呼琦

摘要：近年來(lái)，人工智能愈發(fā)凸顯出其價(jià)值，隨著深度學(xué)習(xí)算法的不斷完善，人工智能生成內(nèi)容已經(jīng)與人類作品差距越來(lái)越小，因此衍生出的新的問(wèn)題在于：人工智能生成內(nèi)容的著作權(quán)歸屬應(yīng)當(dāng)如何確定？盡管人工智能所有者可以取得人工智能生成內(nèi)容的著作權(quán)，但這個(gè)著作權(quán)是應(yīng)當(dāng)受到限制的，至少不能將人工智能所有者認(rèn)定為作者。

關(guān)鍵詞：人工智能 著作權(quán) 作者 歸屬

中圖分類號(hào)：D923.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-5349（2018）02-0061-03

一、人工智能引發(fā)的思考

傳統(tǒng)上來(lái)說(shuō)，人工智能系統(tǒng)只能作為人類創(chuàng)作的輔助工具，或者作為創(chuàng)作的載體而存在。計(jì)算機(jī)算法的發(fā)展使得人機(jī)之間的界限逐漸模糊，人類作品與人工智能（Artificial Intelligence）作品已經(jīng)難以輕易分辨。2016年3月，Google舉辦的“DeepDream： The Art of Neural Networks”拍賣會(huì)上，人工智能繪畫作品拍出近萬(wàn)美元的高價(jià)。①同年9月，索尼的人工智能系統(tǒng)通過(guò)對(duì)龐大的曲庫(kù)進(jìn)行分析進(jìn)而創(chuàng)作的作品Daddys Car，即使是一個(gè)歌曲愛(ài)好者也能聽(tīng)出其中濃郁的Beatles風(fēng)格。伴隨而生的是這些作品的著作權(quán)問(wèn)題，Google的人工智能生成作品被署上了其操作者的名字，這看上去似乎是合理的，因?yàn)槿斯ぶ悄芟到y(tǒng)尚無(wú)法完全獨(dú)立生成作品。但隨著深度學(xué)習(xí)（Deep Learning）算法②的不斷發(fā)展，可以預(yù)見(jiàn)的是人工智能系統(tǒng)將獲得獨(dú)立表達(dá)的能力。因此已經(jīng)不能簡(jiǎn)單地將人工智能視為一個(gè)輔助工具或載體，人工智能系統(tǒng)創(chuàng)作出的作品的著作權(quán)有待人們對(duì)其進(jìn)行充分的認(rèn)識(shí)，進(jìn)而解決著作權(quán)歸屬問(wèn)題。

首先，人工智能系統(tǒng)生成內(nèi)容的過(guò)程能否被稱為“創(chuàng)作”，能否稱之為“創(chuàng)作”，必須對(duì)人工智能的運(yùn)行原理進(jìn)行分析。其次，人工智能生成內(nèi)容能否成為“作品”，如果人工智能生成內(nèi)容無(wú)法成為作品，自然也就沒(méi)有對(duì)其進(jìn)行保護(hù)的必要。最后，人工智能是否能夠成為著作權(quán)的主體。按照傳統(tǒng)民法的理念，進(jìn)行創(chuàng)作的主體只能是自然人、法人或者其他組織，沒(méi)有生命、情感的人工智能，自然不可能成為創(chuàng)作的主體。“著作權(quán)保護(hù)的起點(diǎn)是作品的創(chuàng)作，而創(chuàng)作作品的人只能是有血有肉的自然人。無(wú)論是法人還是其他組織都不可能成為創(chuàng)作作品的人，都不可能成為作者?！雹圩詈笮枰伎嫉氖?，倘若前兩點(diǎn)不能成立，那么需要對(duì)AI生成內(nèi)容進(jìn)行明確的界定；倘若前兩點(diǎn)能夠成立，則需要尋找一種行之有效的方法去保護(hù)AI生成作品的著作權(quán)。

二、生成內(nèi)容與以往的區(qū)別

人們時(shí)刻都在接受著不同的信息，并且總是能夠輕易地分辨出事物的特征。人們之所以能夠高效地處理外部的信息，是因?yàn)榇竽X會(huì)對(duì)外部信息進(jìn)行一種分層處理?！斑@種層次結(jié)構(gòu)的感知系統(tǒng)使視覺(jué)系統(tǒng)需要處理的數(shù)據(jù)量大大減少，并保留了物體有用的結(jié)構(gòu)信息”④。2006年，加拿大多倫多大學(xué)教授、機(jī)器學(xué)習(xí)領(lǐng)域的泰斗Geoffrey Hinton和他的學(xué)生RuslanSalakhutdinov在《科學(xué)》上發(fā)表了一篇文章，向業(yè)界展現(xiàn)了深度學(xué)習(xí)的優(yōu)勢(shì)。他們認(rèn)為基于多隱層的人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法具有優(yōu)異的特征學(xué)習(xí)能力，學(xué)習(xí)得到的特征對(duì)數(shù)據(jù)有更本質(zhì)的刻畫，深度神經(jīng)網(wǎng)絡(luò)在訓(xùn)練上的難度，可以通過(guò)“逐層初始化”（layer-wise pre-training）來(lái)有效克服。⑤人們所熟知的AlphaGo正是深度學(xué)習(xí)算法和蒙特卡羅樹搜索（Monte Carlo Tree Search）算法結(jié)合的產(chǎn)物。深度學(xué)習(xí)算法增強(qiáng)了AlphaGo對(duì)信息的識(shí)別度，提升了處理信息的效率；蒙特卡羅樹搜索算法簡(jiǎn)單地說(shuō)就是通過(guò)對(duì)自己的選擇作出評(píng)估，然后評(píng)估的結(jié)果將會(huì)對(duì)下一次的判斷產(chǎn)生影響。每一次迭代都會(huì)拓展搜索樹，隨著迭代次數(shù)的增加，搜索樹的規(guī)模也不斷增加。當(dāng)?shù)搅艘欢ǖ牡螖?shù)或者時(shí)間之后結(jié)束，就會(huì)產(chǎn)生相對(duì)最優(yōu)的選擇。⑥當(dāng)前人工智能系統(tǒng)所展現(xiàn)的能力，已經(jīng)不是對(duì)龐大信息量的簡(jiǎn)單模仿，而是通過(guò)對(duì)大量的信息進(jìn)行處理，從而提取其特征，再通過(guò)反饋評(píng)估進(jìn)而對(duì)系統(tǒng)選擇進(jìn)行預(yù)測(cè)。由于是一種模仿人類神經(jīng)系統(tǒng)的算法，因此與人類大腦的工作方式也非常相似。

以往的計(jì)算機(jī)系統(tǒng)需要人作為主導(dǎo)，在整個(gè)創(chuàng)作過(guò)程中計(jì)算機(jī)只是起到輔助作用，即使是在人工智能發(fā)展初期，人也是作為主導(dǎo)對(duì)外界事物進(jìn)行概括以使人工智能抓住其特征。深度學(xué)習(xí)系統(tǒng)結(jié)合蒙特卡洛樹搜索的方式，不斷弱化人機(jī)系統(tǒng)中人的重要性，使得人與計(jì)算機(jī)生成內(nèi)容的關(guān)系愈發(fā)疏遠(yuǎn)。傳統(tǒng)的計(jì)算機(jī)生成內(nèi)容有三種方式：其一，人完全主導(dǎo)，即在創(chuàng)作過(guò)程中完全遵照人的意志，計(jì)算機(jī)只是一個(gè)輔助工具，整個(gè)作品都沒(méi)有摻雜計(jì)算機(jī)的隨機(jī)生成內(nèi)容。以人通過(guò)計(jì)算機(jī)的寫作、繪畫為例，這時(shí)當(dāng)然只有自然人作為作品的唯一作者。其二，人設(shè)定路徑，計(jì)算機(jī)按照既定方式生成內(nèi)容。最顯著的體現(xiàn)是在游戲中，游戲軟件開(kāi)發(fā)者對(duì)游戲預(yù)先設(shè)置好可能出現(xiàn)的畫面，游戲操作者對(duì)游戲的選擇可能生成不同的畫面，該畫面是計(jì)算機(jī)按照軟件開(kāi)發(fā)者事前制定的程序而生成的內(nèi)容。其三，計(jì)算機(jī)完全隨機(jī)生成內(nèi)容。常見(jiàn)的有一串隨機(jī)生成的文字，或者是一段毫無(wú)規(guī)律的音符，由于它的無(wú)序性并不符合人們通常對(duì)作品的要求，因此也沒(méi)有必要進(jìn)行保護(hù)。三種方式有一個(gè)共同的特點(diǎn)，即生成過(guò)程必須有人的參與，這種參與必須是深度的，否則計(jì)算機(jī)無(wú)法生成令人滿意的作品。人工智能與以往計(jì)算機(jī)生成內(nèi)容最大的區(qū)別在于，以往的計(jì)算機(jī)生成內(nèi)容往往是通過(guò)對(duì)作品的模仿生成一定的風(fēng)格，但生成內(nèi)容的優(yōu)劣需要人對(duì)其進(jìn)行判斷。而人工智能在生成作品的過(guò)程中，從信息的收集、歸納到判斷，都是通過(guò)程序算法自主進(jìn)行的。如果在這種背景下依然將人工智能生成內(nèi)容簡(jiǎn)單地歸屬于自然人或法人，顯得有悖于人的常識(shí)。

三、法律規(guī)定與人工智能的沖突

對(duì)于著作權(quán)的認(rèn)定通常有三種方式，第一種模式認(rèn)為，作品只能由自然人創(chuàng)作，只有創(chuàng)作者能原始地享有著作權(quán)，法人或其他組織不具有創(chuàng)作能力因而不享有著作權(quán)，法德兩國(guó)是這種模式的堅(jiān)定支持者。第二種模式則強(qiáng)調(diào)，著作權(quán)歸屬于作者為原則，但需兼顧投資者利益，并考慮到創(chuàng)作者的意志，我國(guó)和美國(guó)、日本都采取了第二種歸屬模式，但我國(guó)的歸屬模式與美日又有所不同。第三種模式則強(qiáng)調(diào)著作權(quán)歸屬于作者為原則，以創(chuàng)作者意志為補(bǔ)充，兼顧投資者利益。⑦endprint

我國(guó)法律規(guī)定，即使法人或其他組織視為作者，但真正的作者仍應(yīng)是創(chuàng)作該作品的自然人。這意味著即使人工智能生成內(nèi)容足以達(dá)到人們對(duì)于作品的要求，該生成內(nèi)容依舊是沒(méi)有作者的，因?yàn)槿斯ぶ悄懿⒎亲匀蝗恕Ｒ虼藷o(wú)論采用任何一種歸屬模式，都無(wú)法解決著作權(quán)的歸屬問(wèn)題。

另一點(diǎn)則在于人工智能生成物能否成為“作品”以及該過(guò)程能否稱為“創(chuàng)作”，《著作權(quán)法實(shí)施條例》第二條規(guī)定“著作權(quán)法所稱作品，是指文學(xué)、藝術(shù)和科學(xué)領(lǐng)域內(nèi)具有獨(dú)創(chuàng)性并能以某種有形形式復(fù)制的智力成果”，第三條規(guī)定“著作權(quán)法所稱創(chuàng)作，是指直接產(chǎn)生文學(xué)、藝術(shù)和科學(xué)作品的智力活動(dòng)”，可以看出對(duì)于人工智能生成內(nèi)容能否成為作品應(yīng)深究該過(guò)程是否存在智力活動(dòng)，智力活動(dòng)的產(chǎn)物自然是智力成果，在符合著作權(quán)法對(duì)于其獨(dú)創(chuàng)性要求之后，即可稱之為作品。《辭?！穼?duì)于智力有著明確的解釋：“獲得知識(shí)和運(yùn)用知識(shí)解決實(shí)際問(wèn)題時(shí)須具備的心理?xiàng)l件或特征。心理學(xué)家對(duì)智力有各種不同的解釋。較多的人認(rèn)為，智力指認(rèn)識(shí)方面的各種能力，包括觀察力、記憶力、想象力、思維能力，其核心是抽象思維能力?！雹嗤ǔＨ藗冋J(rèn)為智力是人類所獨(dú)有的，但擁有深度學(xué)習(xí)算法的人工智能系統(tǒng)，也具有一定的抽象思維能力，即模仿人類大腦處理信息的方式，通過(guò)對(duì)于特定事物的分層處理，進(jìn)而掌握其核心特征。但事實(shí)上很難去認(rèn)定一個(gè)人工智能系統(tǒng)究竟有沒(méi)有智力活動(dòng)，也無(wú)法得知作品中究竟有沒(méi)有人工智能思想的存在，究其本身來(lái)說(shuō)，也只是一種算法。按照“思想表達(dá)二分法”，“無(wú)論表達(dá)的思想是否相同，只要表達(dá)不同即具有獨(dú)創(chuàng)性，就可以受到著作權(quán)的保護(hù)”⑨，因此也就沒(méi)必要去深究計(jì)算機(jī)究竟是否在創(chuàng)作時(shí)進(jìn)行了思想活動(dòng)，畢竟著作權(quán)并不保護(hù)思想⑩，因此只要人工智能作品具有獨(dú)創(chuàng)性，就應(yīng)當(dāng)對(duì)其進(jìn)行保護(hù)。

這樣就產(chǎn)生了一個(gè)新的沖突，人工智能生成內(nèi)容可以被稱為作品，但該作品卻沒(méi)有作者，即該作品為“無(wú)主作品”。隨著人工智能的迅速發(fā)展，這種現(xiàn)象就愈發(fā)明顯，這樣很不利于人工智能的進(jìn)一步創(chuàng)作，大量的無(wú)主作品會(huì)產(chǎn)生數(shù)量繁多的糾紛。這種法律與現(xiàn)實(shí)沖突的解決方式有兩種，其一是根據(jù)著作權(quán)法的現(xiàn)有規(guī)則，通過(guò)補(bǔ)充解釋將權(quán)利歸屬于一定的主體；其二是突破性地認(rèn)定人工智能為自然人、法人和其他組織之外的著作權(quán)主體。但這樣也并非能夠解決所有的問(wèn)題，如果將著作權(quán)歸屬于現(xiàn)有法律所規(guī)定的主體，那么依舊沒(méi)有解決作品作者的問(wèn)題。

四、對(duì)人工智能作品歸屬的建議

現(xiàn)實(shí)中對(duì)人工智能生成作品著作權(quán)的認(rèn)定，必須從生成作品的過(guò)程中人的參與度進(jìn)行考慮。盡管有學(xué)者認(rèn)為不存在完全由人工智能生成的作品，因此作品只可能歸屬于人。誠(chéng)然，人工智能在其初期也必須有人對(duì)其生成內(nèi)容進(jìn)行價(jià)值判斷，在人工智能接受大量訓(xùn)練之后建立自己的數(shù)據(jù)庫(kù)，來(lái)通過(guò)邏輯算法實(shí)現(xiàn)對(duì)于生成內(nèi)容優(yōu)劣的判斷。但不能因?yàn)槿祟悈⑴c而在人工智能價(jià)值判斷時(shí)而認(rèn)定作品并非完全由人工智能生成，如果人工智能只是依賴于人的價(jià)值判斷而生成作品，那其生成作品永遠(yuǎn)無(wú)法超越人類。事實(shí)上，人工智能在完成初步的價(jià)值判斷訓(xùn)練之后就已經(jīng)脫離了這種價(jià)值的約束，以AlphaGo為例，其真正核心并非科研人員對(duì)其進(jìn)行價(jià)值選擇的訓(xùn)練時(shí)期，以科研人員對(duì)于圍棋的認(rèn)識(shí)水平不可能擊敗李世石、柯杰等頂級(jí)圍棋選手。AlphaGo的真正核心在于，兩個(gè)系統(tǒng)相互對(duì)弈，在某個(gè)步驟不按照價(jià)值選擇而是隨機(jī)選擇出棋方式，之后再通過(guò)全局對(duì)這隨機(jī)的一步進(jìn)行價(jià)值判斷。因此不能簡(jiǎn)單地認(rèn)為不存在由人工智能生成的作品，人的價(jià)值選擇沒(méi)辦法完全決定人工智能的作品，在繪畫領(lǐng)域更是如此。

前文提及“突破性地認(rèn)定人工智能為自然人、法人和其他組織之外的新著作權(quán)主體”，從理論上來(lái)說(shuō)，這樣似乎能夠解決所有的問(wèn)題。但人工智能系統(tǒng)即使擁有著作權(quán)，也無(wú)法獨(dú)立地行使其權(quán)利，出現(xiàn)侵權(quán)時(shí)沒(méi)有辦法采取救濟(jì)措施。因此，將人工智能生成內(nèi)容著作權(quán)歸屬于人工智能所有者，是一種合理的現(xiàn)實(shí)安排，但人工智能所有者不能成為創(chuàng)作者，這一點(diǎn)應(yīng)在作品中明確。因?yàn)樽髌肪推浔举|(zhì)來(lái)說(shuō)并非其所有者智力活動(dòng)的產(chǎn)物，因此若將人工智能所有者視為創(chuàng)作者，將使其獲得不應(yīng)屬于其的精神利益。

注釋：

①DeepDream： The art of neural networks[EB/OL]. http：//grayarea.org/event/deepdream-the-art-of-neural-networks/.

②深度學(xué)習(xí)可以理解為神經(jīng)網(wǎng)絡(luò)的發(fā)展，神經(jīng)網(wǎng)絡(luò)是對(duì)人腦或生物神經(jīng)網(wǎng)絡(luò)基本特征進(jìn)行抽象和建模，可以從外界環(huán)境中學(xué)習(xí)，并以與生物類似的交互方式適應(yīng)環(huán)境。

③李明德.著作權(quán)主體略論[J].法商研究，2012（4）.

④郭麗麗，丁世飛.深度學(xué)習(xí)研究進(jìn)展[J].計(jì)算機(jī)科學(xué)，2015（5）.

⑤奚雪峰，周國(guó)棟.面向自然語(yǔ)言處理的深度學(xué)習(xí)研究[J].自動(dòng)化學(xué)報(bào)，2016（10）.

⑥Y.Tian，Y.Zhu.Better Computer Go Player with Neural Network and Long-term Prediction[J].Computer Science，2015.

⑦曹新明.我國(guó)著作權(quán)歸屬模式的立法完善[J].法學(xué)，2011（6）.

⑧舒新城.辭海[M].上海：上海辭書出版社，2009：2948.

⑨詹啟智.著作權(quán)論[M].北京：中國(guó)政法大學(xué)出版社，2014：5.

⑩《著作權(quán)法》（送審稿）第9條：“著作權(quán)保護(hù)延及表達(dá)，不延及思想、過(guò)程、原理……”

熊琦.人工智能生成內(nèi)容的著作權(quán)認(rèn)定[J].知識(shí)產(chǎn)權(quán)，2017（3）.

參考文獻(xiàn)：

[1] DeepDream： The art of neural networks[EB/OL]. http：//grayarea.org/event/deepdream-the-art-of-neural-networks/.

[2]李明德.著作權(quán)主體略論[J].法商研究，2012（4）.

[3]郭麗麗，丁世飛.深度學(xué)習(xí)研究進(jìn)展[J].計(jì)算機(jī)科學(xué)，2015（5）.

[4]奚雪峰，周國(guó)棟.面向自然語(yǔ)言處理的深度學(xué)習(xí)研究[J].自動(dòng)化學(xué)報(bào)，2016（10）.

[5]Y.Tian，Y.Zhu.Better Computer Go Player with Neural Network and Long-term Prediction[J].Computer Science，2015.

[6]曹新明.我國(guó)著作權(quán)歸屬模式的立法完善[J].法學(xué)，2011（6）.

[7]舒新城.辭海[M].上海：上海辭書出版社，2009：2948.

[8]詹啟智.著作權(quán)論[M].北京：中國(guó)政法大學(xué)出版社，2014：5.

[9]熊琦.人工智能生成內(nèi)容的著作權(quán)認(rèn)定[J].知識(shí)產(chǎn)權(quán)，2017（3）.endprint