筆者將通過分析AI生成圖片的技術(shù)模式為基礎(chǔ)，在作品結(jié)果的“可控制性”角度分析AI生成圖片的可版權(quán)性問題。

作者 | 鄭莉 皮民柱 北京高文律師事務(wù)所

編輯 | 布魯斯

2023年11月27日，北京互聯(lián)網(wǎng)法院針對AI生成圖片著作權(quán)侵權(quán)糾紛一案，作出一審判決。[1]在本案中，原告李某通過Bilibili軟件中視頻的網(wǎng)址鏈接和分享的文章，下載了AI軟件Stable Diffusion以及名稱為
AsianFacemix-pruned-fix.safetensors和
lora-hanfugirl.v1-5.safetensors的模型包，并將模型包安裝至Stable Diffusion軟件之中，原告通過輸入復(fù)制某論壇中用戶分享的正向提示詞和反向提示詞的內(nèi)容和修改迭代步數(shù)、高度、提示詞引導(dǎo)系數(shù)、隨機數(shù)種子以及修改提示詞等方式，生成了本案的涉案作品。經(jīng)當庭勘驗，該軟件可以通過變更提示詞和參數(shù)的輸入，其生成的圖片結(jié)果不同。

（涉案的不同圖片）

法院經(jīng)審理認為，在本案中原告使用AI軟件生成的圖片構(gòu)成著作權(quán)法意義上的美術(shù)作品，原告享有其著作權(quán)。并主要圍繞以下兩個方面展開分析：

（一）人工智能軟件Stable Diffusion生成的圖片是否構(gòu)成《著作權(quán)法》意義上的作品

本案法院認為，在本案中判斷生成圖片是否構(gòu)成美術(shù)作品，要看該圖片是否具有獨創(chuàng)性、是否屬于智力成果。

首先，法院認為原告在在涉案圖片的創(chuàng)作過程中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。

其次，在獨創(chuàng)性方面，法院認為，原告在利用Stable Diffusion軟件模型生成圖片過程來看，一方面，雖然原告雖然沒有動筆也沒有全面地告知Stable Diffusion模型怎樣去畫出具體的線條和色彩，但是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。另一方面，原告通過輸入提示詞、設(shè)置相關(guān)參數(shù)并通過不斷調(diào)整修正提示詞和參數(shù)的方法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。上述圖片的生成過程中體現(xiàn)出了原告的個性化表達。所以涉案圖片具備“獨創(chuàng)性”要件。

在該判決中，法院特別提到：

“現(xiàn)階段，生成式人工智能模型不具備自由意志，不是法律上的主體,因此，人們利用人工智能模型生成圖片時，不存在兩個主體之間確定誰為創(chuàng)作者的問題，本質(zhì)上，仍然是人利用工具進行創(chuàng)作,即整個創(chuàng)作過程中進行智力投入的是人而非人工智能模型……人工智能生成圖片，只要能體現(xiàn)出人的獨創(chuàng)性智力投入，就應(yīng)當被認定為作品，受到著作權(quán)法保護?！?/p>

綜合上述理由，法院將該圖片認定為作品。

（二）原告是否享有該美術(shù)作品的著作權(quán)

法院認定，首先，涉案Stable Diffusion人工智能模型的設(shè)計者在其提供的許可證中表示“不主張對輸出內(nèi)容的權(quán)利”，可以認定設(shè)計者亦對輸出內(nèi)容不主張相關(guān)權(quán)利。其次，涉案人工智能模型設(shè)計者既沒有創(chuàng)作涉案圖片的意愿，也沒有預(yù)先設(shè)定后續(xù)生成內(nèi)容，其并未參與到涉案圖片的生成過程中，于本案而言，其僅是創(chuàng)作工具的生產(chǎn)者。故涉案人工智能模型設(shè)計者亦不是本案涉案圖片的作者。

本案的原告作為人工智能模型的使用者，其是直接根據(jù)需要對涉案人工智能模型進行相關(guān)設(shè)置，并最終選定涉案圖片的人，涉案圖片是基于原告的智力投入直接產(chǎn)生，且體現(xiàn)出了原告的個性化表達，故原告是涉案圖片的作者，享有涉案圖片的著作權(quán)。

在本案中，法院關(guān)于涉案圖片構(gòu)成《著作權(quán)法》意義上的作品的理由及認為原告作為人工智能模型的使用者通過一系列所謂的必要操作就可以取得涉案圖片的著作權(quán)，進而享有著作權(quán)人的合法權(quán)利的結(jié)論筆者實難贊同。筆者將通過分析AI生成圖片的技術(shù)模式為基礎(chǔ)，在作品結(jié)果的“可控制性”角度分析AI生成圖片的可版權(quán)性問題。

一、AI生成圖片的技術(shù)模式簡析

通常來說，AI生成圖片涉及到兩個方面：一是生成類似于真實圖片一般的數(shù)據(jù)，二是解析人類的生成指令并給出相應(yīng)的結(jié)果。在生成圖片數(shù)據(jù)方面，最初一個重要的模型是GAN（Generative Adversarial Networks）。GAN包含生成器和判別器兩個部分。生成器從隨機的k維向量出發(fā)，用采樣網(wǎng)絡(luò)合成大很多的n維數(shù)據(jù)，判別器就負責(zé)判斷合成出來的圖片是真是假。在判別器高強度的不斷訓(xùn)練下，生成器會不斷改進生成的結(jié)果，直到制作出符合要求的、判別器無法分辨真假的作品。但是GAN一個重要的特征在于在面臨重大特征網(wǎng)絡(luò)時穩(wěn)定性不足。因此在當今的AI生成領(lǐng)域，擴散模型（Diffusion Model）得到了廣泛運用。擴散模型生成圖片的方式為先逐步疊加符合狀態(tài)分布的噪聲，最后得到看上去全是噪聲的馬爾科夫鏈模型，再使用U-net模型逐步去除噪聲、試圖還原圖片，這即是生成數(shù)據(jù)的過程。在對文本的理解方面，CLIP模型（Contrastive Language-Image Pre-Training）通過利用海量的數(shù)據(jù)在廣闊和文本和圖片之間建立聯(lián)系，通過這種聯(lián)系指導(dǎo)模型生成最終的圖片。[2]以上就是AI生成圖片的全流程。

二、美國司法實踐對于AI生成圖片版權(quán)的否認——AI用戶對最終生成之圖片缺乏可控制性

1884年的Burrow-Giles Lithographic Co. v. Sarony[3]一案中，借助照相機生成的照片之可版權(quán)性問題便引發(fā)了激烈的爭議。在此起案件中，美國最高法院指出，是否采用機械創(chuàng)作并不影響版權(quán)的認定，獲得版權(quán)法保護的標準在于某項表達是否屬于“作者的獨創(chuàng)的思想概念”之范疇。（We entertain no doubt that the constitution is broad enough to cover an act authorizing copyright of photographs, so far as they are representatives of original intellectual conceptions of the author.）鑒于作者的思想（對輪廓、光影等的選擇）在照片的攝制中得到了可見的表達（the ideas in the mind of the author are given visible expression）。本案中，美國最高法院認為作者對于借助相機進行攝影形成的照片對于最終作品的呈現(xiàn)具有顯著的控制力，是實質(zhì)性展現(xiàn)并創(chuàng)造作品的人。（‘a(chǎn)uthor’ involves originating, making, producing, as the inventive or master mind；the author is the man who really represents, creates, or gives effect to the idea, fancy, or imagination）

在今年8月美國華盛頓哥倫比亞特區(qū)聯(lián)邦地方法院判決的Thaler v. Perlmutter[4]一案中，作為被告的美國國家版權(quán)局重申了版權(quán)法僅限定于“作者的獨創(chuàng)的思想概念”范疇的觀點，拒絕給予Thaler利用AI而生成的圖片（A Recent Entrance to Paradise）（圖一）的版權(quán)。法院在裁判中贊同了美國國家版權(quán)局的觀點。即：雖然版權(quán)法的邊界會隨著時代的發(fā)展而不斷拓展，但是人類的創(chuàng)造性才是版權(quán)保護的核心必要條件。

圖一（A Recent Entrance to Paradise）

Burrow-Giles Lithographic Co. v. Sarony一案至今仍然影響著美國在AI可版權(quán)方面的實踐。美國國家版權(quán)局在對Zarya of the Dawn一案的[5]版權(quán)審查回復(fù)信件中也同樣闡明，一個向AI生成模型提供關(guān)鍵詞的人既未從事實質(zhì)創(chuàng)作（actually form）新圖片，也不是在圖片背后的掌控的頭腦。AI軟件以視覺噪音（noise）技術(shù)開始作品的生成，用戶的指令雖然能夠影響最終的結(jié)果，但提示詞并不會指向特定的結(jié)果。可以說，用戶的提示詞僅僅是對AI生成作品的引導(dǎo)，用戶對最終生成圖片的結(jié)果缺乏顯著的控制（sufficient control），亦即相關(guān)圖片的生成并非作者對腦海中圖像特定化努力的結(jié)果，AI在圖片的生成中仍有相當大的隨機生成的空間。

筆者贊同上述判決和回信中闡述的觀點，人類的創(chuàng)造性才是版權(quán)保護的核心必要條件，而對作品可控制性是決定作品是否有創(chuàng)造性的決定性因素。在AI畫作的創(chuàng)作中，AI 用戶相關(guān)的提示詞起到的作用更接近于建議，最終畫作的輸出是AI通過文本和圖片之間的對應(yīng)關(guān)系指導(dǎo)模型輸出對應(yīng)圖片的結(jié)果，用戶并沒有通過親身的實踐將這些提示詞進行有形的表達，或者說最終的呈現(xiàn)更多歸功于AI算法的運作，并非作者對具體畫面的細節(jié)進行選擇安排的“可控制的結(jié)果”，因而難以獲得版權(quán)的保護。

三、結(jié)果的“可控制性”與“思想-表達二分法”的連接——AI生成圖片為何不符合著作權(quán)法的作品標準

《與貿(mào)易有關(guān)的知識產(chǎn)權(quán)協(xié)定》第9條第2款指出：

“版權(quán)的保護僅延伸至表達方式，而不延伸至思想、程序、操作方法或數(shù)學(xué)概念本身?！?/p>

《美國版權(quán)法》第102條(b)款規(guī)定：

“在任何情形之下，對原創(chuàng)作品的版權(quán)保護都不延及作品中的一切屬于想法、程序、過程、系統(tǒng)、操作方法、概念、原理及發(fā)現(xiàn)的部分，不論作者在作品中是以何種方式加以描述、表達、展示或顯現(xiàn)?！盵6]

我國《著作權(quán)法》第3條第1款規(guī)定：

“本法所稱的作品，是指……能以一定形式表現(xiàn)的智力成果……”

足以看出，在著作權(quán)領(lǐng)域中，法律的保護僅涵蓋表達，而不延及思想。我國《著作權(quán)法實施條例》第4條第8項規(guī)定：

“美術(shù)作品，是指繪畫、書法、雕塑等以線條、色彩或者其他方式構(gòu)成的有審美意義的平面或者立體的造型藝術(shù)作品。”

從法律條文中不難發(fā)現(xiàn)，美術(shù)作品中表達的成分在于其“線條、色彩等方式構(gòu)成的有審美意義的平面或立體的造型”。

全國人大法工委主編的《中華人民共和國著作權(quán)法導(dǎo)讀與釋義》也指出：

“本法所稱的作品必須是自己創(chuàng)作的，而不是從別人的作品中抄襲來的。所謂創(chuàng)作，是指文學(xué)、藝術(shù)和科學(xué)作品的創(chuàng)造，即作者通過對政治、經(jīng)濟、文化和其他社會生活進行觀察、體驗、研究、分析，并對社會生活的素材加以選擇、提煉、加工，運用自己的構(gòu)思、技巧，塑造出藝術(shù)形象或表述科學(xué)技術(shù)的創(chuàng)造性勞動?！?/p>

上述國際條約、法律文本和全國人大法工委的解釋均說明，著作權(quán)保護的對象僅局限于表達，而不延伸至思想。這樣做的理由在于，表達是特定化的產(chǎn)物，對特定表達的授予一定期限的著作權(quán)權(quán)利并不會干涉社會的自由，因為人思維的差異使得世界上很難出現(xiàn)完全相同的表達。而思想?yún)s不全然如此，在近似的思想下，可以有多樣化的表達選擇，如果授權(quán)某些人“壟斷”某種思想，則必然有損于社會的創(chuàng)作自由。正如德國學(xué)者萊布尼茨所說：“世界上沒有兩片完全相同的樹葉，也沒有兩片完全不同的樹葉?！边@其中樹葉間相似的地方在于思想，不相似的地方則是表達。

無論是美國最高法院“表達須來自作者獨創(chuàng)的思想概念”之標準，還是美國國家版權(quán)局強調(diào)的“對作品具有顯著的控制”這一判斷思路，二者共同指向的是著作權(quán)法中關(guān)于“思想”與“表達”間如何區(qū)分與連結(jié)的問題。所謂“表達須來自作者獨創(chuàng)的思想概念”，就是作者對作品細節(jié)設(shè)計和整體布局的選擇和安排在最終的作品上得到呈現(xiàn)；所謂“對作品具有顯著的控制”，就是作者應(yīng)當對最終作品的整體效果、細節(jié)設(shè)計、各部分之間的邏輯安排、特定要素的選擇與布置等作出了周密而嚴謹?shù)脑O(shè)定。二者所強調(diào)的“可控制性”，其實質(zhì)便在于“表達的特定性”，這種對特定性的要求的本質(zhì)就是為了在保護著作權(quán)和維護公共利益之間尋找到恰當?shù)钠胶狻?/p>

具體到在本案而言，雖然本案原告劉某設(shè)定的提示詞和相關(guān)參數(shù)最終會影響圖片的生成。但是，在圖片生成的過程中，原告既沒有動筆描摹畫面，也沒有全面地告知Stable Diffusion模型怎樣去畫出具體的線條和色彩，其通過輸入提示詞和參數(shù)獲取圖片行為，僅僅說明其在最終圖片的生成中起到了一個引導(dǎo)者的作用，缺失了“對社會生活的素材加以選擇、提煉、加工”的努力。在圖片生成的結(jié)果上，不論劉某對于關(guān)鍵詞進行了多么精細的選取，對相關(guān)參數(shù)進行了何其巧妙的設(shè)定，我們都必須承認，AI使用者對于關(guān)鍵詞和參數(shù)的設(shè)定僅僅是一種思想層面的創(chuàng)意，最終定型化表達的生成都是人工智能基于算法生成的結(jié)果，并非來自于使用者的實質(zhì)性貢獻。正如筆者在原理部分所揭示的那樣，AI生成圖片是基于在文本和圖片之間建立聯(lián)系的算法模型，最終圖片的生成涉及到訓(xùn)練數(shù)據(jù)的廣泛性與質(zhì)量、擴散模型對畫面的處理等算法內(nèi)在的處理等因素。在采用不同算法、不同模型的情況下，可能最終生成的結(jié)果都不盡相同。所以，圖片最終呈現(xiàn)出來的是來源于人工智能的內(nèi)部算法，而非原告劉某將自己的思想外化為特定化的表達的努力。

所以，筆者認為，在本案中原告劉某使用AI軟件生成圖片，其對AI軟件可出現(xiàn)的結(jié)果不具有有效的控制的情況，說明其努力仍然停留在思想的層面，并不足以使其得到著作權(quán)法保護。

結(jié) 語

人工智能在不斷地發(fā)展及演進，雖然在現(xiàn)今AI生成圖片的可版權(quán)性還存在諸多爭議和可討論的空間，但我們并不知道未來的人工智能體會不會像人類一樣產(chǎn)生真正的意向性與創(chuàng)作意圖。如果真的有一天 “強人工智能”真的會出現(xiàn)，那么會意味著著作權(quán)的修改或者新的法律制度的建立。

注釋

[1] 參見北京互聯(lián)網(wǎng)法院（2023）京0491民初11279號民事判決書。

[2]參見周藝超：《【白話科普】10分鐘從零看懂AI繪畫原理》，網(wǎng)址
https://zhuanlan.zhihu.com/p/620953778

[3]Burrow-Giles Lithographic Company v. Sarony, 111 U.S. 53, 61 (1884).

[4]Thaler v. Perlmutter, D.D.C. (2023).

[5]United States Copyright Office, Registration # VAu001480196.

[6] 原文為In no case does copyright protection for an original work of authorship extend to any idea, procedure, process, system, method of operation, concept, principle, or discovery, regardless of the form in which it is described, explained, illustrated, or embodied in such work.

（本文僅代表作者觀點，不代表知產(chǎn)力立場）

?封面來源 | Pexels

?插圖 | 作者提供（僅用于說明事實）