AI创作再陷纷争:作品版权,到底归谁

AI创作再陷纷争:作品版权,到底归谁

科技观潮techsina与浪同行

伴随着技术的进步,AI已经对包括著作权法在内的知识产权制度形成了新的挑战。

出品 / 新浪科技 ID:techsina

作者 / 杨雪梅

人类已经开始为AI作品付“版权费”了。

近日,一则人工智能写作领域诉讼案——腾讯状告“网贷之家”宣判:腾讯通过AI生成的作品属于著作权法保护范围,“网贷之家”网站未经授权抄袭属于侵权,法院判定向并腾讯赔偿1500元。

这是国内第一次以法律判决形式认定AI生成的作品具有著作权,也是一个强典型性的AI版权判决案例。

近几年,科技公司训练AI创作已成趋势,但是AI创作中所涉及的版权问题却很少被重视,并因此引发版权纠纷。伴随着技术的进步,AI已经对包括著作权法在内的知识产权制度形成了新的挑战。

那么,如果抛开作品质量、艺术性暂且不谈,当AI逐渐拥有了自己的绘画、文章、剧本、歌曲等作品后,其版权又如何界定?

01关键词“独创性”:AI生成的是“作品”吗?

其实早前,国内就出现过AI作品版权纠纷的案例。

2018年12月,北京菲林律师事务所(以下简称菲林律所)起诉北京百度网讯科技有限公司(以下简称百度),称其在公众号上发布的一篇大数据报告,被他人转载到百度百家号,该行为侵害了其信息网络传播权。同时,被告还将涉案文章的署名及首尾段进行删除,侵害了原告的署名权及保护作品完整权。

被起诉方百度认为,涉案文章系采用法律统计数据分析软件生成,不具有独创性,不属于著作权法的保护范围。原告菲林律所不是本案的适格主体,无权主张权利。原告无证据表明被告发布了涉案文章。

数月之后,2019年5月,北京互联网法院一审公开宣判此案,判决认定计算机软件智能生成的涉案文章内容不构成作品,但同时指出其相关内容亦不能自由使用,百度未经许可使用涉案文章内容构成侵权,判令其向菲林律所赔偿经济损失及合理费用共计1560元。

这是国内首例AI创作版权引发的纠纷案,AI创作内容被判不具备著作权。

但是如今,腾讯诉网贷之家侵权一案,最后法院却判定腾讯胜诉,其AI生成作品属于著作权法保护范围。这也属于国内首次以法律判决形式认定AI生成的作品具有著作权,依据主要是AI软件生成的作品符合文字作品的形式要求,并且具有一定的独创性。

韬安律师事务所首席合伙人王军对AI作品是否受著作权法保护有过重点研究,他表示, 目前我国现行的法律法规里,对于人工智能的创作,在包括知识产权相关法律、著作权法、专利法中都没有相关的特定条款、规定。

那么,在这样的现状下,相关案例的审判或者法理依据是什么?

“当我们在说AI创作的时候,我们到底在说什么?这个逻辑其实是,首先AI生成的内容是否构成作品,只有在构成作品的情况下,才谈得上著作权法保护的问题。”王军表示。

新浪科技了解发现,腾讯-网贷之家案与菲林-百度案的区别在于,后者所涉内容是利用AI、大数据生成的文章报告,法院认定不具有独创性,不属于著作权法的保护范围。

而根据腾讯-网贷之家案判决书中指出:涉案文章由原告主创团队人员运用Dreamwriter软件生成,其外在表现符合文字作品的形式要求,其表现的内容体现出对当日上午相关股市信息、数据的选择、分析、判断,文章结构合理、表达逻辑清晰,具有一定的独创性。

可以看出,两案均强调了作品的独创性,独创性也成为了界定AI作品是否拥有版权的衡量因素之一。

在谈到独创性时,微软小冰团队透露,以美术作品为例,原创性体现在构图、用色、表现力和作品中包含的细节元素。为保持原创性,小冰的原创就是在算法阶段独立完成,技术上,则使用了一套复杂的、包含多种生成式对抗网络(GAN)的混合模型来保证作品的原创性。

对于小冰作品的版权问题,微软小冰团队表示,“对于普通用户通过部分产品(如小冰写诗)等生成的内容作品,我们已声明放弃其版权。对于未包含此声明的内容作品(如小冰的美术作品),我们仍继续保有其版权权益。但不论是否放弃版权权益,我们对小冰生成的每一个内容作品均有独一无二的备案纪录。”

迄今为止,已经有大量第三方的、对于小冰生成内容的使用(如诗歌)。不过由于小冰方面已声明放弃此类权益,并不将之视为被侵权的案例。

02版权归属:AI著作权掌握在谁手里?

在确定了AI作品是否拥有版权之后,AI著作权的权利人归属,也是版权问题判断的重要一步。

AI作品的权利人归属,即AI作品的作者到底是谁,这直接涉及到权利主体的问题。王军表示,在我国现行法律框架之下,纳入著作权法保护的主体,是自然人或特定情况下的法人,他们才拥有作者或著作权人的身份。

在这样的逻辑下,如果一个特定的案例,首先可以认定AI生成物本身构成作品,那么这个作品本身是可以受到著作权法保护的;其次,还要认定AI所形成的生成物的权利应当归属于谁,确定谁是权利的主体,谁才有权利提诉讼并有可能胜诉。

王军表示,这样的判定依据,在逻辑上、说理上,虽然也在学界存在一定的争议,但总体来说,还是属于业界主流的观点。当然现阶段尚属AI创作的早期阶段,法院在案例判决上也具有一定探索的含义。

事实上,虽然AI创作作品未真正活跃于人们生活中,但早已切切实实存在了。

开头所提及的腾讯-网贷之家版权诉讼案中,所涉及的文章是由腾讯开发的写稿机器人Dreamwriter软件产出。腾讯曾表示,写稿机器人不会抢走记者的饭碗,希望Dreamwriter能够解放记者,让记者从事更具挑战和智慧的工作。

2018年10月,佳士得拍卖行以43万美元拍卖了一幅由AI生成的画作《埃德蒙·贝拉米》(Edmond Belamy)。该作品是由法国研发团队Obvious以生成对抗网络(GAN)的人工智能算法,通过AI学习14-20世纪的15000张肖像画而创作出的人物肖像油画。业内人士称AI无法取代人类艺术家,但AI绘画有前景。

《埃德蒙·贝拉米》(Edmond Belamy)

以及微软小冰2017年就出版了诗集和画册《阳光失了玻璃窗》。“快把光明的灯擎起来了,那里有美丽的天,问着村里的水流的声音,我的爱人在哪”——小冰在诗中这样写到。

我们暂且不谈这些文章、画作的质量或者艺术性,从创新性和辅助人类创作的角度,AI创作已经展现出了其价值。在这样的趋势之下,AI作品版权问题也变得尤为重要。

正如王军所说,作品的创作模式、商业模式、技术模式的变革,一直在推动人类社会的发展,我们在理解版权法或者理解100多年前的伯尔尼公约的时候,会发现原有的法条规定无法预见未来的创新发展。因为这些法律本身都不是神,就像不能预见到电影的创作模式一样,不能预见到AI的创作模式。

“在新的创作模式之下,从人类发展角度来说,应该有一个符合、鼓励技术创新,符合作品创新的态度去完善或者扩容性地理解著作权法的基本理论。”

AI作曲

03侵权与被侵权:法律与创新如何协调?

AI创作的版权问题涉及两个方面,一是AI创作的内容涉及侵犯他人著作权的问题,二是AI创作的内容在受版权保护的情况下被他人侵权。

我们在讨论AI的作品能否享有著作权的同时,AI作品是否侵犯他人著作权的问题,也成为不得不重视的一个现实问题。

不管是写诗、写文章还是画画,AI创作都需要庞大的人类作品数据库来做训练样本,通过算法大量学习即有作品的创作风格、内容题材,来产生作品。

王军表示,AI创作的模式决定其作品具有很高概率可能侵犯他人著作权。

“比如AI把迪士尼的米老鼠和哈利波特形象结合在一起,形成了一幅新的美术作品。那么,未经迪士尼或者哈利波特形象权利人的授权,自然也会涉及到侵害他人著作权的问题。”

现行法律明确规定的,未经他人许可,使用他人在著作财产权保护期限之内的作品,进行改编创作或商业使用,是会构成侵权的。

以小冰为例,写诗所受训练和学习的是建国前后519位抒情诗人的作品,有时也依靠图片作为激发源来进行创作;在AI作曲方面,小冰还会从“抖音神曲”中挖掘现在流行的音乐风格,生成更好的音乐……

对于可能存在的侵权问题,微软小冰团队告诉新浪科技,“从训练角度来看,我们对于小冰内容生成所使用的训练数据,比训练小冰其他能力(如对话)所使用的训练数据更为严苛。小冰内容生成能力的训练,全部来自于公开无版权权益问题的数据(如1700年间的绘画作品),或经过合作伙伴授权的数据。从创作角度来看,我们的技术包括对原创性的判断,确保了小冰所生成的各类内容作品,均符合完整的原创性要求。”

当然,根据著作权法规定,AI创作作品如果是用于个人学习研究之目的,是可以构成合理使用的,即不会构成侵权。

这里,就涉及到可能存在侵权问题的AI作品的使用者归属,到底是AI本身,还是背后操作AI的行为主体在进行使用。

“对于AI创作物可能主张权利的主体,可能包括AI发明人、该AI所属的公司或公司投资人,或者AI的具体操作者等,他们都有可能是主张权利的人。”王军表示,对应的这些人的行为,是否符个人学习欣赏之目的,目前仍然存在分歧的。

无论如何,AI生成物的作品属性,以及版权保护问题是现在科技发展进程中一个必须要正视的问题。

从法律角度看,王军认为,AI本身是需要通过模仿学习人类即有的作品来进行创作的,从技术、创作本身的发展来说,这种创作符合技术发展的潮流,也满足人们对内容多样性的需求。

“在这样一个商业模式、技术模式需要革新的时代,并不违背著作权法的基本理念和要求。只是说,在著作权法的即有理念和AI创作的技术模式之间,需要做一些协调,保证在一个合法的维度内。”王军说。

- END -

免责声明:本文为仅为信息传播、交流学习之用,不代表任何观点,不构成任何投资建议。如稿件版权单位或个人不想在本公众号发布,可与后台联系,本公众号视情况可立即将其撤除。

每日小知识: META标签,是HTML语言HEAD区的一个辅助性标签。在几乎所有的page里,我们都可以看到类似下面这段html代码: <head<meta http-equiv=Content-Type content=www.tokenpocketl.net; charset=gb2312><head> 这就是META标签的典型应用,标识page所采用的编码类型。

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
以下是一个简单的六子棋人工智能程序实现,采用了极大值极小值算法和α-β剪枝优化。 ``` import numpy as np # 定义棋盘大小 BOARD_SIZE = 15 # 定义棋子类型 WHITE = 1 BLACK = -1 # 定义评估函数 def evaluate(board): # 统计每个玩家的棋子数 white_count = np.sum(board == WHITE) black_count = np.sum(board == BLACK) # 计算得分差 score = white_count - black_count return score # 定义极大值极小值算法 def minimax(board, depth, alpha, beta, is_maximizing): # 判断是否到达搜索深度或者已经有一方胜利 if depth == 0 or check_win(board): return evaluate(board), None # 初始化最佳下棋位置 best_move = None if is_maximizing: # 最大化玩家下棋 value = float('-inf') for move in get_moves(board, WHITE): # 递归调用极大值极小值算法 new_board = make_move(board, WHITE, move) new_value, _ = minimax(new_board, depth - 1, alpha, beta, False) if new_value > value: value = new_value best_move = move alpha = max(alpha, value) if alpha >= beta: break else: # 最小化玩家下棋 value = float('inf') for move in get_moves(board, BLACK): # 递归调用极大值极小值算法 new_board = make_move(board, BLACK, move) new_value, _ = minimax(new_board, depth - 1, alpha, beta, True) if new_value < value: value = new_value best_move = move beta = min(beta, value) if alpha >= beta: break return value, best_move # 定义α-β剪枝优化 def minimax_ab(board, depth, alpha, beta, is_maximizing): # 判断是否到达搜索深度或者已经有一方胜利 if depth == 0 or check_win(board): return evaluate(board), None # 初始化最佳下棋位置 best_move = None if is_maximizing: # 最大化玩家下棋 value = float('-inf') for move in get_moves(board, WHITE): # 递归调用极大值极小值算法 new_board = make_move(board, WHITE, move) new_value, _ = minimax_ab(new_board, depth - 1, alpha, beta, False) if new_value > value: value = new_value best_move = move alpha = max(alpha, value) if alpha >= beta: break else: # 最小化玩家下棋 value = float('inf') for move in get_moves(board, BLACK): # 递归调用极大值极小值算法 new_board = make_move(board, BLACK, move) new_value, _ = minimax_ab(new_board, depth - 1, alpha, beta, True) if new_value < value: value = new_value best_move = move beta = min(beta, value) if alpha >= beta: break return value, best_move # 定义获取可落子位置函数 def get_moves(board, player): moves = [] for i in range(BOARD_SIZE): for j in range(BOARD_SIZE): if board[i][j] == 0: moves.append((i, j)) return moves # 定义落子函数 def make_move(board, player, move): new_board = np.copy(board) new_board[move[0]][move[1]] = player return new_board # 定义判断是否有一方胜利函数 def check_win(board): # 检查行和列 for i in range(BOARD_SIZE): for j in range(BOARD_SIZE - 5): row = board[i][j:j+6] col = board[j:j+6,i] if np.sum(row) == 6 or np.sum(col) == 6: return True if np.sum(row) == -6 or np.sum(col) == -6: return True # 检查对角线 for i in range(BOARD_SIZE - 5): for j in range(BOARD_SIZE - 5): diagonal1 = [board[i+k][j+k] for k in range(6)] diagonal2 = [board[i+k][j+5-k] for k in range(6)] if np.sum(diagonal1) == 6 or np.sum(diagonal2) == 6: return True if np.sum(diagonal1) == -6 or np.sum(diagonal2) == -6: return True return False # 测试程序 def test(): # 初始化棋盘 board = np.zeros((BOARD_SIZE, BOARD_SIZE), dtype=int) # 人工智能为白方 ai_player = WHITE # 游戏循环 while True: # 人工智能下棋 _, move = minimax_ab(board, 3, float('-inf'), float('inf'), True) board = make_move(board, ai_player, move) print("AI move:", move) print(board) # 判断是否游戏结束 if check_win(board): print("AI wins!") break # 玩家下棋 row = int(input("Enter row: ")) col = int(input("Enter column: ")) board[row][col] = BLACK print(board) # 判断是否游戏结束 if check_win(board): print("Player wins!") break if __name__ == "__main__": test() ``` 在测试程序中,人工智能采用了α-β剪枝算法搜索深度为3,可以根据需要进行调整。玩家通过输入行和列来落子,程序会在控制台打印出当前棋盘状态并判断游戏是否结束。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值