刘丁勤 | 论AIGC创作中的因果可预见性

学术   2024-08-12 17:01   山东  

点击蓝字关注

了解更多精彩

ABOUT

(点击查看思维导图)



GB/T 7714-2015


CITE

刘丁勤.论AIGC创作中的因果可预见性[J].科技与出版,2024(7):36-47.


摘   要  

作品创作方式的多样化与过程的随机性使结果并不具有完全的可预见性,因而版权法也需考虑创作的可预见性问题。基于尊重创作自由与减少社会成本的考虑,作品创作应遵循弱预见性原则。可预见性涉及法律因果的追踪,在侵权法中通过主体、行为与介入因素进行综合考量。在AIGC创作中需要认定使用者对AI模型输出结果的可预见性以评价是否具有因果关系,可借鉴侵权法形成个体知识经验、行为的执行程度、AI模型的随机介入范围的分析框架。同时依据版权法教义与AI模型的既有技术特征,可预见性的衡量应当以行为的执行程度为主导,当使用者对结果具有“充分描绘”的情形下可以成为因果意义上的作者。


关键词  

AIGC版权;创作随机性;因果关系;可预见性;充分描绘原则



自2022年生成式人工智能在深度学习技术上取得突破以来,以ChatGPT、Stable Diffusion 为代表的AI模型迅速地席卷至创作领域,无论专业创作者还是业余用户,都可以快捷地生成精美的图片文本。2024年2月,OpenAI还推出了Sora 模型,将生成范围延伸至更为复杂的视频制作领域。不过,关于AIGC是否构成作品、能否受到版权保护仍存争议。反对观点认为AIGC仍是基于算法规则的结果,使用者仅对生成内容存在间接影响。[1] 人工智能具有独立创造力而非人类手中的机械工具,其输出结果也应置于公有领域。[2] 认同构成作品的观点则认为结果的算法创造力并不能排除人类贡献,使用人对模型的选择、提示词输入以及参数的设定可以构成独创性选择,对于这部分内容应予以作品激励。[3] 在司法实践中, AIGC的可版权性问题也逐渐浮出水面,不过无论 “Dreamwriter案”①还是“AI绘画第一案”②,法院均支持了后者,认为人类在AI模型的使用中存在个性选择且可以享有作者身份。考察当前研究,分析视角集中于作品的独创性检验,然而 AIGC的可版权性本质上涉及主体与结果的因果判断,即人类是原因还是机器是原因?判断结果决定了权利的配置方式,如果人工智能是输出结果的原因,那么从自然权利的逻辑来看就没有必要将权利奖励给人类。反之,如果人类的原因是可追溯的,那么就应当考虑赋权的合理性。对于因果关系的判断可借助可预见性这一理论工具进行分析。在当前的研究中,AIGC通常被认为是不可预见的,因为人工智能可以通过机器学习习得对象的相关特征进而自行决策。[4] 通过深度学习,计算机“有了自己的大脑”,可以进行类似于人类的阅读学习,创作的结果也是基于算法创作力产物。[5] 这种分析将AIGC置于不可预见的境地,由此人类不是输出结果的原因。然而,这类观点忽略了可预见性更多属于价值评判。在侵权法中可预见性属于法律因果评价,需要衡量主体、行为、中介因素以综合考量主体责任,虽然AIGC的生成过程具有算法随机性,但也有必要衡量主体的预见能力与执行行为。因此,本文尝试从可预见性这一法律概念出发,分析其在版权创作中的体现,并以侵权法分析为参考探讨AIGC创作中人类与生成结果的因果关系。

1
可预见性在作品创作中的产生与基准

1.1 随机性创作与可预见性问题的产生

在版权法中,似乎不存在可预见性评价的必要性,因为作者的创作是一种主观能动性行为,作者知悉创作过程的全部细节,因此结果必然是完全预见的。这种推论的确适用于大部分情形,例如独立撰写一篇小说、绘制一幅绘画。但是随着各种艺术表现形式、艺术创作工具的变化,随机性可以成为必要的创作特征,有时运用随机性甚至是一种独特的艺术手法,这使得创作过程并不具有完全的可预见性。[6] 最典型的例子是20世纪美国抽象表现主义艺术家代表Jackson Pollock,他擅长具有随机性的滴落技法,可以通过滴漏、喷溅、滑动等方式将颜料涂抹在画布上以绘制独特的图案。显然颜料的滴落具有很强的随机性,创作本身建立于不稳定的物理轨迹之上,但正是通过这种随机过程Jackson Pollock创作了大量独具个性的作品。除此以外,创作的随机性经常体现在摄影创作中。例如在野生动物的记录片拍摄中,摄影师通常会特定的地点布置好摄影机等待动物经过,以期拍摄到珍贵的动物活动影像。然而这种“守株待兔”的方式也意味着拍摄内容的不确定性,摄影师很难预见是否能拍摄到预期的画面。事实上,过程的随机性也正是摄影艺术的独特魅力之一,摄影师可以通过随机性的画面捕捉、抓拍将某些瞬间存在定格于二维图像之中,使观看者从“凝固的历史”中获得感悟。例如Thomas Mangelsen的著名照片《每日捕获》描绘了阿拉斯加卡特迈国家公园一条鲑鱼跳入棕熊嘴里的情形,摄影师只是举起相机抓拍了该场景,却形成了一幅饶有趣味的照片。在美国的摄影作品诉讼中,法官也是声称“摄影师可以通过在正确的时间出现在正确的地点来创造一张有价值的照片”。③随着摄影艺术的不断变化,甚至还产生其他更具独特性的创作手法,诸如将相纸直接放在河流和小溪上生成“水的运动图像”、利用微生物的分解特性在相纸上营造独特的图案。[7] 这类创作方式早已超出作者的全知全能形象,而是利用各种物理、化学、生物上的不确定性来达成特定的创作目的。这一过程中,作者不可能精准地预见每一种扩散方式的运动轨迹,也难以预见最终的图案结果,但正是这种随机性塑造了最终作品的独特美感。当然,这种随机式创作并不会导致结果被排除在作品之外,版权法保护具有独创性的人类智力成果,当内容属于“智力成果”并且体现了人类独特的“智力选择”时即构成作品。创作结果显然属于文化艺术领域可固定的智力表达,作品形式外观自不言待。从结果的产生过程来看,虽然其不能被完全预见,但随机性本身也不失为艺术家的精心设计,体现了艺术家的独特选择,因此创作者与结果的因果关系仍然存在。

以上表明,在版权法中可预见性并非是完全无须考量的。在各类“随机性艺术”中,作者对创作结果显然不具有100%的预见程度,随机艺术的践行者可对创作中利用的物理、化学等特性具有相当的了解程度,以至于利用该特性从事创作,但只能认为可以大致推断可能产生的效果,因此具有一定的预见性。这种预见性将作者与结果联系起来,使作者与作品形成一种完整的“因果链”。完成作品需要作者投入必要的劳动,除了行为的执行外,作者本身需要具有主观方面的创作意图,即积极追求特定作品的产生并且使其产生于计划之内,可预见性是证实心理联系的重要一环。例如一位画家正在画板上绘画,一阵风突然吹翻了窗台上的颜料盘并泼洒在画板上,覆盖了画家的绘画但又与之前的内容相互融合形成具有美感的图案,显然最终的绘画形成于一次偶然的事件,事件的发生超出了画家创作时的预期,尽管画家对此前的内容负有原因,但介入因素的产生使结果变得难以预见,画家与最终图案的因果关系也随之断裂。美国的“猴子自拍案”④ 更是典型的例子,该案中摄影师在野生动物保护区携带相机的事实表明其具有创作摄影作品的意向,然而猴子突然抢走相机并拍下自拍照的这一 “介入因素”使结果的发生产生于摄影师的预见范围之外,因此结果的产生不附带摄影师的主观意图,整个过程只能认为是纯粹的自然事件,摄影师也自然无法对照片享有作者身份。

1.2  创作可预见性的程度:弱预见性原则

既然创作不一定需要有完全的可预见性,那么创作者需要对结果预见到什么程度呢?这一问题在版权法理论分析中存在分歧,大体有如下三种观点:第一种观点认为作品创作需要具备较高的可预见性。在“Kelley案”⑤中,原告是一位全国公认的艺术家,以其代表性风景绘画和花卉绘画闻名,在该案中其在户外创作了一个由两个大型椭圆形花坛构成的“野花作品”,案件就其是否构成作品产生争议。在判决中法官隐含地提到可预见问题,认为尽管“野花作品”由艺术家设计和种植,但花园的颜色、形状、质地和气味都源于大自然,因此花园形式外观的形成原因主要是自然力量,而自然力量形成的结果不能受到版权保护。继而言之,法官认为“野花作品” 的产生是一种难以预见的自然结果所导致,由于这种不可预见性艺术家与结果的因果联系被严重地削弱了,因此艺术家不能成为作者。第二种观点认为作品创作中可以不具有可预见性。这种观点主要来自于Alan Durham教授的论述,其认为假设一位艺术家通过将一桶桶颜料抛向空中来实现其杰作,这一过程中尽管绘画过程产生了不可预见的结果,但艺术家选择了画布和颜料,将颜料指向画布的大方向并决定作品何时完成,因此作品产生于艺术家的控制之下,艺术家仍是结果的作者。[8] 根据这种观点,绘画结果是不可预见的,但即便如此,只要存在事实上的执行行为,作者身份依然成立。观点三认为作品创作中不需要具有太高的预见性。美国著名版权法学家Jane Ginsburg教授秉持此观点,其认为作者可以在非精确预见的情况下创作作品,随机性并不减损作者在创作过程中的基石作用。[9] 根据这种观点,作品不必从头到脚都源于作者,即使作者在创作过程中偏离其最初的想法,也无法完全将作者与作品从心理联系上割裂开来。正如“Alfred Bell 案”中法官阐述的一样:抄写员的视力不好或肌肉组织缺陷,或由雷声引起的电击,可能会产生足够可区分的变化。无意中碰到这种变体后,“作者”可以将其作为他的版权。

本文认同Jane Ginsburg教授的观点,认为作品创作应采取弱预见性原则。首先,就第一种观点而言,虽然“Kelley案”中法官认为花园的形成主要基于自然原因且自然植物生长难以预见,但是服务于其主张的固定性理由,在美国版权法中要获得作品保护的对象必定是具有可固定性的表达,而植物的自然生长决定其具有易变性,不符合作品保护的基本条件。虽然该案最终判决否定了“野花作品”的作品资格,但在裁判说理上难以使人完全信服,否定其作品资格的理由应当是自然植物通常不属于智力成果的类别而非固定性标准。[10] 事实上,植物具体如何生长只是特定的过程阶段,尽管作者并不能完全掌握其细节,但也无关于弘旨,只要作者可以预见作品成熟后的未来阶段,则仍与花园保持因果联系,因此该案中体现的高预见性标准并不符合版权法对智力选择的整体性评价原则。其次,观点二与观点三看似相反,但本质上是相同的。尽管Alan Durham教授似乎主张作者身份不需要可预见性,但产生于概念的描述分歧。根据上例观点,通过颜料泼洒产生的绘画结果是不可预见的,但事实上,主体的行为与意图无法完全切割,当主体积极实行某种行为时必然也包含对结果发生的概括预见。例如,A故意持刀伤人,必然能预见致人受伤或死亡的后果,虽然预见性不一定与现实完全一致,但必然是存在的。因此在颜料泼洒的创作中,艺术家本身带有一定的弱预见性。由此Alan Durham教授所理解的无须预见性实际等同于弱预见性,这种观点在本质上与Jane Ginsburg教授的理解一致。

1.3 版权法弱预见性的价值基础

那么为什么版权法允许弱预见性而不要求完全预见?本文认为,这根植于版权法的基本理念,它具有尊重创作自由与减少社会成本两个方面的价值基础。

1.3.1 弱预见性是对创作自由的尊重

首先,作者权带有一定的人权属性。《世界人权宣言》规定:“任何人有权保护他是作者的任何科学、文学或艺术作品所产生的精神和物质利益。”作者的人权意蕴强调在民主社会中作者创作的平等性与非歧视性。在实现中,主体的教育经历、利用工具能力、审美经验各不相同,因而作品创作也会带有个人独特的情感、思想、人格要素,这使作品的生成往往具有强烈的个性偏好,这种主体差异性塑造了作品的多样性。[11] 如果要求创作具有强烈预见性,必然会排除大量具有个性化创作的作品,这有违作者身份中的非歧视性原则,形成创作过程的隐性偏见。其次,版权法的根本目的在于丰富人类的精神成果。美国将促进科学与艺术的发展写进了宪法条款,我国《著作权法》也规定其价值在于“促进社会主义文化和科学事业的发展与繁荣”。而在艺术的发展过程中,自由的创作空间是促进艺术繁荣的重要原因,因此需对艺术的创作过程秉持较为开放的态度。例如20世纪初期的巴黎蒙马特区是具有强烈包容性的社区,以其自由的艺术氛围吸引了包括毕加索、梵高在内的大量艺术家至此,长期的艺术交融中也催生了印象派、后印象派、立体主义、超现实主义等艺术流派的兴起,其艺术成果的取得与创作自由密不可分,在版权法中也应降低作品的限制性要求以促进艺术繁荣。

1.3.2 弱预见性是减少社会成本的必然

原则或标准的产生往往根植于最基本的成本收益衡量,一项原则的设立需要使其社会成本最小化与社会收益最大化。增加作品创作的强预见性标准或许可以促进作品的“标准化”,使作品的产出符合法律人眼中的“理想的作品”,但“标准化”未必就增进了社会福祉,相反其限制了创作的自由度,减少了文化多样性,部分主体的需求偏好被忽视了,因此社会收益不增反减。同时,如果认为作品创作需要较高的预见性,则必然涉及法律对什么是必要的高预见性的界定,此时会在高预见性与非高预见性之间进行划界。然而原则的模糊性决定了其本身具有较高的划界成本,它并不如规则一样有明确行为指引,因此在其边界上将产生司法裁决的不确定性,这种不确定性继而也会降低法律的预测功能。[12] 相反,弱预见性的判断更为简单,其以主体在创作过程中意志、意图为基准,强调作者仅需要有必要的主观能动性行为,以此区别纯粹事实结果与人为干预结果,多数情形只需进行简单的排除式分析。例如,在“自动拍照案”⑦中,自动拍照机器的设计者虽然设计了该机器,但并非实际的使用者,对于使用人具体的应用行为没有任何的创作意向,生成的结果也不在其预料之中,因此通过对主体心智状态的分析可以实现可预见性的推定。总而言之,弱预见性是版权法制度经济性使然。版权法是一种事后界权模式,其面临海量信息的作品认定,其准入门槛也应足够开放,使得大量成果得以产生。[13]

2
评价可预见性:侵权法的借鉴

版权法虽然隐含了可预见性考量,但相关概念的研究并不成熟,也缺乏具体的衡量标准,在此可以借鉴侵权法既有研究以实现具体评价。


2.1  作为法律因果的可预见性

可预见性是过失侵权中的重要衡量标准。美国《侵权法重述第三版》指出,在判断是否属于过失侵权须时考虑“行为将导致伤害的可预见可能性”“可能随之而来的任何伤害的可预见严重程度”以及“预防措施的负担消除或降低伤害风险”。我国以更具直接的方式予以规定,《刑法》第15~16条依据是否具有可预见性区分过失犯罪与否,对于过失犯罪的定义更是直接及于 “应当预见而没有预见或者已经预见而盲目轻信导致结果发生”。可预见性是因果关系评价中的法律因果,或者称之为规范评价。该评价产生于事实认定的基础上,如果特定行为与结果的事实因果联系是确定的,并非可以直接认定行为的违法性,而是需要结合行为人主观的预见能力、结果的异常范围等因素进行综合判定。可预见性提供了指引性的原则,其将不属于行为人预见范围内的结果排除在责任范围之外,属于法律中的矫正正义。其产生于行为人“预见有限性”的一般假定,即任何人不可能预见所有结果的发生,他只能谨慎行事避免行为有限范围内的负外部性。具体而言,由于事件的发生经常存在一种接续性,例如行为人A实施了行为X1,而X1的产生引起了结果X2,X2又引起结果X3,诸此接续,形成类似X1→X2→X3→……→Xn的多米诺骨效应。显然,行为人实施行为X1时不可能将后续所有的X 预见在内,此时将所有X的产生归咎于A的先行行为将导致一种严格的“结果责任”⑧,不合理地扩大了行为人的注意义务。因此,应通过判断A行事时可以预见到的Xn来确定承担责任的范围。在美国著名的“Palsgraf案”⑨中,火车上的一名警卫推搡了一名携带烟花包裹的乘客并导致烟花爆竹掉落,随后烟花撞击铁轨发生了爆炸,爆炸的冲击力将站台另一端的秤砸落数英尺远并击中原告,原告在法庭请求索赔。初审法院承认了原告的诉讼请求,认为警卫的疏忽大意造成了损害结果。然而上诉法院推翻了该判决,卡多佐法官基于可预见原则分析了被告的责任范围,其认为个人承担责任范围以其小心谨慎行使的注意义务为限。该案中,原告受伤的损害结果是一系列事件接续的结果,虽然警卫的行为是事件发生的“先因”,但没有烟花意外的掉落并撞击铁轨爆炸,没有爆炸时意外地击中站台的秤,伤害的结果也不会发生,此时结果的产生具有较强的偶然性,如果将最终结果的形成完全归结于被告,那么似乎超出了一个合理谨慎的人的注意范围,不当地加重其责任,因为警卫很难预料一个简单的推攘动作导致如此严重的损害后果,反之携带烟花爆竹的人才具有更高的危险注意义务。卡多佐法官的裁判意在表明人际社会中的联系是无法割裂的,即便某人的行为导致了特定的后果,但忽视行为人的主观预见能力贸然采取严格责任标准是不可取的。譬如,A持刀袭击B致其重伤,路过的 C见场面过于血腥心脏病发作死亡,C的死亡结果虽然与A的行为有一定的事实牵连,但A对于C受惊吓引发心脏病这一事实是无法预见的,因此也无须承担相应的法律责任。侵权法中理论分析表明,可预见性不属于纯粹的事实判断,其承载了侵权法公平、效率等基本原则,对于版权法分析而言,可预见性也不应被视为简单的客观事实联系,而是需要考虑版权法的价值取向并综合考量各类因素。

2.2  可预见性在侵权法中的衡量

尽管可预见性在过失侵权的认定中具有重要地位,但也被认为是“预测责任的阴暗水晶球”,其具体内涵模糊不清与不确定,在某种意义上,一切都是可以预见的,在另一种意义上什么都没有。[14] 行为人是否可以预见其放下铁栏的行为将导致他人的羊逃离牧场并被熊杀死?⑩化肥产品制造商的能否预见其产品被恐怖分子用于制造爆炸装置?⑪饮料自动售货机的机器制造商能否预见未成年人试图从机器偷走饮料时机器倒地意外身亡?⑫可预见性似乎令人捉摸不透。尽管如此,法律原则都面临着某种程度的不确定性,评价可预见性也并非毫无意义,其探讨目的并不在于提供一条“明线规则”,而是提供一个指引性的分析框架。可预见性也可以通过具体要素的分析以实现完整的法律评价,在英美法中,以下三点成为分析中的重点。

2.2.1     主体因素:行为人的预见能力

在过失侵权的责任评价中,首先须要考察的是行为人所负有的注意义务,当义务属于应当预见而没有预见的则行为具有违法性。例如,高楼住户不慎触碰花盆使之坠落最终导致路人死亡,高层住户显然应当预见不谨慎的高空坠物将导致严重的损害后果,更应具有高度注意义务,因此过失并不是责任豁免的理由。评价注意义务可以来源于特定的法律规范,但法律并不能完全将社会所有可能的事件囊括在内,此时需要从事后对事件发生时行为人可能的预见能力进行分析。例如“Palsgraf案”中的警卫是否有能力预见推攘行为将导致路人受伤的后果?对于预见能力的评价通常基于“理性人”标准,其并非指依据个人的知识、经验或者智力水平判断可能引起事件的概率,而是依据一个抽象的社会理性人的知识、经验、能力所应具备的预见限度。[15]显然,依据一般社会理性人的预见能力,乘客携带什么难以预见,对于携带物恰好发生的一系列后续事件更具有巧合性,远远超过可预见范围,因此不能认为警卫没有尽到合理的注意义务。

2.2.1     行为因素:行为的危险性程度

在可预见性的分析中事实性行为是判断预见可能性的重要依据。“可预见性”基于个人通常有责任避免对他人造成的人身伤害的道德标准。行政法中提倡的“比例原则”强调行政行为必须与所达到的目的相称,侵权法中可预见性与行为的危险性程度呈现出类似的“比例”关系,当行为的危险程度越高,行为人的注意义务就越高,也应当具备更高的预见性。在“Palsgraf案” 中,警卫推攘乘客的行为本身不具有危险性,根据一般的社会经验可知,除非本身处于特定的危险环境中,否则推攘行为通常不会造成致人受伤的损害后果。然而在“Johnson案”⑬中,被告的疏忽导致易燃气体积聚在工人正在工作的驳船货舱内,随后闪电击中了货舱并点燃了煤气并导致了工人死亡。法院认为工人死亡的结果是被告人疏忽造成的可预见后果,被告应承担法律责任。本案中被告显然制造了一个具有高度危险性的场景,这种场景使任何暴露在其中的个体存在安全威胁,因此也应具有高度的预见性。

2.2.2     介入因素:事态发生的异常程度

在因果分析中,介入因素的发生极大可能中断行为人与结果的因果关系。假如A准备毒死B 并在其喝的茶中下毒,而正当B准备喝下毒茶时却被C用枪击杀,此时异常的介入因素打断了A实施行为与B死亡之间的因果关系,在事实上A不是导致B死亡的原因。在过失侵权的认定中也需考量各种因素发生的异常状况。在“Palsgraf案” 中产生了较多的异常因素从而削弱警卫行为与最终结果的因果联系。从一般的经验来看,乘客携带什么物品属于较为正常的情形,但烟花撞击铁轨发生了爆炸以及后续击中站台上的秤台导致行人受伤,一系列偶然的事件接续起来使结果的发生出人意外,远远超过了“理性人”的预见能力,这种损害结果的产生于不确定的化学反应、物理撞击的介入,事件发生过程的异常性超过了经验常识可能预见的范围,因此行为人也没有理由因为行为的“先行性”而承担事故责任。在 “Johnson案”中,闪电击中货舱并点燃煤气似乎也属于中介的异常因素,以此推理尽管行为人制造的“危险状态”违反了职责,但没有这一异常条件损害结果也不会发生,似乎结果也可以归结于一种意外。事实上,评价介入因素的异常性基于事实发生的具体环境确定,虽然闪电击中货舱存在较大的偶然,但恶劣天气的变化通常存在渐进的过程,行为人存在于恶劣天气的背景环境之中,也可感知不利因素导致的损害后果,因此闪电击中货舱并非异常的介入因素,而是可预见性因素。

在具体的案件中,上述因素中可能是综合考量的,可预见性提供一个法律因果的判断标尺,最终评价仍然是所谓的事后“个案认定”。由于具体分析问题的差异,各种因素很难确定孰重孰轻,但每个因子都可以提供应当预见或难以预见的理由。从逻辑上看,行为人的预见能力侧重于对主体进行评价,行为的危险性程度则侧重于主体实施的作为行为或不作为行为,介入因素或异常性则属于对行为范围之外的事件的综合考量,通过上述因素的全面分析,可以得出较为合理的推理结论。

3
AIGC创作中的可预见性衡量

 3.1   AIGC创作中可预见性的具体衡量因素

衡量创作可预见性可以借鉴侵权法理论,通过主体、行为、介入因素三个要素进行分析。当然,由于侵权法与版权法制度规范的差异性,必须兼顾版权法特性,确定各个因素在版权法中的具体内涵以及重要程度。

3.1.1 主体因素:使用人的预见能力

侵权法中的预见能力评价通常基于“理性人”标准,评价在特定环境下行为人是否具备必要程度的注意义务,但是作品创作中的预见性与此不同。侵权法中的行为无论作为或不作为,都源于法律或道德上的义务设定,因此在主观预见能力上形成一般理性的法律概括。而在版权法中,创作是一种具有主观能动性的行为,作者的规定采取“创作主义”,行为人只要完成创作便可构成“作者”,他只需要详细构思并控制过程的执行。[16] 因此相比侵权法,版权法缺乏强制性的义务来源,不能如侵权法一样设想出所谓的 “理性人”标准。事实上,与侵权法相反,由于作品创作因人而异,版权法更应采取“个体人” 标准,即依据具体创作主体的知识、经验、技能等因素判断在特定创作中的预见能力。例如在 Jackson Pollock滴落绘画的例子中,尽管颜料的滴溅较为随机,但是缺乏Jackson Pollock对于颜料滴溅的角度、力度、轨迹等技能的熟练度,不可能随意地达到理想的结果,因此即便过程具有随机性,普通人也难以复刻。在AIGC领域,人工智能使创作变得自动化,任何人可以通过简单的提示词、提问生成海量内容,相比于传统的纸质绘画、人工写作而言,“个体人”并不需要太多知识储备,创作主体似乎也变得“同质化”。然而,即便生成过程需要耗费的劳动极大减少,专业的知识经验也不可或缺。在AI绘画中提示词至关重要,除了纯粹的内容描述性语句外,还需要调整风格、图片大小、细节,有时甚至还需要反向提示词以避免不必要的结果。[17] 而上述内容的精确调整并非一蹴而就,使用人往往需要具备一定的绘画、摄影等方面的美学经验。因此虽然 AI模型使创作更加大众化,但具有特定目的的高质量输出依然需要足够的知识技能,在这方面,专业使用者与一般使用者可能呈现出预见能力的差异。例如,在美国版权登记的事例中,Jason Allen在Midjourney中至少输入了624次修改和文字提示才得到《太空歌剧院》图像的初始版本,后续更是进行了一系列的修改,可以认为作者在创作画作的过程中本身带有较强的目的性,没有充分的美术作品创作知识与经验,很难实现最终的意图效果。

3.1.2 行为因素:使用人的执行程度

法律中的因果分析以实际行为的发生为前提,行为人的实行行为是判断事实联系的基础。在版权法中实际的执行控制也必不可少,行为人需要直接或间接地控制整个作品的创作。不过不同于侵权法,创作的执行行为不是带有危险性的消极行为,而是一种积极主观的操作行为,创作一幅画、写一首诗都是运用智力、体力的能动性活动。即便是如Jackson Pollock一般的滴落绘画,尽管过程体现了一定的随机性,但仍是画家积极实施的结果。在AIGC创作中,行为的执行程度也成为评价行为人是否有资格获得作者身份的关键。在“AI绘画第一案”中,原告生成最终图片是一系列参数的控制过程,首先其通过参数的遴选构思人物图像的基本呈现方式,生成样图后又进行了复杂的指令修正,一系列执行行为后才得出最终的图片。这一过程中,行为人并非简单地通过AI绘画得到一个输出结果,而是依据审美经验有意识地执行创作过程,其具体参数的设定服务于图片信息的构筑,当行为人的执行控制足够详细时,可以认为基本勾勒出图片的基本外形,生成结果也更具有预见性。因此在最终的判决中,法官也认为“原告对于人物及其呈现方式等画面元素通过提示词进行了设计,对于画面布局构图等通过参数进行了设置,体现了原告的选择和安排”。事实上,当下的AI绘画与美术作品、摄影作品的创作仍具有很强的共性。在进行美术作品创作时,创作人需要构思基本内容、使用技法以及具体的执行方式,AI绘画也大抵如此,不过不同的是,作者亲自实施的执行绘画是完全预见的,而AI绘画的过程交由算法执行,其具体细节变得难以掌控。

3.1.3 介入因素:人工智能的随机生成范围

在侵权法可预见性的分析中,介入因素可能中断主体与结果之间的因果关系,类似地,在版权法中有时也需要考虑介入因素的影响。在上述画家绘画的例子中,风吹翻窗台上的颜料盘并泼洒在画板上,覆盖了画家此前的绘画并形成富有美感的图案。风吹翻颜料盘这一介入因素制造出新的表达,侵蚀了画家与原有绘画的联系,使结果源于不可预见自然事件,因此不能将结果归于画家的先行行为。在人工智能创作中,人工智能的随机范围可以视为一种介入因素,尽管人类对机器的提示是连续的控制过程,但机器的随机性程度将扰乱使用人的预期目标。当前的研究中,人工智能普遍被认为具有不可预见性,由此得出无人类作者的结论。事实上,技术发展呈现出较强的迭代性,即便是AIGC技术本身也存在强弱之分,应当结合具体技术条件进行判断。较早的人工智能被称为“专家系统”,可以按照人类的预先编程确定行事方式,这类人工智能既不具有学习能力,也不具有自主性,其输出结果可以认为在人类的预见范围之内。随着技术的演变,“神经网络”问世,它可以通过吸收、分配信息来模仿人脑功能,类似神经元可以在处理数据中发现并创建联系 [18],时下兴起的AI绘画模型属于此类。早期的模型主要基于生成对抗网络(GAN),它是由生成器与判别器两个神经网络模型组成的系统,生成器负责生成新的数据样本,而判别器则负责评估生成器生成的样本是否真实,两个网络相互对抗、相互博弈以提高生成样本的真实性、准确性。尽管GAN模型输出的结果已经具有较强的随机性,但是也并非没有局限。GAN模型常应用于模仿现有作品,制作出与学习内容风格类似的作品。例如“下一个伦勃朗”,人工智能通过深度学习著名画家伦勃朗的 346幅画作提炼出其画作的风格特征,进而可以生成风格类似但内容截然不同的画作。从本质上讲,尽管艺术的“风格”“特征”通常不受版权法保护,但“下一个伦勃朗”的生成内容具有明显的识别性,假若伦勃朗在世很有可能被认为属于衍生作品。因此在使用人进行详细地提示之后,结果的预见性也并非不可能。不过随着AI模型的更迭,生成随机性的动态范围变得更广。典型的是创造性人工网络(CAN)的应用,它可以引入创造性元素以增强生成模型的独创性,产生与GAN模型完全不同的结果。除此以外,近年来更是衍生出Transformer模型、扩散模型、 CLIP模型等,这些模型性能更强、更具稳定性,也使生成内容质量不断提升。[19] 可以认为,这类模型具有更强的随机性,这种算法因素的介入使人类贡献变得更加模糊。除了算法模型的差异外,学习数据的多少以及质量也会影响随机程度的强弱。无论在哪种模型中,艺术家都需要深入参与选择要用于形成数据库的图像文本,但学习的样本越少,AI模型就越难摆脱模仿的痕迹。如“下一个伦勃朗”、能模仿巴赫音乐风格的 “DeepBach”都使用“小数据”训练,其结果无非在学习规则之内的有限发挥,程序设计者、使用者与结果输出依然存在较强的联系。不过,当前的“AI大模型”普遍开始使用海量的数据以提高生成内容的真实性与稳定性,例如ChatGPT主要使用公开网页语料库Common Crawl中的数据集,包括数十亿个网页,这种大数据训练使结果难以溯源,人类的可预见性问题也变得扑朔迷离,需要结合可预见性的其他因素进行综合判定。

3.2 AIGC创作中可预见性的衡量程度

3.2.1 评价因素的厘定:行为因素的主导地位

尽管侵权法中的主体、行为、介入因素为评价AIGC创作中的因果联系提供一个有益的分析框架,但任何涉及多因素的法律调查都必须梳理各因素的内在权重关系,以使实际的司法操作更具实用性。主体、行为、介入因素在司法中的评价也需有所侧重,确切地说,行为因素将成为司法判定的焦点。首先,在特定的案件中,人工智能的随机性或成为既定的前提性事实,可以通过简单的技术调查得知。当前集中讨论的人工智能属于“大模型”,无论文本模型还是图片模型都使用海量的数据训练形成,因此本身具有广泛的动态随机性,在司法中并非着重关注的对象。但假如涉及如“下一个伦勃朗”类似的“小模型”,此时需要慎重考虑其可预见性程度,尤其以特定创作为目的的算法程序,其与程序设计者的意图具有更强的关联性,假如画家将其创作知识融入绘画机器之中并生成特定绘画,设计绘画程序的画家可能是输出结果的作者。[20] 因而评价介入因素有助于针对不同的人工智能应用情形作出具体的判断。其次,对于主体的预见能力而言,尽管评价主体的意图是作者身份分析中的必要要素,但进行纯粹的主观判断较为困难。一方面,过度区分主体自身的知识经验与版权法的“审美非歧视”原则不符,容易否定业余创作者创作的合法性;另一方面,创作意图、预见能力等涉及心理层次的因素通常不是版权法关注的重点,作品的独创性通过人类的贡献程度进行认定,而贡献程度的多少源于主体付出的劳动,因此应着重关注作者的“创作”行为。此外,由于创作主观方面的推定与行为的实行难分难解,主观方面很可能被行为包容评价。因此,尽管行为人预见能力具有重要意义,但依据版权法的固有教义,在具体的可预见分析中更应关注行为的执行程度。

3.2.2 执行程度的界定:充分描绘原则

上文表明在具体的AIGC创作中,应主要关注行为人实施了哪些具体的行为以及行为本身是否导致结果的基本预见,那如何确定何种行为就可以导致必要程度的预见性呢?版权法中关于虚拟角色版权认定的案例可以提供借鉴。由于虚拟角色难以界定、表现形式复杂,其保护边界一直是版权司法中的疑难问题。版权法并未明确规定角色的作品类型,但实践中角色又往往属于作品中独具价值与最具吸引力的部分,是对所有角色进行版权保护还是有选择性地保护成为难题。

在1930年的“Nichols案”⑭中,Hand法官提出的“充分描绘原则”成为相关案例的重要指导原则。Hand法官指出:“当角色描绘地越不充分,可以受到的版权保护就越少。”继而言之,当作者对于角色的描绘过于简单,越接近大众类的“典型角色”,那么角色就越难以受到保护。按照Hand法官表述,即是“这是作者必须承担的惩罚,因为标记得太模糊了”。“充分描绘原则”可以用于区分私有权利与公有领域,防止角色权利的无限扩张,其要求作者必须投入必要的智力选择以使角色充分描绘并具有独创性。

AIGC创作中的可预见性也与此类似,在需要弱化主体因素、介入因素判断的前提下,需要集中关注AI模型使用人的执行程度,即是否能够实现对输出结果的“充分描绘”以体现独特的智力选择,如果使用者只是简单地提示,例如“一只可爱的猫”“风景优美的村庄”,那么描绘的程度过于简单以至于难以勾勒出结果的基本轮廓,此时的结果不具有明显的个性特征更接近公有领域的边陲。那么如何判断使用者已经“充分描绘”了呢?本文认为,可以从作品必要的构成来考察,上文已指出作品创作不需要具有完全的预见性,只需具备弱预见性即可,因此带有随机性的创作是为版权法所允许的。在AIGC创作中,使用者不可能也不必掌控所有细节,但必须对输出结果的主要内容、大纲结构、整体布局有所构思,使结果的呈现不单单是纯粹算法的结果,同时也体现使用者独特的智力安排;描绘过程越充分,人类智力选择的成分就越明显,结果也越具有可版权性。例如,在美国版权登记的案件中, Kashtanova通过Midjourney生成《黎明的扎里亚》的漫画集,尽管漫画内容的输出源于AI绘画模型,但图像和文本的选择源于作者的独特安排。因此,美国版权局也承认该漫画集可以作为汇编作品受到保护。具体的输出内容也是类似,尽管美国版权局认为具体的图片不构成作品,然而事实上,正如“AI绘画第一案”的判决观点一样,只要该图片的形成也是使用者“充分描绘” 的结果,也应将其归因于人类作者。

4
结  语

“人工智能工具论”常被批指“过时”,因为AI模型早已不同于人类以往支配的技术工具,而是具有自主创造力的独立单位。在此基础上,人工智能是输出结果的真正原因。然而,这类观点将法律中的因果分析狭隘化,法律中的因果分析向来不关注对象发生了什么,而是聚焦于主体的行为评价,进而确定责任范围或利益归属。通过AIGC创作的可预见性分析可知,虽然创作过程存在机器的随机性介入,但并不能以此否定人类的既定贡献。当人类执行程度足够充分时,机器随机性可以被主体的执行行为包容评价,人类使用者可以因此获得作者身份。面对人工智能时代的创造性危机,仍应将问题置于弹性的版权法框架下,通过寻找实质贡献者的因果推理方式确定权利归属。



注  释

(上滑查看)

①  广东省深圳市南山区人民法院民事判决书( 2019)粤0305民初14010号。

②  北京互联网法院民事判决书( 2023)京0491民初11279号。

③   Mannion v. Coors Brewing Co., 377 F. Supp. 2d 444 (S.D.N.Y. 2005).

④   Naruto v. Slater, 888 F.3d 418, 2( 9th Cir. 2018).

⑤   Kelley v. Chicago Park Dist., 635 F.3d 290( 7th Cir.2011).

⑥ Alfred Bell & Co. v. Catalda Fine Arts, 191 F.2d 99(2d Cir. 1951).

⑦ 重庆市第一中级人民法院民事判决书( 2022) 渝01民终

21190号。

⑧ 这种广义的责任理论主要来源于托尼·奥诺雷( Tony Honoré),认为人应对其行为的所有后果负责,因为他们作为“自传式”的个人身份包含了其在世界上行为和互动的所有结果。

⑨ Palsgraf v. Long Island R. Co., 248 N.Y. 339, 162 N.E.99( 1928).

⑩ Gilman v. Noyes, 57 N.H. 627( 1876).

⑪ Port Auth. of New York & New Jersey v. Arcadian Corp., 189 F.3d 305( 3d Cir. 1999).

⑫   Oden v. Pepsi Cola Bottling Co. of Decatur, 621 So.

2d 953( Ala. 1993).

⑬   Johnson v. Kosmos Portland Cement Co., 64 F.2d 193 (6th Cir. 1933).

⑭ Nichols v. Universal Pictures Corp., 45 F.2d 119( 2d Cir. 1930).




参 考 文 献

(上滑查看)

[1]     王迁. 再论人工智能生成的内容在著作权法中的定性[J]. 政法论坛,2023(4):16-33.

[2]     闻天吉. 驳人工智能“创作工具说”[J]. 知识产权,2024(1):85-105.

[3]     蒋舸. 论人工智能生成内容的可版权性:以用户的独创性表达为视角[J]. 知识产权,2024(1):36-67.

[4]     GERVAIS D J. The Machine as author[J]. Iowa Law Review,2020(105):2054-2057.

[5]   GRIMMELMANN J. Copyright for literate robots[J]. Iowa Law Review,2016(101):657-682.

[6] CHUSED R H. Randomness,AI art,and copyright[J]. Cardozo Arts & Entertainment Law Journal,2023(40):621-656.

[7]    McCUTCHEON J. Point and shoot:originality, authorship,and the identification of the copyright work in modern photography[J]. Sydney Law Review, 2021(43):165-171.

[8]   DURHAM A L. The random muse:authorship and indeterminacy[J]. William and Mary Law Review,2002 (44):626-627.

[9]         GINSBURG J C,BUDIARDJO L A. Authors and machines[J]. Berkeley Technology Law Journal,2019 (34):366.

[10]      McCUTCHEON J. Shape shifters:searching for the copyright work in kinetic living art[J]. Journal of the Copyright Society of the USA,2017(64):309-370.

[11]      刘银良. 论人工智能作品的著作权法地位[J]. 政治与法律,2020(3):6.

[12]   KAPLOW L. Rules versus standards:an economic analysis[J]. Duke Law Journal,1992(42):557-629.

[13]      蒋舸. 论著作权法的“宽进宽出”结构[J]. 中外法学,2021(2):328-331.

[14]      OWEN D G. Figuring foreseeability[J]. Wake Forest Law Review,2009(44):1278-1279.

[15]      刘文杰. 论侵权法上过失认定中的“可预见性”[J]. 环球法律评论,2013(3):74-77.

[16]      GINSBURG J C. The concept of authorship in comparative copyright Law[J]. DePaul Law Review,2003 (52):1064.

[17]      提示词快速入门[EB/OL].(2024-02-01)[2024-06-15]. 

https://docs.stablediffusion.cn/article/1/593328636124200960. html#nav-1-H1.

[18]      HORGER D. Artificial music:authorship and copyrightability of artificial intelligence musical works[J]. AIPLA Quarterly Journal,2023(51):77-124.

[19]      腾讯研究院:AIGC发展趋势报告2023[EB/OL].(2023-02-04)[2024-06-15]. 

https://www.aigc.cn/1107. html.

[20]      BURK D L. Thirty-Six views of copyright authorship,by Jackson Pollock[J]. Houston Law Review, 2020(58):293-295.

AUTHOR

刘丁勤

中南大学法学院





END


科技与出版
《科技与出版》旨在搭科技进步与出版创新之桥,传编辑出版与文化传播之经。是CSSCI来源期刊、中文核心期刊、“复印报刊资料”重要转载来源期刊。由清华大学主管,清华大学出版社有限公司主办,中国版协科技出版工作委员会指导。
 最新文章