侵犯著作权罪-智能生成研究路径的确定：考察相关内容的产生过程

侵犯著作权罪-智能生成研究路径的确定：考察相关内容的产生过程【侵犯著作权律师】

广东长昊律师事务所

【摘要】如果人工智能生成的内容在表现形式上不符合作品的构成要件，如计算机生成的无独创性数据库，当然不能作为作品受到保护。但如果人工智能生成的内容在表现形式与人类创作的作品类似，如机器人绘制的图画、写出的新闻报道或谱出的乐曲，则需要从其产生过程判断其是否构成作品。迄今为止这些内容都是应用算法、规则和模板的结果，不能体现创作者独特的个性，并不能被认定为作品。在不披露相关内容由人工智能生成时，该内容可能因具备作品的表现形式而实际受到了保护，但该现象是举证规则造成的，并不意味着著作权法因人工智能而改变。

【关键词】独创性、人工智能、机器学习

一、研究路径的确定：考察相关内容的产生过程

对于由人工智能生成，在表现形式上与人类作品相同的内容而言，应当根据著作权法的原理判断其是否确实属于作品。如果相关内容仅在表现形式上与人类作品相同，但实际上并不能被认定为作品，则自然无需再考虑如何确定作者身份和著作权的归属。

(一)以相关内容的产生过程为切入点

笔者认为，在对上述内容是否确实构成作品进行判断时，应当在暂不考虑主体的前提下，从相关内容的产生过程为切入点，分析它们是否符合独创性的要求。此处之所以强调“暂不考虑主体因素”和以“相关内容的产生过程”作为切入点进行分析，是为了避免形成逻辑循环。根据传统的著作权理念，只有人才能创作作品。任何源于人之外的内容即使在形式上属于作品，该内容也不能被著作权法承认为作品并提供保护。对作品的认定原本需要考虑主体因素，但在讨论人工智能生成内容的定性时，如果一开始就纳入主体因素，势必会造成逻辑循环，即“因为主体不是人，所以相关内容不是作品；因为相关内容不是作品，所以它没有作者，无需认定作者和著作权归属”。

而“暂不考虑主体因素”，并只考察“相关内容的产生过程”，就可以在“形式上与人类作品相同的内容”中，识别出那些不符合独创性要求的内容并将其排除出著作权保护的范围，这样一来，有可能被认定为作品的，只能是那些不仅在形式上与人类作品相同，而且产生过程符合独创性要求的内容。对此类内容，才需要进一步研究：是否应当突破作品必须源自于人的传统著作权理念，将其认定为作品，以及如何认定作者和确定著作权。按照上述方法，对人工智能所产生内容著作权问题的讨论既可以避免逻辑循环，也更加聚焦。

（二）人工智能生成的内容是应用算法、规则和模板的结果

从目前有关人工智能的各种报道和描述来看，至少在现阶段，人工智能生成的内容只是应用某种算法、规则和模板的结果，与为形成作品所需的智力创作相去甚远。以上文提及的修图软件为例，它可利用“深度神经网络”的人工智能，将照片或图片处理成印象派等各种绘画风格。如暂不考虑主体因素及处理过程，仅从结果来看，多数人都会以为是画家绘制而成。然而，该项人工智能对照片或图片的处理，与绘画者根据照片或图片创作同样风格画作的行为存在本质区别。

在艺术家眼中，就一张照片或图片而言，其影像或造型与印象派等风格的画作之间并不存在严格的一一对应关系。以同一照片或图片为基础，可以绘制出无数被称为印象派风格的画作。绘画者即使熟知印象派的画风，也了解将普通照片或图片绘制成印象派画作应当遵循的一般方法，绘制过程也为绘画者留下了发挥的空间。绘画者可以凭借自己对印象派的理解和感悟，在线条的位置、粗细和弯曲度方面作出选择，在造型、明暗、阴影和色彩等因素上进行判断和处理，以表达其独特的思想感情。由此产生的绘画具有个性化的特征：多名绘画者在具有相同专业水准的情况下，以同一照片或图片为基础，绘制成的印象派画作也会存在差异。即使对同一名绘画者而言，在绘制印象派画作之后，如果事隔几年后要求其再次将同一照片或图片绘制成印象派画作，除非其记忆力超群或将第一次绘出的印象派画作摆放在旁边，否则也很难绘制出与前一次画作几乎完全相同的画作。这正如文字作品的作者如果因电脑故障无法打开未作备份的电子文档而被迫重写，也往往会感到重写后的文字与原文有所不同，原文中的一些精彩表述再难重现。这也就是为什么作者们总是对丢失其手稿等作品唯一载体的行为深恶痛绝。

上述现象正是“独创性”的体现——作品源于作者独立的、富有个性的创作，打上了其聪明才智的独特烙印，是作者精神与意识的产物。这就使著作权法意义上的创作有别于人们严格根据算法、规则和模板实施的行为，如使用密码本对文字进行加密或解密，在五线谱和简谱之间进行相互转换，使用微软图表软件(EXCEL)中的图表模板将数据转换成图表等。显然，这些行为都利用了智力成果——各种方法和计算公式，如密码系统的设计和破解，五线谱和简谱等记谱方法的发明，各种图表模板及与数据之间的转换程序，都需要投入智力劳动。但是，算法、规则和模板是否为智力成果，与应用算法、规则和模板的过程是否属于智力创作，产生的结果能否构成作品并无必然联系。如果将它们应用于原始材料之后，只要方法正确，无论由何人实施，获得的结果具有唯一性，就排除了实施者发挥聪明才智的可能性，导致相应的结果无法具有个性化的特征，从而不符合独创性的要求。例如，EXCEL中将统计数据转换为各类图表的代码化指令序列可作为计算机程序受到保护，但任何人使用该程序处理同一套统计数据，所能够获得的各类图表都是相同的，这些图表显然不能构成作品。

利用“深度神经网络”人工智能的修图软件对照片或图片进行风格处理时，本质上仍然是在实施一套优化后的算法，该算法使软件在分析了上千万张的图像后，通过图像的颜色、结构和纹理确定不同风格之间的对应关系，从而在较短的时间内实现图像处理。但是，无论这套算法多么复杂、先进和富有创意，也无论转换的规则是由程序员直接输入还是程序根据算法自动产生，采用该算法的修图软件一旦编制完成，使用不同的计算机应用该软件对相同的照片或图片进行风格转换，只要不是由于软件的缺陷而出现计算错误，所得到的结果不会有所不同。这就从根本上抹煞了处理过程的创作空间，排除了处理结果具有个性化特征的可能性。正如有技术专家所指出的，这种风格转换只是“让大众有了机器可以作画的错觉”。

机器人作画”，也无法符合独创性的要求。德国机器人实验室研发的机器人为真人绘制素描的视频新闻曾引轰动一时，甚至引发了“美术学院教谁去?”的疑问。但是，在美术学院的人体绘画课上，如果许多学生都以同一个人为模特进行绘画，每个人绘出的人物画会互不相同，各具特色，这反映了美术作品创作过程中的独特个性。而机器人之所以能绘制素描，无非是根据研发者预先确立的算法和编制的计算机程序，先用机器人自带的照相机对人脸进行拍摄，再提取其中的特征点，再将其矢量化为一些线段，最后将这些线段传给机器人的控制器，由末端执行器在纸上绘制肖像。由此可见，机器人素描的过程是高度程式化的，只要模特是同一人，在相同的照明条件下，在同一距离和位置上具有相同姿势和神态，被绘制出的素描肖像就别无二致。在有关机器人绘画的科技论文中，研究的对象是“人脸肖像轮廓提取算法”、“人脸肖像轮廓的细节处理算法”和“数据采集系统和机械控制系统设计”，均为定量化分析，说明“机器人作画”本质上仍然属于执行既定流程和方法，并通过计算获得确定的结果，与体现个性化的智力创作存在根本区别。

“自动新闻写作”则是综合运用算法与模板的结果，其关键在于针对某一类型文章，如财经新闻、体育新闻等开发出针对原始数据进行分析的算法，再将其分类套人内置的各种模板。以自动对美国职业篮球赛(NBA)进行直播报道的自动写作软件为例，虽然其生成的直播报道足以“以假乱真”，被球迷评价为由人工创作的比率高达90％，但它是基于开发者构建的球队“比分差函数”，运用由该函数的数据分片算法和数据合成算法，对数据进行分类，并填充到开发者事先预定的上百个模板中所产生的结果。“模板”是根据数据的类别以及历史NBA赛事的新闻报道制作的，类似于有固定格式、栏目和标题的表单，用于填人数据。如“以球队为报道对象”的模板包括“队开局打出比的比分，取得了木分的优势”、“双方杀得焦灼，你来我往都有得分，比分为比”、“奋力打出的攻击波将分差缩小到个位数”等。“以球员个人为主要报道对象”的模板包括“在球员的带领下，取得分的领先优势”、“队在的带领下打出比的攻击波，一举将比分反超”、“双方打得相当胶着，连投带罚接连得分，也打得非常有活力”。然，当软件根据函数和算法对原始信息进行筛选和计算后，将所得数据依对应关系填入模板之中，一篇新闻报道就形成了。它与前文所述的“机器人作画”一样，本质上仍然属于执行既定流程和方法的结果。

(三)人工智能的“学习”是确定规律的过程

具有“学习”能力是人工智能技术发展进步的标志。开发“阿尔法围棋”程序的“深度思维”公司首席执行官曾称该程序“拥有强大的自我学习能力……它是通过自我对局来优选最佳方法，这跟人类的思考方式一样”。然而，人工智能所具有的“学习”能力并不意味着应用这种“学习”成果生成内容的过程是创作，以及生成的内容是作品。它只意味着与程序设计者预先确定可直接得出结果的固有规则(如简谱与五线谱之间的对应关系)不同，拥有人工智能的程序可以通过对大量数据的分析，自己找出事物之中更为具体、细致的规律。

毫无疑问，这种“学习”能力在数据处理方面具有极大的优势，但它仍然属于应用特定算法获取最佳结果的过程，其作用在于从无数可能性中找到唯一或者极为有限的正确路径。因此一些人工智能的研究者将人工智能的“学习”描述为：将神经——中枢——大脑的工作原理设计成一个不断迭代、不断抽象的过程，以便得到最优数据特征表示的机器学习算法。例如，“阿尔法围棋”程序的人工智能体现在它具有由“策略网络”和“估值网络”构成的“深度神经网络”。这种“神经网络”实际上是由简单处理单元构成的大规模并行分布式处理器。…¨其中“策略网络”通过对人类对弈大数据分析，“搜索出更像人类高手该落子的位置”，“估值网络”对备选的落子位置进行后续计算，“推演出胜率最高的走法”，¨这是一种对从外界获取的信息进行的逐层加工的过程。

同样，相关研究表明：计算机程序之所以能“作曲”，是应用了统计学中的马尔可夫链(一种未来状态的概率只取决于当前状态的数学模型)选择音调。根据对大量音乐作品中音调之间的搭配与和谐关系的分析，可以发现其中的规律，比如当前的音调是C，则下一个音调为G的概率为70％，为E的概率为15％，为F的概率为10％，为A的概率为5％，不同的概率由不同的马尔可夫链模型所决定这样，程序就可以通过三个步骤生成乐曲，首先是建立规则表和数学模型，然后是随机生成单个音符，最后是根据规则表和数学模型测试其和谐度，“通过不断重复生产和测试环节，越来越多有效音符被选择出来并组成了完整的乐曲”。ll如果将程序这种反复试错，筛选合格组合的过程称为“自我学习”，则它仍然是依据算法进行的有规律的运算过程。虽然因其初始因素(如第一个单音符的生成)具有随机性，因此程序设计者也无法准确预测最后的结果，但在重复该运算过程并输入相同初始数据的情况下，同一程序得出的结果是有限的。这正是人工智能生成内容的本质特征——是计算而非创作。一篇文章在描述“机器作曲”时，其标题恰如其分地说明了一这点——《算出音乐来》。

由此可见，具有“学习”能力的人工智能与以往机械式处理手段的不同，在于能够根据算法分析数据并找出最优策略，再采取该策略产生最佳结果，而不是仅仅应用算法直接获取结果。但是，对最优策略的确定仍然是基于算法产生的，而且策略本身属于方法，落入了思想的范畴，不可能作为作品受到著作权法的保护。算法和计算机程序设计者也许无法准确地预测计算机运行程序并分析数据后能得出怎样的最优策略，但不同的计算机运行同一程序，根据同一算法分析相同数据，得出的最优策略是相同的或有限的，而不同的计算机对相同的数据采取该最优策略，获取的结果也是相同的。

换言之，对相同的原始材料，人工智能运用相同的策略进行处理，其结果具有高度的可重复性，这正说明对策略的应用不具备个性化的特征。与之形成鲜明对比的是，不同作者即使遵循同一创作理念、原则或规律，使用相同原始素材创作的作品也会在内容上五花八门。这是因为创作理念、原则或规律仅仅属于创作背景或外部限定，它无法决定作品的内容。有时，作者打破惯例，不按常规的创作还会产生更佳的艺术效果。正因为是作者独特的个性和情感，甚至是稍纵即逝的灵感，而不是创作理念、原则或规律驾驭着创作活动，如果作品内容较为复杂，甚至连作者本人在遗失作品的唯一载体之后，往往也难以重新创作出相同的内容。在提出著名的“图灵测试”的论文中，阿兰·图灵引述了杰弗里·杰斐逊(GeoffreyJefferson)教授对“机器会思考”的怀疑：

直至一部机器因思考和情感而不是通过随机排列符号而写出一首十四行诗或谱写一部协奏曲，我们才能认同机器等于同大脑。

从上述分析中可以得出一个结论，目前的“人工智能”本质上是应用“人”的“智能”，其生成内容的过程并不涉及创作所需的“智能”，因此并不能成为受著作权法保护的作品。日本政府设立的“知识产权战略本部”在一份报告中指出“一般认为，人工智能自动生成的内容不属于著作权的客体”，其原因就在于“人工智能自动产生的创作物(类似作品的信息)，并非(日本)《著作权法》第2条第1项规定的‘表现思想或者情感的作品’，也就根本不存在对其享有的著作权”。澳大利亚司法部下设的“澳大利亚版权审议委员会”曾在有关计算机软件版权保护的报告草案中建议澳大利亚《版权法》增加“计算机生成的作品(computer—generatedwork)”的作品类别，但遭到了“澳大利亚版权委员会”的反对，理由之一正是此类内容无法达到独创性的要求。“澳大利亚版权审议委员会”接受了该观点，在其发布的最终报告中，不再建议将诸如由报告撰写程序(类似于前文提及的自动新闻写作程序)生成的内容作为作品保护，而是建议创设邻接权的客体以提供保护，其用语也从“计算机生成的作品”改为“计算机生成的内容(corn—puter—generatedmateria1)”。

在最早对“计算机生成的作品”进行规定的英国《版权法》中，“计算机生成的作品”被认定义为“在该作品没有作者的情况下，由计算机生成的作品”。该法第9条第3款规定：“对(由计算机生成的)作品的创作进行了必要安排的人”被视为“作者”。然而，世界知识产权组织的报告对此指出：该规定看来是建立在一个假设之上，即计算机可以在没有任何人类创造性贡献的情况下“创作”文学艺术作品，但是否真正存在能够不借助任何人类创造性贡献而创作出“作品”的计算机“智能”，则是存疑的。英国本国学者对此也持怀疑态度，认为“很难理解此种成果如何能够符合既有的独创性标准，特别是该标准要求作品应当是‘劳动、技巧或判断’的产物，更不用说符合欧盟有关要求作品是‘作者自己的智力创作成果’的要求了”。同时，将该条适用于上文提及的机器人写作、作画和作曲等情形，也会遇到难以克服的障碍。试问谁对“由计算机生成的作品”的“创作”进行了必要安排?是相关计算机程序的编写者还是该机器人或程序的使用者?如果是前者，则其获得了对计算机程序和运行该程序生成结果的双重权利，属于重复获利，有失公平。如果是后者，则意味着只要选择了某机器人或运行了某一程序就可获得著作权，显然是不合理的。

迄今为止，也只有一个涉及计算机游戏的英国案例适用了上述条款。在该案中，原告起诉被告抄袭了自己的计算机游戏，并主张计算机运行过程中呈现的画面属于“计算机生成的作品”，而原告的程序员则应被视为该作品的作者。

对此，英国法院认为：

组成(电子游戏画面)的各帧画面都是计算机生成的作品，为创作作品进行必要安排的工作是由琼斯(原告的股东兼程序员，笔者注)承担的，因为他设计了游戏各要素的外观，还设计了游戏的规则和逻辑，由此产生了游戏的每一帧画面，他还编写了计算机程序。在这种情况下我确信琼斯对作品的创作进行了必要的安排，应当根据(英国《版权法》)第9条第3款的规定被视为作者。

显然，在该案法官的心目中，虽然程序员编写了计算机程序，也设计了游戏中人物、道具等各要素的画面，甚至是单幅的静止画面，但游戏在运行过程中形成的连续画面，并不是程序员直接创作的作品，而是“计算机生成的作品”，程序员并不是真正的作者，只能被“视为”作者。这样的判断实不足取，在游戏运行时，屏幕上显示的所有连续画面，都是计算机程序根据玩家的操作调用预先输入的各要素图像，并加以组合形成的。虽然连续画面的内容会随着不同玩家的不同选择有些区别，但不可能超越程序员对游戏进程的预先设立的各种要素的组合，因此当然属于由程序员等作者们创作的作品，计算机只是在技术意义上“生成”了它们。我国和其他国家的司法实践也认为计算机游戏画面是人创作的作品，并未将其认定为“计算机生成的作品”。如浦东新区法院就曾认定“游戏画面由游戏引擎按照既定规则调取开发商预先创作的游戏素材自动生成……(该)连续画面构成类电影作品，其著作权属于游戏开发商”，“网络游戏中连续活动画面因操作不同产生的不同的连续活动画面，其实质是因操作而产生的不同选择，并未超出游戏设置的画面，不是脱离游戏之外的创作”。由此可见，英国《版权法》对所谓“计算机生成的作品”的定义和权利归属的规定，实不足为我国所仿效。