǎng)站/應(yīng)用程序上托管廣告，或以其他方式（比如通過收集和出售用戶數(shù)據(jù)），不論直接或者間接都可以認為其獲利。然而，作為第一個因素（使用的目的和性質(zhì)）的一部分，美國法院會權(quán)衡該使用的變革性程度（transformative），即以新的表達方式、含義或信息改變原件的程度。作品越具有變革性，法院就可能越不重視其他可能不利于合理使用的因素，例如商業(yè)化、復(fù)制作品的重要部分等。比如在世嘉訴Accolade案中，法院就認為復(fù)制競爭對手的計算機程序代碼以了解其未受保護的功能元素并確保被告的新程序與競爭對手的游戲機兼容是合理使用?。不過在本案中被告沒有在其新程序的代碼中使用競爭對手代碼的創(chuàng)造性元素。另外，在Campbell訴 Acuff-Rose Music中，法院也指出如果其結(jié)果和原始受著作權(quán)保護的作品服務(wù)于不同的市場功能，也可以被認為是變革性使用。同時本案還確立了商業(yè)模仿可以被視為合理使用，作品賺錢這一事實并不意味著合理使用就無法適用，它只是合理使用分析的組成部分之一12。在作者協(xié)會訴Google案中，法院明確確認Google圖書項目符合合理使用的所有法律要求。Google圖書項目通過掃描和數(shù)字化將受著作權(quán)保護的書籍轉(zhuǎn)變?yōu)樵诰€可搜索數(shù)據(jù)庫，這屬于提供了一些新的和不同于原始的東西或擴展了它的效用，從而服務(wù)于著作權(quán)的總體目標，即為公眾知識作出貢獻13。同理，法院也認為搜索引擎制作受著作權(quán)保護的書籍或圖像的縮略圖或片段是變革性的合理使用，因為它提供了另一種功能，而不是潛在的創(chuàng)意內(nèi)容。通過在圖像搜索功能中提供圖像縮略圖，搜索引擎沒有進行藝術(shù)表達，而是改善了對互聯(lián)網(wǎng)信息的訪問14?；谏鲜雠欣?，本文認為在機器學習的最終目標是新功能的情況下，法院很有可能認為其使用具有變革性。OpenAI公司也提出，在機器學習數(shù)據(jù)集中包含受著作權(quán)保護的材料是合理使用，其使用的目的和特征是具有變革性的。與原作的“人類娛樂”目的不同，機器訓練的目的是學習“人類生成的媒體中固有的模式”。不過美國法院也明確指出，合理使用的決定沒有公式可循，作品具有變革性這一事實并不能決定問題的答案。

在考慮與受著作權(quán)保護作品相關(guān)的使用部分的數(shù)量和實質(zhì)性因素時，如果被告使用了過多的原始著作權(quán)作品，則可能認為被告向公眾提供了“競爭性替代品”，更可能被認為不符合合理使用特征13。法院判斷時不僅會考慮是否有大量內(nèi)容是從受著作權(quán)保護的作品中復(fù)制的，還會考量最終產(chǎn)品中的大部分是否僅由復(fù)制的材料組成12。在機器學習的情況下，訓練數(shù)據(jù)集基本上包含完整的作品。從表面上來看，這可能不利于合理使用的認定。然而，根據(jù)本文第一部分對于生成式人工智能學習過程的梳理，如果ChatGPT也是同樣的工作邏輯，那么它并沒有真正對作品進行復(fù)制。此外另一個需要考慮的關(guān)鍵事實因素是它是否向最終用戶一比一還原了訓練數(shù)據(jù)集。如果只討論學習這一階段，那么它實際上并不存在向“公眾提供”。

最后是使用對受著作權(quán)保護作品的潛在市場或價值的影響。這意味著如果使用旨在“替代”原始作品并競爭其市場，則不太可能符合合理使用。在分析檢查使用是否損害著作權(quán)所有者銷售或許可其作品的能力時，本文發(fā)現(xiàn)雖然生成式人工智能技術(shù)是否侵權(quán)仍在討論中，但一些公司已經(jīng)將他們的數(shù)字藝術(shù)需求外包給人工智能，因此生成式人工智能將與人類創(chuàng)造者競爭不僅僅是一個假設(shè)。GitHub集體訴訟的主要原告Matthew Butterick認為，編寫代碼的人工智能可能會“餓死”開源社區(qū)。按照其說法，人工智能將消除開發(fā)人員發(fā)現(xiàn)和貢獻“傳統(tǒng)開源社區(qū)”的動力，使開源代碼的創(chuàng)建和持續(xù)開發(fā)成為可能，從而扼殺開源軟件的增長和發(fā)展。目前尚不清楚對開源社區(qū)的潛在需求減少是否足以得出給市場帶來負面效應(yīng)的結(jié)論。然而，這似乎違背了著作權(quán)的最終目標——通過讓潛在創(chuàng)作者獨家控制其作品的復(fù)制來擴大公眾的知識和理解，從而為他們提供經(jīng)濟激勵來創(chuàng)作信息豐富、知識豐富的作品供公眾消費。更有甚者，在紐約時報訴OpenAI、微軟的起訴中，紐約時報提到GhatGPT和Bing瀏覽器插件輸出的內(nèi)容包括對旗下文章的逐字摘錄，這毫無疑問會影響紐約時報的訂閱和廣告收入⑨。

至于中國，根據(jù)《中華人民共和國著作權(quán)法》（以下簡稱《著作權(quán)法》），合理使用是有明確前提的：在下列情況下使用作品，可以不經(jīng)著作權(quán)人許可，不向其支付報酬，但應(yīng)當指明作者姓名或者名稱、作品名稱，并且不得影響該作品的正常使用，也不得不合理地損害著作權(quán)人的合法權(quán)益。不過《著作權(quán)法實施條例》在第19條又約定：“使用他人作品的，應(yīng)當指明作者姓名、作品名稱；但是，當事人另有約定或者由于作品使用方式的特性無法指明的除外。”從法律文本本身來看，似乎合理使用在大部分情況下必須指明作者姓名或者名稱、作品名稱。但是從目前的判例來看，這一點仍有爭議。在上海知識產(chǎn)權(quán)法院對上海美術(shù)電影制片廠與浙江新影年代文化傳播有限公司、華誼兄弟上海影院管理有限公司著作權(quán)侵權(quán)糾紛一案作出的二審判決中，法院認為，新影年代公司在涉案電影海報中的背景圖案引用“葫蘆娃”“黑貓警長”美術(shù)作品屬于合理使用15。其中說理部分法院指出：“海報中雖未對‘葫蘆娃’‘黑貓警長’標注作者姓名，但未署名并不當然影響對作品合理使用的認定，僅可能涉及對作者署名權(quán)的侵犯，況且指明作者姓名、作品名稱的情形，還要結(jié)合作品使用方式的特性予以綜合判斷，不能一概而論。例如，在文字作品中引用他人文章中的表述時，應(yīng)該通過腳注或尾注等方式予以注明。但是根據(jù)海報等宣傳畫的作品屬性和創(chuàng)作特點，基于海報畫面完整性要求，未在畫作中標注被引用形象作者的做法亦屬正常且合理?！绷硗猓谧罡咴簩徖淼耐蹙拶t與紹興市水利局其他著作權(quán)權(quán)屬侵權(quán)糾紛審判監(jiān)督民事判決書中16，最高院提到：“雖然原二審判決和原再審判決在未區(qū)分室外藝術(shù)作品本身署名情況的前提下，一概認定對室外藝術(shù)作品進行合理使用時需指明原始繪畫作者身份，對著作權(quán)法相關(guān)規(guī)定的理解有不當之處。但在本案中，鑒于紹興市水利局并非任意的社會公眾，其作為景區(qū)的管理者，在出版全面介紹景區(qū)的旅游圖冊時，對于景區(qū)內(nèi)雕塑等作品的權(quán)利狀況應(yīng)負有更高的注意義務(wù)。且綜合案件事實，《康乾駐蹕碑》碑記上有署名，故原二審判決和原再審判決判令其在相關(guān)報紙上刊登聲明，指明王巨賢為相關(guān)繪畫作者并無不當，其判決結(jié)果正確，應(yīng)予維持?！?/p>

基于上文對于人工智能模型工作原理的梳理以及對合理使用定義的分析，本文認為，不論是在中國還是美國，用受著作權(quán)保護的數(shù)據(jù)訓練人工智能模型在法理上都可能會被視為合理使用。然而，這一結(jié)論僅僅針對學習階段，對于輸出結(jié)果是否侵權(quán)則完全可以依靠通俗的著作權(quán)侵權(quán)判斷辦法——接觸+實質(zhì)性相似。

三、生成式人工智能生成的作品的

定性和侵權(quán)問題

在討論生成式人工智能生成的作品的定性之前，本文需要預(yù)設(shè)一個前提——該人工智能的生成物不構(gòu)成侵權(quán)。根據(jù)大多數(shù)國家的著作權(quán)法，作品的創(chuàng)作者通常被視為著作權(quán)所有者。除了英國等少數(shù)幾個承認由計算機生成且無人類創(chuàng)作者參與的作品受到保護的國家外，普遍認為作品的作者應(yīng)當是自然人。當一個作品由人工智能創(chuàng)作時，“計算機生成作品”的“作者”被定義為“為創(chuàng)作作品進行必要安排的人”［7］。在這個定義下，對于這個“人”指的是誰自然有多種解釋。是生成模型的開發(fā)者或運營者？還是模型本身？還是使用模型的人？

回顧作品的生成過程，至少以目前的技術(shù)力來說，最終的作品仍需要人類工作的參與，只是參與的多少決定了最后作品的精致程度。既然著作權(quán)保護的是人類創(chuàng)造力產(chǎn)物，那么只要有人類創(chuàng)造力的貢獻，就不能簡單地說人工智能作品都不能被著作權(quán)法保護。另外，筆者這里還想要釋明一點，美國并不是否認人工智能生成的作品獲得著作權(quán)保護的資格，而是不認可人工智能技術(shù)被登記為作者。因為美國的憲法和著作權(quán)法中使用的“作者”一詞排除了非人類［8］。是否能被授予著作權(quán)還需要具體情況具體分析，特別是人類如何運作及使用人工智能工具來創(chuàng)作最終作品，比如人工智能貢獻的是“機械復(fù)制”的結(jié)果，還是作者“將自己原始的心理概念通過人工智能技術(shù)實現(xiàn)了‘可見的呈現(xiàn)’”。

美國版權(quán)局（USCO）認為，如果作品的傳統(tǒng)作者身份要素是由機器產(chǎn)生的，則該作品缺乏人類作者身份。例如，當人工智能技術(shù)僅收到人類的提示并產(chǎn)生復(fù)雜的書面、視覺或音樂作品作為響應(yīng)時，“作者身份的傳統(tǒng)元素”是由技術(shù)而不是人類用戶確定和執(zhí)行的。根據(jù)目前USCO的實踐情況，本文認為USCO的判斷核心是用戶不會對此類系統(tǒng)如何解釋提示和生成材料進行最終的創(chuàng)造性控制。相反，這些提示的功能更像是對委托藝術(shù)家的指令，確定提示者希望描繪的內(nèi)容，但機器決定如何在其輸出中實現(xiàn)這些指令。在考慮是否授予Théatre D’opéra Spatial（太空歌劇院）的著作權(quán)時，USCO表示該作品不符合著作權(quán)資格17。雖然該作品的制作者Jason Michael Allen向USCO提交過書面解釋，詳細說明了他為了作品的完成做了多少努力以及他對原始圖像做了多少修改，包括但不限于使用Adobe Photoshop來修復(fù)缺陷，使用Gigapixel AI來增加尺寸和分辨率。Allen指出，創(chuàng)作這幅畫至少需要624次文本提示和輸入修改。最后USCO認可Allen使用Adobe修改的畫作部分構(gòu)成原創(chuàng)作品，然而用人工智能生成的部分不能獲得著作權(quán)保護［9］。換句話說：Allen可以對這幅畫的部分內(nèi)容進行著作權(quán)保護，但不能對整幅畫享有著作權(quán)。USCO這一判斷是基于美國法律明確規(guī)定作者只能是自然人，對于人工智能生成部分，被認為是屬于機器生成。關(guān)于Allen提到的624次文本提示和輸入修改，USCO認為，提示過程可能涉及創(chuàng)造力，但這并不意味著向Midjourney 提供文字提示 “實際上形成了生成的圖像”。為區(qū)分另一個知名的人工智能作品案，本文想用一點篇幅分析Thaler v. Perlmutter18案，在該案中USCO拒絕注冊人工智能生成的作品，因為在申請中人工智能系統(tǒng)被指定為作者。該案例爭論的重點是人工智能系統(tǒng)是否可以成為作者，USCO裁定不能這樣做，因為人類作者是必要的。美國哥倫比亞特區(qū)地方法院于2023年8月18日做出判決，確認USCO拒絕注冊人工智能生成圖像“A Recent Entrance to Paradise”的決定是正確的，因為缺乏人類作者，所以不存在授予著作權(quán)的前提。但法院做出該判決的依據(jù)是，申請中顯示Thaler在使用人工智能生成作品方面沒有發(fā)揮任何作用。Thaler在登記時明確告知USCO“該作品是‘由機器自主創(chuàng)作的’，他對著作權(quán)的主張只是基于他‘擁有機器’這一事實”。換言之，該案并沒有解決“需要多少人工輸入才能使人工智能系統(tǒng)的用戶成為所生成作品的‘作者’”。而這個才是太空歌劇院案中需要解決的問題。對于太空歌劇院的著作權(quán)授予，USCO的拒絕理由是，作品中由人工智能生成的不僅僅是微不足道的內(nèi)容量，因此，在登記申請中必須放棄對此內(nèi)容的聲明。由于Allen不愿意放棄人工智能生成的材料，因此不能按照提交的方式登記該作品。值得注意的是，太空歌劇院案的標準只是基于USCO的指引，目前還未有法院討論這一觀點是否違背美國的著作權(quán)法。

不過根據(jù)現(xiàn)有的案例，還可以發(fā)現(xiàn)關(guān)于是否認可自然人在最終的人工智能作品中有獨創(chuàng)性表達在不同國家可能會有不同的結(jié)果。例如，北京互聯(lián)網(wǎng)法院針對人工智能生成圖片的著作權(quán)侵權(quán)糾紛一案19中，法院就認可了人類投入在最終作品中有獨創(chuàng)性。該案的判決分析了：人工智能生成物是否是作品——是，因為其具備智力成果和獨創(chuàng)性的特征。法院提到：“從原告構(gòu)思涉案圖片起，到最終選定涉案圖片止，從整個過程來看，原告進行了一定的智力投入，比如設(shè)計人物的呈現(xiàn)方式、選擇提示詞、安排提示詞的順序、設(shè)置相關(guān)的參數(shù)、選定哪個圖片符合預(yù)期等。涉案圖片體現(xiàn)了原告的智力投入，故涉案圖片具備了‘智力成果’要件。”“原告對于人物及其呈現(xiàn)方式等畫面元素通過提示詞進行了設(shè)計，對于畫面布局構(gòu)圖等通過參數(shù)進行了設(shè)置，體現(xiàn)了原告的選擇和安排。而且原告通過輸入提示詞、設(shè)置相關(guān)參數(shù)，獲得了第一張圖片后，其繼續(xù)增加提示詞、修改參數(shù)，不斷調(diào)整修正，最終獲得了涉案圖片，這一調(diào)整修正過程亦體現(xiàn)了原告的審美選擇和個性判斷……涉案圖片并非‘機械性智力成果’。在無相反證據(jù)的情況下，可以認定涉案圖片由原告獨立完成，體現(xiàn)出了原告的個性化表達。綜上，涉案圖片具備‘獨創(chuàng)性’要件?！睂τ谠摪傅呐袥Q，知識產(chǎn)權(quán)領(lǐng)域的知名教授王遷老師曾在其公開講座中批評過該判決犯了三個錯誤：其一，沒有區(qū)分作為思想的智力投入和作為表達的智力投入；其二，誤將人工智能不具備自由意志和法律人格作為認定使用者是作者的理由；其三，沒有依據(jù)“創(chuàng)作”的法律定義認定輸入提示詞和參數(shù)的行為性質(zhì)20。核心觀點在其論文中也提到過：“著作權(quán)法所稱創(chuàng)作，是指直接產(chǎn)生文學、藝術(shù)和科學作品的智力活動?！蓖踹w老師認為，根據(jù)《著作權(quán)法實施條例》第3條第2款規(guī)定“為他人創(chuàng)作進行組織工作，提供咨詢意見、物質(zhì)條件，或者進行其他輔助工作，均不視為創(chuàng)作”，而人工智能的研發(fā)者或使用者對人工智能生成的內(nèi)容僅有間接影響不能視為創(chuàng)作［10］。其實王遷老師和北京互聯(lián)網(wǎng)法院的觀點之間的核心差異是“需要多少人工輸入才能使人工智能系統(tǒng)的用戶成為所生成作品的作者”。筆者在此更支持北京互聯(lián)網(wǎng)法院的觀點，獨創(chuàng)性本就無高低標準一說，只要與他人的表達不同，且不屬于司空見慣的表達，即不能否定其獨創(chuàng)性［11］。因此，在這一前提下，肯定人工智能生成作品可被著作權(quán)保護的邏輯并沒有嚴重的錯誤。至于王遷老師提到的“人的智力投入與結(jié)果無法對應(yīng)”，筆者認為這一點并不影響決定作品可以被授予著作權(quán)，因為這從來不是著作權(quán)法在判定作品時的排除因素。

即使一個普通人在大自然中拍了一張日出照片，也沒有人會質(zhì)疑這張照片不能被授予著作權(quán)，這是因為關(guān)于攝影作品的可保護性已經(jīng)明確記錄在國際條約和各國立法中了。但是一個有趣的地方是，關(guān)于攝影作品的可保護性大約確立在19世紀末21，彼時的攝像技術(shù)還處于膠片時代，從準備拍攝到最后沖洗需要耗費大量人力，并且沖洗過程需要人對此進行調(diào)整，不同的沖洗選擇會令照片呈現(xiàn)不同的光影效果。但是隨著科技的發(fā)展，尤其是計算攝影的產(chǎn)生，目前的攝像（尤其是用智能手機進行的攝影）已經(jīng)不完全依賴于人，而更多的是靠算法了。計算攝影的核心涉及使用先進的算法和軟件來處理和操縱圖像數(shù)據(jù)，擴展或增強傳統(tǒng)攝影技術(shù)。舉一個簡單的例子，使用計算攝影的設(shè)備可以通過其內(nèi)置的人工智能驅(qū)動的自動對焦系統(tǒng)實現(xiàn)智能地跟蹤拍攝對象并預(yù)測其運動，還可以通過人工智能降噪幫助攝影師減少圖像中的噪點，尤其是在弱光條件下拍攝的圖像，這可以使圖像看起來更干凈、更專業(yè)，而無須花費數(shù)小時進行后期處理。毫無疑問，隨著計算攝影的發(fā)展，在拍攝中，需要人做的工作將越來越少。但為什么沒有人質(zhì)疑過計算攝影下的作品是否可以被授予著作權(quán)——因為著作權(quán)法已經(jīng)明確說明，攝影作品可以取得著作權(quán)保護。

法院認可生成式人工智能作品的著作權(quán)并不代表法院認同這類作品不會侵犯人類作者的著作權(quán)以及如果當兩個人同時用相同提示詞讓人工智能生成相同作品時，后生成的就必然構(gòu)成侵權(quán)。雖然目前中國沒有類似判決，但Sahuc訴Tucker案22會是回答上面問題的一個非常好的案例。在Sahuc訴Tucker案中，Louis Sahuc 拍攝了新奧爾良杰克遜廣場周圍的大門，圣路易斯大教堂在霧中升起。他因在同一地點拍攝的一張照片而起訴Lee Tucker侵權(quán)。但最終Sahuc敗訴，法院認定他對該想法或具體位置沒有財產(chǎn)權(quán)益。Sahuc沒有創(chuàng)造大門、廣場、杰克遜雕像、大教堂或霧。照片中的這些元素并非作者的原創(chuàng)作品。同樣，霧中杰克遜廣場的照片也是一個想法，也不受法律保護。

最后，本文之所以沒有具體分析用生成式人工智能生成的作品著作權(quán)屬于作者還是人工智能的所有者，是因為本文認為這一問題的答案應(yīng)該是根據(jù)這些生成式人工智能的用戶協(xié)議來約定，這是一個合同問題，而非著作權(quán)問題。

四、生成式人工智能相關(guān)的產(chǎn)業(yè)實踐

誠然生成式人工智能是一項跨時代的革新，但這種革新很可能擠壓目前創(chuàng)作者的生存空間，尤其是考慮到生成式人工智能利用素材學習的行為有可能會構(gòu)成合理使用。本文雖然基于現(xiàn)有法律框架認為人工智能訓練數(shù)據(jù)集可能構(gòu)成合理使用，但是這不代表本文支持這一觀點。生成式人工智能的可及性將創(chuàng)造的力量交到了更多人手中，使他們能夠參與更多的內(nèi)容創(chuàng)作，大大降低了創(chuàng)作成本和創(chuàng)作門檻。但是同樣地，這種可及性極大地擠壓了創(chuàng)作者的生存空間，降低了創(chuàng)作者創(chuàng)造和分享的欲望。

在上文提到的紐約時報訴OpenAI、微軟公司一案中，紐約時報就提出OpenAI 的 ChatGPT 和微軟的 Bing Chat 可以生成與《紐約時報》文章幾乎相同的內(nèi)容，利用《紐約時報》對新聞業(yè)的巨額投資，在未經(jīng)許可或付費的情況下構(gòu)建替代產(chǎn)品。而且一些互聯(lián)網(wǎng)平臺利用其龐大的用戶體量和影響力，在用戶協(xié)議里添加對于人工智能使用的授權(quán)，令創(chuàng)作者在無意識的情況下把他們上傳的作品作為人工智能的學習數(shù)據(jù)庫。比如就有作者發(fā)現(xiàn)小紅書使用其作品訓練人工智能。但根據(jù)其使用小紅書前必須同意的用戶服務(wù)協(xié)議中的4.2條：“除非有相反證明，您理解并同意，為使用戶內(nèi)容得到更好的分享及推廣，提高其傳播價值及影響力，您授予小紅書公司免費的、不可撤銷的、非排他的、無地域限制的許可使用，包括：存儲、使用、傳播、復(fù)制、修訂、改編、匯編、出版、展示、翻譯、表演用戶內(nèi)容或制作派生作品，以已知或日后開發(fā)的形式、媒體或技術(shù)將內(nèi)容納入其他作品，再許可第三方按照前述方式使用的權(quán)利，以及以自身名義或委托專業(yè)第三方對侵犯您上傳發(fā)布的享有知識產(chǎn)權(quán)的內(nèi)容進行取證、發(fā)起投訴或提起訴訟的權(quán)利?！保?］雖然目前已經(jīng)有作者起訴了小紅書，但截至本文完成時，該案仍未判決?；谏衔牡姆治觯P者認為如果最終生成物與原作品在獨創(chuàng)性部分具有相似性，即使是人工智能生成物也必然構(gòu)成侵權(quán)，而且上述條例也有格式條款的嫌疑?？墒遣⒉皇敲總€作者都會發(fā)現(xiàn)其作品被人工智能學習，也不是每個人都會注意到這個格式條款。比畫作侵權(quán)更難判斷的是語言和聲音侵權(quán)案件。隨著深度學習的發(fā)展，基于人工智能的變聲算法種類越來越多，一些致力于構(gòu)建可信人類聲音的人工智能還能夠解構(gòu)現(xiàn)有聲音并將它合并到最終產(chǎn)品中。但聲音模仿通過知識產(chǎn)權(quán)很難被完全保護，比如使用者完全可以利用人工智能生成某名人的聲音，并用這個聲音演唱其原創(chuàng)歌曲。在這種情況下，可能根本不構(gòu)成著作權(quán)的侵權(quán)。因此本文更傾向于通過人格權(quán)對聲音進行保護。雖然聲音是否能夠被授予人格權(quán)在不同國家有不同的標準，但是至少在中國，這個答案是肯定的。根據(jù)《民法典》第1019條第一款規(guī)定，任何組織或者個人不得以丑化、污損，或者利用信息技術(shù)手段偽造等方式侵害他人的肖像權(quán)。未經(jīng)肖像權(quán)人同意，不得制作、使用、公開肖像權(quán)人的肖像。第1023條第二款規(guī)定，對自然人聲音的保護，參照適用肖像權(quán)保護的有關(guān)規(guī)定。由此可見，即使是普通人的聲音，也是可以被授予人格權(quán)保護的。可是并不是全球都認可聲音可以通過人格權(quán)保護。而且在實踐中還會發(fā)現(xiàn)一些非法律專業(yè)的人士很可能在不知不覺中就“賣出”了他們的聲音，比如在北京互聯(lián)網(wǎng)法院的“人工智能聲音侵權(quán)案”中，被告之一就提到雙方約定經(jīng)原告錄制形成的作品著作權(quán)屬于他所有。

五、結(jié) 語

簡而言之，本文認為生成式人工智能出于學習目的使用著作權(quán)法保護的材料可能屬于合理使用的范圍，但這個結(jié)論可能會因為所處地區(qū)不同，甚至是法官的不同而改變。從另一方面來看，雖然生成式人工智能程序本身可能在一些地區(qū)不能被視為傳統(tǒng)意義上的作者，但生成式人工智能產(chǎn)生的輸出成果可能是可以被授予著作權(quán)的。

毫無疑問，在未來，生成式人工智能的發(fā)展將伴隨著版權(quán)的爭議。如果保護人類創(chuàng)作者，讓人工智能公司承擔著作權(quán)法的責任將可能會遏制這些公司的發(fā)展。雖然像微軟、Meta這樣的老牌公司完全有能力確保數(shù)據(jù)許可協(xié)議并應(yīng)對法律挑戰(zhàn)，可是資本較少的初創(chuàng)企業(yè)可能就難以獲得競爭所需的數(shù)據(jù)。但是如果不保護人類作者，人類的創(chuàng)作欲和分享欲將大大降低。因此，本文認為考慮到目前生成式人工智能的生成物著作權(quán)的尚未明晰以及配套法律仍待更新，在沒有明確人工智能生成物的使用場景前，現(xiàn)階段對于人工智能生成作品都必須明確標識。在當前的人工智能熱潮中，不僅需要制定新的知識產(chǎn)權(quán)標準，還需要針對剝削性合同制定法律保護措施，因為創(chuàng)作者們可能會在不知不覺中喪失自己的聲音或者作品的權(quán)利。甚至大型平臺憑借龐大的客戶基礎(chǔ)、生態(tài)體系和資源優(yōu)勢，將更容易建立起生成式人工智能產(chǎn)品的競爭壁壘，享有“先發(fā)優(yōu)勢”，從而在這一領(lǐng)域形成“壟斷”局面。

著作權(quán)法不但是為了保護創(chuàng)作，也是為了繁榮創(chuàng)作。因此，本文認為著作權(quán)法不會，也不應(yīng)該一成不變。當新技術(shù)改變了創(chuàng)作的模式，那么就是時候考慮法律是否需要做相應(yīng)的更新?；谏衔牡姆治觯疚恼J為更新需要分別從國內(nèi)法和國際法兩個層面進行。國內(nèi)法律需要包括對人工智能背景下合理使用的構(gòu)成進行更清晰的定義，確定誰擁有人工智能生成的作品的著作權(quán)以及制定尊重現(xiàn)有作品著作權(quán)的人工智能使用指南。國際層面則需要聚焦跨境著作權(quán)糾紛以及制定基本原則?？紤]到互聯(lián)網(wǎng)和數(shù)字內(nèi)容分發(fā)的全球性意味著人工智能生成的內(nèi)容經(jīng)?？缭絿?，進而導(dǎo)致在執(zhí)行和管轄方面出現(xiàn)諸多復(fù)雜性，單靠國內(nèi)法是無法徹底解決這些問題的。因此，更新國際條約有助于建立更統(tǒng)一的全球標準，確保創(chuàng)作者的權(quán)利在全球范圍內(nèi)受到保護，并以一致的方法處理人工智能生成的內(nèi)容。同時鑒于人工智能技術(shù)快速發(fā)展的性質(zhì)，法律和條約的設(shè)計應(yīng)具有適應(yīng)性，以使它們應(yīng)該能夠適應(yīng)未來的技術(shù)發(fā)展，而無須不斷進行重大檢修。

注釋：

① 來自hugging face的簡介，參見網(wǎng)址：https：//huggingface.co/course/chapter5/4？fw=pt。

② 參見Joseph Saveri Law Firm， LLP公開訴Github、OpenAI、微軟的起訴書，網(wǎng)址：https：//githubcopilotlitigation.com/pdf/07074/1-0-github_complaint.pdf。

③ 參見Andersen 等訴Midjourney、Stability AI 和 DeviantArt的起訴書，網(wǎng)址：https：//ipwatchdog.com/wp-content/uploads/2023/02/Andersen_et_al_v._Stability_AI.pdf。

④ 參見Getty Images （US）， INC. 訴 Stability AI， Inc.的起訴書，網(wǎng)址：https：//cdn.vox-cdn.com/uploads/chorus_asset/file/24412807/getty_images_vs_stability_AI_

delaware.pdf。

⑤ 來自Joseph Saveri Law Firm的公開言論，參見網(wǎng)址：https：//www.saverilawfirm.com/our-cases/ai-artgenerators-copyright-litigation。

⑥ 原始圖像（raw images），在計算機視覺、數(shù)據(jù)處理或圖像分析的背景下，“原始圖像”通常指組成圖像文件的像素數(shù)據(jù)和元數(shù)據(jù)。

⑦ 工作實例通常是指計算機科學領(lǐng)域中的一個概念，它表示計算機程序中執(zhí)行的一個單獨的任務(wù)或進程。工作實例可以是一個程序的運行實例，也可以是一個計算機系統(tǒng)中的特定操作或任務(wù)的示例。

⑧ 參見GitHub 前首席執(zhí)行官的公開言論，網(wǎng)址：https：//twitter.com/natfriedman/status/1409914420579

344385。

⑨ 參見紐約時報訴OpenAI、微軟起訴書，網(wǎng)址：https：//nytco-assets.nytimes.com/2023/12/NYT_Complaint_

Dec2023.pdf。

⑩ 參見美國著作權(quán)法第107條。

? 參見Sega Enterprises Ltd. v. Accolade， Inc.， 977 F.2d 1510。

? 參見Campbell v. Acuff-Rose Music， Inc. ，510 US 569 （1994） 591。

? 參見Authors Guild v. Google， Inc. ，804 F.3d 202 （2d Cir. 2015） 214。

? 參見Kelly v. Arriba Soft Corporation， 280 F.3d 934 （9th Cir. 2002） withdrawn， re-filed at 336 F.3d 811 （9th Cir. 2003）。

? 參見（2015）滬知民終字第730號。

? 參見（2013）民提字第15號民事判決書。

17 參見美國版署拒絕注冊空間歌劇院的第二次復(fù)議請求：Second Request for Reconsideration for Refusal to Register Théatre D’opéra Spatial （SR # 1-11743923581； Correspondence ID： 1-5T5320R）， 網(wǎng)址：https：//www.copyright.gov/rulings-filings/review-board/docs/Theatre-Dopera-Spatial.pdf。

18 參見Thaler v. Perlmutter， 1：22-cv-01564， （D.D.C.）。

19 參見（2023）京0491民初11279號。

20 記錄自2023年12月18日王遷教授“人工智能‘文生圖’在著作權(quán)法中的定性難題”講座。

21 美國國會于 1865 年首次規(guī)定照片享有著作權(quán)。美國最高法院于1884年裁定國會可以根據(jù)憲法給予照片著作權(quán)保護。

22 參見Sahuc v. Tucker， 300 F. Supp. 2d 461 （E.D. La. 2004）。

參考文獻：

［1］ Bandi A， Adapa P V S R， Kuchi Y E V P K. The Power of Generative AI： A Review of Requirements， Models， Input-Output Formats， Evaluation Metrics， and Challenges［J］. Future Internet， 2023（8）： 260.

［2］ Schuhmann C， Beaumont R， Vencu R， et al. Laion-5b： An Open Large-Scale Dataset for Training Next Generation Image-Text Models［J］. Advances in Neural Information Processing Systems， 2022， 35： 25278-25294.

［3］ Murray M D. Generative AI Art： Copyright Infringement and Fair Use［EB/OL］.［2024-02-07］.https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=4483539.

［4］ 胡開忠，張妍.論情景原則在著作權(quán)司法保護中的合理適用［J］.江漢學術(shù)，2023（4）：84-93.

［5］ Wymeersch P. EU Copyright Exceptions and Limitations and the Three-Step Test： One Step Forward， Two Steps Back［J］. GRUR International， 2023，72： 631-642.

［6］ 多位創(chuàng)作者起訴小紅書偷畫師作品“煉”AI模型涉侵權(quán)，已獲立案［EB/OL］.（2023-11-30）［2024-02-07］.https：//www.sohu.com/a/740280849_120133310.

［7］ Kretschmer M， Meletti B， Porangaba L H. Artificial Intelligence and Intellectual Property： Copyright and Patents：A Response by the Create Centre to the UK Intellectual Property Office’s Open Consultation［J］. Journal of Intellectual Property Law and Practice， 2022（3）： 321-326.

［8］ US Copyright Office. Copyright Registration Guidance： Works Containing Material Generated by Artificial Intelligence［EB/OL］.（2023-03-16）［2024-02-07］.https：//www.federalregister.gov/documents/2023/03/16/2023-05321/copyright-registration-guidance-works-containing-material-generated-by-artificial-intelligence.

［9］ 嚴馳.生成式人工智能“作者”問題之思：以羅蘭·巴特的作者觀為視角［J］.南京郵電大學學報（社會科學版），2024（4）：30-42.

［10］ 王遷.再論人工智能生成的內(nèi)容在著作權(quán)法中的定性［J］.政法論壇，2023（4）：16-33.

［11］ Abrams H B. Originality and Creativity in Copyright Law［J］. Law & Contemp. Probs.， 1992， 55： 3.

責任編輯：劉伊念

（E-mail：lynsy@ jhun. edu. cn）

收稿日期：2024 - 06 - 22 本刊網(wǎng)址·在線期刊：http：//qks. jhun. edu. cn/jhxs

基金項目：上海市智庫青年領(lǐng)軍人才專項課題“知識產(chǎn)權(quán)制度型開放中的風險預(yù)警機制研究”（2024TRC014）；國家社科基金重大項目“構(gòu)建人類命運共同體國際法治創(chuàng)新研究”（18ZDA153）；國家社科基金重點項目“‘人類命運共同體’國際法理論與實踐研究”（18AFX025）

作者簡介：李依琳，女，江蘇蘇州人，上海對外經(jīng)貿(mào)大學國際經(jīng)貿(mào)創(chuàng)新與治理研究院講師，博士，E-mail：19110270005@fudan.edu.cn。