版权声明: 2018 清华大学
展开
摘要
人工智能技术的迅速发展对原本是人类特有的智慧与技能提出挑战，创作不再是人类独有的行为。人工智能的创作物是否属于著作权法意义上的作品以及是否应为其赋予权利，已超越了现行著作权法的调整范围和该领域已有讨论的边界，传统的著作权法理论与制度面临两难选择。对比人工智能创作物与自然人作品的区别，根据国内外关于作品“独创性”标准的理论与实践，可将其本质要求归结为“独立完成”并具备“与众不同的表达”两个方面。通过深度学习网络和强化学习，人工智能创作物已经可以满足这一要求，进而被纳入著作权法保护的范围。同时，为平衡效率与公平之间的关系，按照我国著作权法立法的宗旨，应当以保护、鼓励和促进为原则，以激励机制为基础对人工智能创作物的著作权制度进行重新安排。
关键词：
2017年的“双11”，人工智能设计系统“鲁班”制作的banner（横幅、标语）以每秒8 000张速度占领了每一个手机淘宝客户端的封面；与此同时，自主撰写运营的凤凰号“小凤机器人”也依靠基于深度学习语言模型的大脑，马不停蹄地进行着新闻撰写和发布；由Google开发的人工智能AI创作的画作也拍下了高达单幅8 000美元的惊人价格。人工智能创作物已经逐渐进入了我们的生活，带来了诸多便利。虽然目前大部分人工智能进行文学艺术“创作”都是用基于模板生成的方法来实现的，但随着新版AlphaGo Zero的问世，借助人工神经网络，不需要人类进行大量训练和建模，能够强化学习的新一代人工智能已崭露头角。
关于“人工智能创作物”著作权的讨论，总体来看，基于模板生成的人工智能创作物，或认为不体现个性，不能认定为作品，或认为可以将人工智能所有者视为著作权人，由其享有权利，虽尚未达成共识，但就其定性问题和权利的划分及行使问题已经讨论得较为充分。但随着人工智能技术的进步，相关问题已超越了现行著作权法的调整范围和该领域已有讨论的边界，有两个问题亟待解决：其一，人工智能创作物能否纳入“作品”的范畴进而受到《著作权法》的保护，即定性问题；其二，如果可以纳入，应该如何规制？笔者认为界定人工智能创作物的著作权定性需要分析和考察《著作权法》保护客体即“作品”的构成要件，从创作成果的微观构成上予以审视。所以，本文拟从人工智能创作物与人类作品的对比入手，就人工智能创作物能否纳入《著作权法》保护的构成要件进行分析并借助激励理论就未来的制度设计初步前瞻。
我国《著作权法实施条例》第二条规定：“著作权法所称作品，是指文学、艺术和科学领域内具有独创性并能以某种有形形式复制的智力成果”，第三条规定：“著作权法所称创作，是指直接产生文学、艺术和科学作品的智力活动”，“为他人创作进行组织工作，提供咨询意见、物质条件，或者进行其他辅助工作，均不视为创作”。从法律对“作品”与“创作”的界定，可见我国著作权法保护的“作品”必须满足4个条件：首先，应属于“文学、艺术和科学领域内”；其次，应“具有独创性”；第三，应可以“以某种有形形式复制”；最后，应属于“智力成果”。换言之，只要人工智能创作物能够满足以上4个条件就可以被纳入我国《著作权法》保护的范围，而无论创作主体是否为自然人。
“文学、艺术和科学领域内”是对于创作物所属领域的限定，“以某种有形形式复制”是对创作物载体的要求，这两点对于人工智能或自然人而言并无二致。关于“智力成果”，《英汉药理学辞典》将“智力”解释为“人们在获得知识(学习)以及运用知识解决实际问题中所具有的心理特性，主要指认知反应的特性，如抽象思维能力、有效地处理环境、快速而成功地适应新情况的能力等”
把“独创性”作为著作权作品的必备条件和本质属性,已成为世界各国著作权立法的通例。[1]我国现行著作权法及其实施条例中对“独创性”并没有明确规定，只有《著作权法实施条例》将“独创性”作为“作品”的构成条件。所以，在实践中，往往要参考国外较为成熟的理论与案例。但由于大陆法系和普通法系关于“独创性”标准的规定又不完全一致，因此，本文选择了两个法系的代表性国家美国和日本以及我国最高人民法院的相关案例进行分析。
美国对于“独创性”的标准可以概括为“至少满足少量创作性”的“独立完成”的作品。这一标准主要源于著名的Feist案（Feist Publications v. Rural Telephone Service Co.）。在此案的判决中，美国最高法院表明事实作品必须在收集、协调、编排方面有“一点点的创造性”( modicum of creativity)，才能得到版权法的保护。[2]虽然Rural公司选择并编辑了电话目录，但按字母排列的方式，仅仅是机械性的工作，不具备任何“创造性”，不能纳入著作权法保护的范围。通过该案，美国完善了Bleistein案确立的“只要作品是作者独立完成的，就具有独创性”[3]的标准，不仅要求由作者独立完成，同时必须具备至少为最低标准的创作的“火花”，这在很长的一个时期内深刻地影响了美国乃至世界著作权研究中对于“独创性”的认定。
日本对于“独创性”则要求具备“个人烙印”，即“独自的解释和安排”。《日本著作权法》第2条第1项第1号规定，“作品，是指思想或感情的独创性的表达，范围包括文艺、学术、美术和音乐作品”[4]。该规定同样将“独创性”作为“作品”的构成要素，但也未明确“独创性”的内在含义，不过我们可以借助部分案例进行分析。在“食玩模型”案控诉审中，法院就认为涉案的动物模型只是“忠实再现了实际动物的色彩、形状，动物的姿势等也可以在市场上销售的收录在一般图鉴里的绘画、相片中随处见到，缺乏制作者独自的解释和安排”，涉案的爱丽丝模型则只是忠实地把小说中的人物进行了立体化的转化，“没有强烈地表现出作者的个性，创作性并不高”，因此未予以保护。而涉案的妖怪模型因为是以传统画作为基础进行想象创造，进而立体化地“强烈地表现了制作者的个性”受到了著作权法的保护。
根植国情，结合国外较成熟的理论和实践，我国也逐渐形成了对“独创性”判定的标准。最高人民法院在已有的涉及美术作品的案例中，认为“独立完成和付出劳动本身并不是某项客体获得著作权法保护的充分条件”，进而认定乐高公司积木块“未表达出作者的任何独特个性和思想”，不具备独创性，不能视为作品受到著作权法的保护，
综上，各国对于“独创性”的标准虽有不同，但对于“独立完成”这一标准却没有差异，只是对于“创造性”的高低有着不同的要求。但无论高低，皆以“表达出个性”作为“创造性”的要求，不过此“个性”并非自然人的“个体性格”，而是“与众不同的表达”。因为，“思想/表达二分法”已经成为共识，世界各国的著作权立法（包括一些国际条约）均吸纳了这一规则。[5]“个体性格”完全是属于“思想”的范畴，“思想”则是法律所不可裁量的，著作权法只能规制外化的“表达”。换言之，在人工智能创作物能否具备独创性从而成为“作品”这一问题上，只要具备“独立完成”和“与众不同的表达”，就满足了“独创性”的条件。
目前，大部分人工智能的创作都依赖于人工模板、算法和规则，因此人工智能创作物被认为不能体现创作者独特的个性，不能被认定为作品。虽然目前没有一个人工智能产品能够达到人类智力的水平，但技术的不断革新已经逐步向这一目标靠拢。近年来发展起来的深度神经网络（Deep Neural Net-work, DNN）模型就抓住了人脑在脑区尺度进行层次化信息处理的机制，在计算和智能模拟能力上取得重要突破，并在模式识别和人工智能应用领域取得了巨大成功。[6]这使人工智能创作出“独立完成”并具备“与众不同的表达”的创作物成为可能。
有学者认为，基于模板、算法和规则的人工智能创作物“无论何人实施，获得的结果具有唯一性”[7]，其本质上仍属于模拟智能行为的线性模型或者近似线性模型，因此不具备独创性。但随着人工神经网络尤其是深度学习技术的不断进步和应用，人工智能创作物的生成开始呈现出“非线性
人工神经网络是基于生物神经网络结构和功能建立的计算模型，具有类似于人脑的信息处理、学习和存储功能，其具有的认知功能的网络模型是实现人工智能的重要条件。[8]深度学习网络是包含输入层、隐藏层以及输出层（图1）等多个隐含层的人工神经网络。输入层接收输入模式，输出层包含一个分类列表或输入模式可以映射的输出信号，隐藏层提取输入数据中的显著特征，具有有关输出的预测能力。[9]在其他条件相同的情况下，隐藏层包含的神经元数量越多，神经网络的深层非线性网络结构越复杂，函数内部进行的非线性变换次数越多，也就有着更强大的学习数据集本质和高度抽象化特征的能力。[10]同时，深度学习网络又是一个混沌系统，它通过“非线性函数
以利用深度学习网络的音乐创作为例，可将其过程分为：素材预处理、网络模型训练、作品生成等3个主要阶段，其中作品生成阶段又可划分为输入、处理和生成3个子阶段。数据预处理相当于自然人创作中的素材收集，该阶段将待处理的音乐素材转化为数字音乐序列信号并分为小的片段，提取音乐的一般特征（例如：短时能量、时域方差或频域方差），尽可能地贮备训练数据。由于深度学习网络的非线性特征，尽可能多的音乐片段对于模型的训练和建立会有积极的影响。网络模型训练相当于自然人创作中的创作技能的培养和风格养成，该阶段将贮备的音乐片段和提取的音乐特征通过输入层输入该模型，数据在隐藏层中展开并提取其中的显著特征。通过学习大量已有的创作素材，建立音乐创作的规律和特色，形成创作风格，训练结束后，还可以作进一步的微调（fine-tune）。微调时，最上层的梯度不仅影响其下一层，还将继续传播到下面所有层，从而对网络进行整体优化。[12]因此，任何一个音乐素材选择的不同，甚至输入的时间或顺序的不同都会对整个创作模型产生相当的影响。当音乐创作网络模型建立好之后，进入创作阶段，此时需再次从输入端输入需要创作的音乐的基本要求，之后再次经过隐藏层的处理，最终才能输出一首人工智能创作的音乐。这也同自然人的创作相吻合，其中“输入”相当于“创作任务”，“隐含层”在经历了网络模型训练后已经形成了“自己的创作风格”，经其处理之后的音乐能够鲜明地带有网络模型的自身特色，就类似于音乐家的“个人风格”。因此，其输出“独一无二”的创作物也就不足为怪了。
基于人工神经网络发展，人工智能的“强化学习（Reinforcement Learning）”能力也在飞速提高，已经可以“独立完成”创作。在强化学习中，机器(常被称为智能体/Agent)被放置在一个单独的环境中（如图2），需要通过与环境的交互,即观察环境状态、在环境中执行动作、并接收环境的奖赏反馈,从而自主地了解环境并完成任务。[13]在预先没有设定创作模板，或仅客观输入一些基本的规则（例如诗歌格律规则、围棋规则等），而不带有任何主观色彩输入的前提下，人工智能通过模拟人脑进行分析学习并训练和预测数据。由于外部环境提供的信息很少，强化学习系统RLS（Reinforcement Learning System）必须靠自身的经历进行学习并在行动—评价的环境中获得知识，改进行动方案以适应环境，才能解决问题或进行创作。2017年10月19日，新一代AlphaGo Zero面世，与之前的版本要基于对开发者给予的数百万计的人类围棋专家的棋谱进行强化学习不同，AlphaGo Zero从空白状态自发学起，在无任何人类输入的条件下，迅速自学围棋，并以100∶0的战绩击败上一代AlphaGo。可见，人工智能在脱离开发者预先设计模板的情况下，已经能够根据自身所获取的数据解决问题，具备了完成“独立创作”的能力。
借助深度学习网络和强化学习，人工智能已经具备了“独立完成”具备“与众不同的表达”创作物的能力，满足了“独创性”的基本要求，按照《著作权法实施条例》的规定，如果该创作物属于“文学、艺术和科学领域内”的成果并能够“以某种有形形式复制”就满足了构成“作品”的要求，纳入著作权法保护的范围。
激励理论被主流学说认为是实现作品利用效率最大化的最优制度工具。被公认为世界上第一部著作权法的《安娜女王法令》就是一部“鼓励学习”的法令。我国现行著作权法的宗旨也是保护作者著作权，鼓励作品创作和传播。面对人工智能高效率、低成本的创作能力，一旦将其创作物纳入著作权法的保护范围，与自然人创作物同一标准进行规范，势必会引发既有制度公平的失衡。因此，需要借助激励理论对人工智能创作物进行新的制度安排，准确定位激励主体，在保证著作权法保护作品、鼓励创作和传播作品作用充分发挥的基础上，实现人工智能创作物与自然人作品的共存、共生和共同发展。
第一，应依据人工智能创作物的特点将其所涉及的创作主体类型化。著作权法的特点之一就是主体多元化。回顾著作权法权利主体的演变的历程，随着技术的不断变革，主体的类型和范围在不同历史阶段都呈现不同类型。将人工智能创作物纳入著作权法保护范围后，主体类型将变得更加复杂，创作者不再是单一主体，而是包含开发者、所有者、操作者等多个主体的集成主体。开发者负责构建整个人工智能程序的设计思路，包括程序整体的架构设计、功能的实现以及负责程序具体的模块设计和调试等工作，任何利用该程序完成的创作都以此为基础；所有者作为程序的所有权人，是程序开发或应用的投资人，完全可以享有基于该程序而衍生的著作权；操作者作为程序的使用人，无论其是神经网络的训练还是只将其作为工具来进行“创作”，按照混沌理论及人工神经元的混沌特性，其任何操作都会给人工智能程序的创作以不可忽视的影响。上述任何一个主体都可能是创作的关键参与者，其选择都可能影响整个作品的风格。因此，要将著作权这一“权利束”进行精密分解后再合理分配，必须要先将其权利主体类型化。
第二，应进一步整合权利的内容。对人工智能创作者而言，著作人身权与著作财产权的界限开始变得模糊。著作人身权与著作财产权最好原始归属于同一主体，方便著作权利用。[14]而且，只有整合为统一的整体，才能解决发表权、署名权等著作人身权能否赋予人工智能这一非自然人创作者的问题。不然人工智能不能享有人身权而只能享有财产权，不仅会导致部分著作人身权归属不明，而且也会引发对其的滥用与纠纷，以致增加交易风险和交易成本。查世界各国，关于著作权的结构本身就非天然的二元制，而同时存在一元制等其他组织模式。德国著作权法就认为著作权混合人格利益与财产利益是统一的一个权利。我国著作权立法之所以采用了二元制的模式主要是为突出作者人身权的地位，且与《民法通则》将公民的民事权利划分为人身权和财产权一脉相承。但如上文所述，人工智能创作的效率大幅提升，成本大幅降低，过度保护和强调创作者的人身权，可能带来新的垄断而影响著作权法立法目的的实现。因此，应将人身权利与财产权利整合为统一的整体。
第三，应规范权利配置的标准。著作权配置的核心目的是提高作品的利用效率。不同的主体之间，由于初始权利配置安排的不同，资源的利用效率也不同。将权利配置给交易成本较高的一方，可以有效降低权利在让与过程中所附加的成本，并最大限度地发挥信息的价值。[15]过去，创作者作为付出成本较高的一方，成为各国著作权法“亲睐”的对象，美国《联邦宪法》赋予了“作者”专有权，德国《著作权法典》也赋予了“作者”强有力的绝对权。虽然给创作者的作品以足够的保护可以激发创作动力，但在人工智能的辅助下，创作者的创作效率大幅提升而创作成本则有望大幅降低，需要重新审视“创作者”的权利边界，规范权力配置的标准，警惕过度配置权利带来新的垄断。
第四，应重新定位激励指向的主体，激励投资者、传播者作用的发挥。作品价值的实现是著作权产业链上所有主体共同协作的结果，创作仅仅是其中一个环节。人工智能时代，创作主体的构成和创作成本发生了显著变化，效率的提升将打破既有的公平，应重新定位激励指向的主体。回顾著作权法演变的历史，激励指向的主体从来不是一个固定而单一的群体，而是始终随着时代的变化在变化。印刷术出现以前，抄写者由于付出了较高的劳动成本，因此属于重要的激励主体；印刷术出现之后，复制作品的成本大幅降低，不仅作者的地位显著提升，出版商也被纳入到了激励主体的范围；进入模拟复制时代，音乐、录像制品广泛传播，传播者在作品版权价值实现中占有重要地位，集体管理组织和商业管理者也开始成了激励制度指向的对象；进入人工智能时代，创作者对于作品传播的力量同样十分有限，通过著作权的转让，才能使更多有价值创作物通过投资者、传播者到达社会公众。而且未来人工智能创作物的数量将十分庞大，投资者和传播者也承担着对其进行初选的任务，激励制度在设计时应更多地关注他们作用的发挥。但为保障社会公共利益的实现，还应限定权利的范围，实现激励创作者创作和保障社会公共利益实现的平衡。“赋予作者以专有权是一个手段，通过这种手段可以实现一个重要的公共目标。它意图通过特别的酬劳的规定激励作者的创造性活动，且在专有控制的有效期限届满后允许公众接近他们的产品。”[16]因此，在充分保障作者等主体的利益之后，应构建配套的合理使用制度，对人工智能创作物的著作权加以限制。
第五，应保障权利的转让。面对多元化的权利主体，只有保障权利的有序、便捷转让，才能促进作品价值的最大化发挥。人工智能作为产品，可规定其经过一次转让后开发者即根据约定丧失全部或者部分著作权，不再对后续人工智能所创作的作品享有已经转让的权利，从而避免权利的过度集中。而由于人工智能本身并不是现行著作权法上的适格主体，其对其创作物无法实际享有和行使权利，因此，承载于人工智能创作物上的著作权就应该归其所有者享有和行使。其中的创作过程可能涉及多个不同主体，权利分配可由合同约定，同样一次转让后即用尽，若无转让则仍归所有人持有或行使。同时，由于人工智能创作的过程具有效率高、成本低的特点，而作品流通与传播的成本则相对较高，因此经过转让，创作物进入传播环节后，其权利由传播的投资者和传播者约定行使。从而理顺开发者、所有者、操作者、传播者等在权利行使上的关系。
随着人工神经网络和类脑计算等技术的进步，人工智能创作物已经可以满足现行著作权法对于“作品”的认定标准，可以被纳入保护的范围。但目前为止仅端倪初显，对其著作权问题的讨论也只是处于起步阶段。未来，伴随着更多人工智能被应用到文学艺术和科学创作领域，将有更多人工智能创作物进入我们的生活，我们需要继续跟进理论研究和制度构建，探讨符合人工智能创作规律的著作权认定标准和权属规范，在保持对人类智慧充分激励的前提下，将人工智能的作用实现最大限度地发挥，形成人类智慧与人工智能交相辉映、良好互动的局面，共同为人类社会贡献更多更好的智力成果。
基金项目：人工智能与区块链技术法律新问题研究（项目编号：ZGXJ201707）。
参见：刘善慧.英汉药理学辞典[M].中国医药科技出版社, 1993,第281页.
参见：牛木理一「彩色素焼人形――博多人形事件」 『著作権判例百選』 （斉藤博=半田正夫·1994年·有斐閣）22頁，转引自：黄钱欣.日本应用美术品著作权法司法保护及其启示[C].中国知识产权法学研究会2015年年会论文集. 2015。
参见：乐高公司与广东小白龙动漫玩具实业有限公司、北京华远西单购物中心有限公司侵害著作权纠纷再审审查民事裁定书，（2013）民申字第1362号。
参见：上海世纪华创文化形象管理有限公司与武汉百佳超级市场有限公司侵害著作权纠纷再审审查民事裁定书，（2013）民申字第368号。
参见：孙明会与山东省邹城市人民政府著作权权属、侵权纠纷申诉、申请民事裁定书，（2016）最高法民申1672号。
参见：马琦与乐山市文化广播影视新闻出版局、唐长寿著作权权属纠纷申请再审民事裁定书，（2015）民申字第1665号。
非线性指两个变量间的数学关系，不是直线，而是曲线、曲面，或不确定的属性，是不成简单比例（即线性）关系的。
非线性函数即函数图像不是一条直线的函数。
| [1] |
计算机软件知识产权保护的反思与超越 [D]. |
| [2] |
从Feist案看美国数据库的版权保护危机 [J]. |
| [3] |
|
| [4] |
日本应用美术品著作权法司法保护及其启示 [C]// |
| [5] |
被误读的“思想/表达二分法”：以法律修辞学为视角的考察 [J]. |
| [6] |
类脑智能研究现状与发展思考 [J]. |
| [7] |
论人工智能生成的内容在著作权法中的定性 [J]. |
| [8] |
人工神经网络的发展及现状 [J]. |
| [9] |
|
| [10] |
面向自动音乐生成的深度递归神经网络方法 [J]. |
| [11] |
混沌系统智能辨识与控制研究 [D]. |
| [12] |
深度学习：多层神经网络的复兴与变革 [J]. |
| [13] |
强化学习及其在电脑围棋中的应用 [J]. |
| [14] |
我国著作人身权与著作财产权协调的法律原则 [J]. |
| [15] |
|
| [16] |
知识产权法目的与利益平衡研究 [J]. |
/
| 〈 |
|
〉 |
