新書推薦：
《
从零开始·复古娃衣制作书
》
售價：NT$
449.0
《
民主崩溃的政治学（精装版）
》
售價：NT$
423.0
《
交易撮合者：私募股权的经验与教训（泰丰资本创始人葛涵思投资秘籍！）
》
售價：NT$
403.0
《
最美世界名画（顾爷十三年匠心之作。超大开本；精美刷边；4米长海报；藏书票）
》
售價：NT$
3407.0
《
神医嫡女·2
》
售價：NT$
254.0
《
近世闻人掌故
》
售價：NT$
347.0
《
余华长篇小说全集（共6册）
》
售價：NT$
1785.0
《
非线性定价
》
售價：NT$
755.0
|
| 編輯推薦： |
人工智能时代法学学者的回应与探索
理论探索 逻辑更新与体系架构
监管重心 风险规制与责任制度设计
产业聚焦 训练数据与生成内容的知识产权制度
|
| 內容簡介： |
|
本书集合我国专家学者的新研究成果，提出了人工智能立法的“中国方案”，对人工智能立法的功能定位、框架构建、监管机制和责任体系等关键问题都有深入剖析、系统论证和具体建议，这些研究探索具有战略高度、国际视野和实践意义，将为国家立法、监管执法和司法实务提供科学的理论依据。
|
| 目錄：
|
逻辑与体系
中国需要一部怎样的《人工智能法》？
——中国人工智能立法的基本逻辑与制度架构 张凌寒 / 003
我国人工智能立法基本问题研究 张新宝 魏艳伟 / 023
论我国人工智能立法的定位 周汉华 / 047
可信人工智能发展与法律制度的构建 杨建军 / 066
论人工智能法的多维规制体系 赵精武 / 088
人工智能立法体系化的理论证成与路径选择 陈 亮 张 翔 / 111
论数字法学的概念与研究定位
——兼论我们需要什么样的人工智能法 赵精武 / 134
知识产权制度
训练数据
生成式人工智能数据训练中的“非作品性使用”及其合法性证成 刘晓春 / 149
技术中立视角下人工智能模型训练的著作权合理使用 徐小奔 / 167
加快建设人工智能大模型中文训练数据语料库 张凌寒 / 189
生成内容
论人工智能生成内容的著作权法平等保护 徐小奔 / 212
人工智能生成内容著作权合法性的制度难题及解决路径 张 平 / 235
人工智能生成内容（AIGC）著作权保护笔谈录 主持人：张凌寒 笔谈人：郭 禾 冯晓青 张 平 熊 琦 张吉豫 / 258
人工智能生成的内容（AIGC）受著作权法保护吗 朱 阁 崔国斌 王 迁 张湖月 / 283
监管制度
风险与规制
人工智能立法中的规制结构设计 宋华琳 / 333
人工智能风险的法律规制
——以欧盟《人工智能法》为例 丁晓东 / 350
大型语言模型的法律风险与治理路径 苏 宇 / 376
生成式人工智能的技术特点与治理挑战 程 莹 / 396
责任制度
人工智能产品责任的立法更新 郑志峰 / 402
无过错责任与人工智能发展
——基于法律经济分析的一个观点 戴 昕 / 426
论通知规则在生成式人工智能侵权中的适用 徐 伟 / 448
人工智能应用责任的主体识别与归责设计 郑志峰 / 468
“人工智能立法”圆桌
中国人工智能立法需凝聚“总则式”立法共识 张凌寒 / 495
中国人工智能法的调整对象：锚点、主客坐标与效力边界 郑志峰 / 502
人工智能监管中的数据治理层次论 许身健 / 507
中国人工智能立法的价值基础与伦理治理模式 张 龑 / 513
中国人工智能立法：示范与定位 周 辉 / 519
人工智能的多层分支式治理框架 苏 宇 / 525
|
| 內容試閱：
|
前 言
我们正处于从网络时代迈向智能时代的关键转型期，以基础模型、生成式人工智能等为代表的新一代人工智能大幅加速了人类社会的智能化变革，但也带来了诸如虚假信息、算法黑箱、歧视偏见等风险挑战。人工智能的法律治理成为全球性议题，人工智能立法在各国快速推进。先于欧盟《人工智能法》，我国已于前期出台实施了全球首 部生成式人工智能专门立法《生成式人工智能服务管理暂行办法》，并已进一步在国务院立法工作计划列入“人工智能法草案”。与之相应，国内人工智能立法的学术研讨如火如荼，持续深入和拓展。为回应人工智能治理需求，服务立法实践，2024 年 3 月，“AI善治论坛 人工智能法律治理前瞻”专题研讨会在北京召开，会议正式发布了由中国政法大学、西北政法大学、西南政法大学、华东政法大学、中南财经政法大学、北京航空航天大学、中国信息通信研究院七家单位学者组成的“AI善治学术工作组”撰写的《人工智能法（学者建议稿）》。建议稿描绘了我国未来人工智能法的宏伟蓝图，引领了人工智能立法的学术研讨，并为学术界、实务界的互动交流提供了重要平台，在国内外产生了较大的社会影响。以建议稿的发布为契机，围绕我国人工智能立法的理论和实践问题，学者展开了热烈的学术研讨，研讨主题既包括立法模式、体例架构等关乎立法逻辑和体系的宏观问题，也包括训练数据、风险规制等覆盖关键治理环节的微观问题。鉴于此，“AI善治学术工作组”精心选取了 2024 年度在知名法学期刊公开发表的 28 篇代表性学术论文，从理论探索、监管重心、产业聚焦的视角，围绕中国人工智能立法的“逻辑与体系”、“监管制度”和“知识产权制度”三大主题展开，全景呈现我国人工智能立法研究的现状及发展态势，并展望勾画了未来研究的方向及重点。
一、我国人工智能立法的逻辑与体系
“我国人工智能立法的逻辑与体系”主题板块共收录论文13篇，主要探讨我国人工智能立法的定位和目标、模式和路径等基础性问题，具有固本培元、提纲挈领之功用。
（一）立法定位和目标
关于立法定位和目标，目前已探讨问题主要有二：第一，立法定位及其现实依据。学者认为，人工智能法应当定位于基本法并充分发挥其高阶引领作用，具体应采取“立总则、廓主线、留接口、适时灵活推进”的“总则式”进路（张凌寒）；人工智能立法应当包含促进法、安全法与程序法的三重定位，在促进法层面以鼓励性、任意性规范为主，在安全法方面应建立两级风险模式，在程序法方面应规定人工智能的统筹协调部门（周辉）；我国在实践中快速形成了两种不同的人工智能立法定位，一种是科技、产业发展定位；另一种是信息内容管理定位，前者导向于技术发展和产业促进，后者导向于信息治理和内容管理，用信息内容管理定位和规范人工智能，相当于将新质生产力纳入上层建筑管理，必然产生各种错配现象，我国应将人工智能纳入前沿科技和新质生产力范畴进行定位，以推动科技创新和产业创新深度融合（周汉华）。第二，立法目标及其实现框架。学者认为，人工智能已经成为当前国际技术竞争与规则竞争的关键领域，“不发展是最大的不安全”，我国应当高擎发展旗帜，系统部署促进人工智能技术产业发展的专门制度，充分促进人工智能技术在生产生活中的应用（张凌寒）；人工智能法应当以发展与安全并重为指导思想，以促进研发应用与防范主要风险为二元立法目的，构建具有体系性的发展促进制度，明确赋能增效的正面激励规则并提供减负支持（张新宝、魏艳伟）；围绕技术促进之目标，我国应当避免单一治理范式的不足和局限，构建“风险预防—市场激励—创新资源保障”相结合的综合治理框架（赵精武）；此外，人工智能的有效治理是法律、伦理、市场和技术标准等多种工具融合运用的结果，法律并非唯一有效的工具，应当推动科技伦理的法治化（赵精武）；可信人工智能是中国人工智能立法的重要方向，可信人工智能法律建构之关键在于遵循以人为本、人类主导、技术中立等外在准则和透明、安全、可问责等内在准则（杨建军）。
学者之共识在于，普遍承认人工智能法具有风险治理（安全）和技术促进（发展）的双重属性，并认为在当下科技变革和国际竞争之特殊时代，我国应将人工智能法主要定位为“技术促进和产业发展法”，以法律制度破除发展桎梏、推动技术进步。学者之分歧则在于分析框架和论证逻辑，部分学者立足于我国人工智能产业“领先的追赶者”的独特地位，推衍出发展为先的立法目标和包容审慎的治理原则（张凌寒）；部分学者则以我国人工智能治理实践中快速形成的两种立法定位为逻辑起点，深入分析二者优劣，并结合技术特性及治理趋势，深刻论证我国人工智能法的合理定位（周汉华）；部分学者则以安全风险预防、市场激励创新和创新资源保障的科技创新治理分析框架论证我国人工智能法之科学定位和发展范式（赵精武）；还有学者另辟蹊径，通过可信人工智能的理论检视和制度建构，破除人工智能发展应用之最大障碍，以从根本上推动人工智能技术的应用和发展（杨建军）。应当说，关于我国人工智能立法的定位和目标问题，学者之间已经达成较大共识，未来应进一步细化“实现框架”，求同存异，凝聚共识。
（二）立法模式和路径
关于立法模式和路径，学者观点存在明显分歧，大致可划分为两派观点。一派赞同集中统一式立法模式，主张制定综合性的“人工智能法”，具体路径上通常秉持务实主义态度，建议以“总则式”为框架体例，以“廓主线”为主要内容，以“留接口”解决容量问题，当全面立法条件尚不成熟时，建议通过灵活的形式载体，以小快灵立法、全面性立法乃至法典化等形式适时、稳步推进（张凌寒）；为构筑人工智能发展的制度优势，我国应当在人工智能这一新兴领域进行统一立法，“人工智能法”应当是我国人工智能领域的基本法律，旨在定基调、明方向，仅对立法目的、调整对象、基本原则、重要制度以及一般规则等基础性问题予以明确，具体的细节制度应在时机成熟时、实践检验下通过行政法规、部门规章等规范性文件以及国家标准等确定（张新宝、魏艳伟）；也有学者对统一立法框架进行了细致分析，主张嵌入“系统—控制论”原理，整合领域立法素材，并以人工智能“研发—生产—服务—使用”节点为横轴，以“具体风险控制”和“抽象权利保护”两种控制模式为纵轴，构筑人工智能统一立法线索（陈亮、张翔）。
另一派则赞同分散场景式立法模式，主张对人工智能风险实施场景化规制，将人工智能风险还原到具体的行业、整体产品与已有的法律关系中，利用已有的行业和领域性风险监管以及现有的法律关系对其进行监管（丁晓东）；建议以解决具体问题为目标进行分散式立法，保持灵活性、小步快跑，可由全国人大常委会就人工智能安全与发展涉及的重大原则问题先制定一份法律问题的决定，明确基本原则与方向，然后通过不同部门法的“立改废释”分别推进（周汉华）。虽存有上述分歧，学者们仍然达成了部分共识，即强调在当下阶段保持立法的灵活性，先以“总则”、“原则”或“框架”等形式明定方向、凝聚共识，防止超前立法阻碍技术进步。应当说，我国人工智能立法模式和路径的选定是一个重大的理论和实践问题，未来有必要继续深入探讨，力求在立法模式、立法路径和立法时机等关键议题上逐步达成共识。
值得一提的是，为集中回应我国人工智能统一立法中的重大理论问题，《探索与争鸣》编辑部特邀请《人工智能法（学者建议稿）》起草专家举行圆桌会谈，就关键事项展开深入讨论。同时，为推动核心命题的充分沟通和交流，进一步凝聚共识，《人工智能法（学者建议稿）》起草组专门邀请《人工智能示范法（专家建议稿）》起草专家一并参与研讨。除关于立法定位和进路的充分论证外，与会专家还对人工智能统一立法的治理框架和支撑制度进行了深入探讨。在治理框架方面，学者认为，中国人工智能立法应当厘清一个基本误区，即人工智能不能被假定为生成式人工智能，人工智能的技术路线与应用方式十分庞杂，应当对其进行适当区分，采取分层多支式的治理框架（苏宇）；人工智能的开发者与开发活动、提供者与提供活动、使用者与使用活动、监管者与监管活动，构成了人工智能法调整对象的主客坐标，建议关注人工智能法对外的空间效力边界及其对内的与人工智能要素法和人工智能应用法的协调（郑志峰）。在支撑制度方面，学者认为，我国人工智能立法应当高度重视数据的基础性地位，应当从建立完善的数据伦理体系、推动数据技术的负责任创新、迈向数据法律的整体性治理三个层次推进全面、系统的数据治理体系建设（许身健）；应当融入伦理治理元素，通过施行养成主义而非决断主义的理念，将科技伦理框架有序转换为法律治理方案（张龑）。大体而言，圆桌论坛达成了三个层次之共识，一为统一立法之共识，即建议采取集中统一式立法模式规制人工智能活动；二为立法定位之共识，即特别强调人工智能法之技术发展和产业促进定位，谨防立法过度对技术发展之阻抑；三为具体制度之共识，学者在人工智能的诸多具体制度上达成共识，包括分类管理制度、个人权益保障制度、国际合作制度等。同时，分歧在所难免，主要集中于制度设计层面，包括分类管理方案、个人权益类型、国际合作模式、发展支撑措施等。未来，学者有必要在统一立法范式下深化对体例构建、制度搭配和规则设计的研究，取长补短，精益求精。
二、我国人工智能立法的监管制度
一般认为，人工智能的监管制度包含直接和间接两种工具和方式，前者以公法方式于事前、事中进行直接的风险规制，后者则通过事后的民事责任分配间接引导风险的预防及应对，二者相辅相成，有序协作，共同构筑起人工智能风险治理的完整体系。例如，欧盟在制定《人工智能法》的同时亦在推进《人工智能责任指令》和《产品责任指令》的制定或修订。鉴于此，本书将本专题进一步划分为“风险与规制”和“责任制度”两个板块，共计收录代表性论文8篇。
（一）风险与规制
关于风险与规制，目前已探讨问题主要有三：第一，风险规制理念和体系。学者认为，面对人工智能技术带来的安全风险，我国应当更新规制理念，引入包容审慎和风险分级分类等先进理念，建构合作治理体系，给予地方政府必要的自主权和政策空间，厘定行政部门的职责权限和协调机制，构建“受规制的自我规制”体系（宋华琳）。第二，风险规制策略。学者认为，欧盟集中统一式的风险分级分类方案具有不科学、僵化等问题，与人工智能的风险特性并不相符，引发了诸多难题和不确定性，我国应当坚持对人工智能风险的场景化规制策略，将人工智能的应用者或其构成的产品作为风险规制对象，而对人工智能系统及其提供者，则主要关注国家安全、重大公共安全规制与其他领域的自我规制（丁晓东）。第三，大型语言模型和生成式人工智能的风险规制。学者认为，大型语言模型的风险规制应当平衡多方面目标，控制超量安全冗余与刚性法律责任，开展分层治理，实现风险控制义务的区别配置与重心后移，推行深度治理，建立主被动结合的新型信息收集制度，奉行敏捷治理，建立轻量级规制工具箱与快速互动机制（苏宇）；生成式人工智能的四大技术特点带来了新型治理挑战，即强人机交互挑战技术的可信可靠性、新信息呈现形式危及人类主体性、语料强依赖性影响内容生成质量和基础设施属性带来更大安全威胁，立法应当推动平台合规落地机制，加紧落实科技伦理要求，聚焦新兴重点问题，优化数据标准体系，推动多方数据流通共享（程莹）。
总体而言，学者对于本议题仍存有较大分歧，在分析框架、论证路径和最终观点等层面，均有明显差别，这凸显了人工智能风险规制的复杂性，未来有必要持续推进本议题之研讨。不过，也应看到，学者在风险规制方法论上亦达成了部分共识：第一，人工智能的风险与规制应当充分尊重技术特性，服从技术规律，风险规制策略应当契合人工智能技术开发和应用中呈现的风险特性；第二，人工智能风险规制应当充分尊重本土需求，立足现实国情，注重利用既有治理经验及资源，“以我为主，为我所用”。风险规制是人工智能立法的基础性问题，未来有必要围绕风险规制的理念、策略、方案和规则等多个层面持续开展深入研究，筑基立法。
（二）责任制度
关于责任制度，目前已探讨问题主要有四：第一，产品责任。人工智能产品责任针对人工智能生产研发端的风险损害，解决的是生产者一方的责任承担问题。学者认为，在人工智能产品缺陷判断上，技术性标准的制定应当特别考量人工智能产品的新安全需求，对不合理危险的认定需要综合产品说明、其他产品的影响、自主学习、升级更新等主客观因素；因果关系的认定需要区分辅助型与替代型人工智能，合理判断人工智能自主行为与使用人行为是否构成替代原因，同时引入因果关系推定规则；在免责事由方面，后期缺陷抗辩规则的适用需要考虑人工智能产品的升级更新、自主学习的特点，对发展风险抗辩规则的适用宜通过区分不同风险的人工智能、设置跟踪观察义务等方式进行限制，但无需创设单独的开源抗辩规则（郑志峰）。第二，应用责任。人工智能应用责任针对人工智能部署应用端的风险损害，解决的是提供者、使用者一方的责任承担问题。学者反对整齐划一的归责思路，主张引入基于风险的类型化思维：对于高风险人工智能，建议确立无过错责任；对于有限风险与低风险人工智能，建议分别适用过错推定责任与过错责任，以实现风险与归责的动态平衡（郑志峰）。第三，归责原则。学者认为，人工智能民事责任之认定应当综合运用各类归责原则，不应排除特定归责机制，以实现风险与收益的精准匹配（郑志峰）；应当充分认识无过错归责的特殊价值，无过错责任与人工智能发展之间具有“反直觉”关系，无过错责任不仅制度成本更低、救济效果更好，而且结合责任规则影响注意水平和行为水平的原理，其未必会导致对人工智能创新活动的过度抑制，反而有助于维护社会对人工智能产业及人工智能监管体制的信任（戴昕）。第四，“避风港”规则。学者认为，网络时代设立的通知规则是极具价值的“避风港”规则，可以直接适用于生成式人工智能侵权，而非类推适用，同时，“必要措施”之认定应当进行适度调整，以回应生成式人工智能参与下的场景变迁（徐伟）。
学者基于不同视角和方法就人工智能的责任制度问题进行了深入探讨，虽有分歧，但也达成了两点共识：第一，反对“整齐划一”的归责方式，主张基于风险的不同类型和水平，综合配置各种归责机制（包括一般过错责任、过错推定责任和无过错责任），尤其不应排斥特定归责形式（如无过错责任）的运用；第二，强调民事责任科学分配之于技术创新的有效引导，偏重从政策激励视角研究责任规则的设置，如无过错责任之合理运用、通知规则之正确适用、缺陷认定标准之适度更新等。未来，学术研究仍应从以下三个方面深入和拓展：其一，进一步探讨不同归责原则在人工智能应用场景下的功能和定位，形成科学完整的归责配置体系；其二，除通知规则外，进一步探讨其他“避风港”规则的适用和设置；其三，进一步探讨特殊应用场景，如自动驾驶、辅助诊疗下人工智能民事责任的认定，实现一般原则与特殊规则之衔接。
三、我国人工智能立法的知识产权制度
“我国人工智能立法的知识产权制度”主题板块共收录论文7篇，主要探讨人工智能开发和使用中的两大核心知识产权问题，即开发阶段的人工智能训练数据的版权属性和使用规则问题，以及使用阶段的人工智能生成内容的可版权性和著作权归属问题。鉴于此，本书将本专题进一步拆分为“训练数据”和“生成内容”两个板块，分别讨论。
（一）训练数据
关于人工智能训练数据的版权属性和使用规则问题，学者普遍承认其之于人工智能开发的极端重要性，建议通过必要的规则协调或法理阐释保障训练数据之获取和利用，但在具体政策建议上存有明显分歧。
多数观点主张通过对著作权法合理使用规则的释明及协调，保障人工智能训练数据之合理获取。学者认为，及至人工智能时代，训练数据的获取和利用仍然符合著作权合理使用的“三步检验法则”：第一步，模型训练在技术链中处于底层支撑地位，在人工智能发展中发挥基础引擎作用并具有普惠性，保障模型训练的技术实现具有更优位的价值位阶，符合正当目的标准；第二步，此种使用不会影响原作品的正常使用，并且在其他著作权保护机制的配合下也不会不合理地损害著作权人的合法权益；第三步，从利益平衡的角度来看，著作权人可以通过在数字作品上设置技术措施来限制自动抓取以防对其造成不合理的损害（徐小奔）。进言之，在著作权合理使用框架下，我国应当审慎认定训练数据版权侵权及责任承担方式，以“实质性相似”标准界定训练数据使用合理性的边界，同时完善版权作品相关方利益分配机制，实现版权方和使用者等主体间的利益平衡（张凌寒）。
少数观点则主张人工智能训练之作品使用不属于著作权法保护范围，可得豁免版权规则之适用。学者认为，生成式人工智能数据训练中的作品使用具有“非特定性”，不指向具体而特定的单个作品，从功能阶段上看，属于生产过程性的中间使用，从后续效果上看，对于生成式人工智能这一基础工具具有增强效应，故应将其界定为“非作品使用行为”而排除在著作权权利范围之外，同时，生成式人工智能应用对著作权人并未造成整体激励的削弱，只是导致了激励行为的结构性调整，因而无须将著作权保护延伸至数据训练予以补偿（刘晓春）。
此外，还有学者从训练数据有效供给维度探讨了中文训练数据语料库的建设问题，认为中文数据语料总量相较英文数据语料严重不足，这成为我国人工智能技术进步和产业发展的重要掣肘，为此，我国应当通过司法判例明确网络数据来源合法性认定条件，协调版权规则确定线下数据使用合理性制度边界，构建开放机制满足公共数据参与语料库建设需求，协同促进跨领域数据流通交易规则建立供给激励，多方破除制度障碍以应对产业发展需求（张凌寒）。
未来，围绕人工智能训练数据的利用规则问题，仍有待从以下三个方面深入和拓展：其一，明确并阐释人工智能训练数据利用机制的最佳法制路径；其二，深入探讨训练数据保障和知识产权保护的平衡机制，设计更加完善细化的认定及限制规则；其三，探讨人工智能开发场景下训练数据版权保护的替代性机制，尤其结合最新的技术进展及措施，探寻更具变革性的解决方案。
（二）生成内容
关于生成内容，目前主要探讨两大核心问题：一为人工智能生成内容的可版权性问题，二为人工智能生成内容的著作权归属问题，前者分歧很大，针锋相对，短期内难见其共识，后者基本达成共识，区别仅在于解释路径和设计细节。
关于人工智能生成内容的可版权性问题，存有两派对立观点。一派观点认可人工智能生成内容的可版权性，这是目前国内的主流观点，但在具体论证逻辑和路径上存有差别。有学者从人工智能生成物与普通作品之比较出发，认为著作权法应当给予人工智能生成内容以平等保护，理由在于，人工智能生成内容与人类作品在客体外观上具有一致性、在经济利益上具有同质性且符合著作权法激励创新的制度目的，这是二者得以获得平等保护的前提基础，并且，通过著作权法平等保护，可以降低法律制度摩擦成本，打造统一的著作权交易市场，鼓励标识真实来源并塑造人工智能生成内容市场价值（徐小奔）；AIGC是人类智力活动和智力劳动的产物，与自然人从事创造性行为所得的结果存在实质性相同，符合受知识产权保护的客体的条件（冯晓青）；有学者基于“思想—表达”二分框架，认为人工智能生成内容属于“表达”范畴，具有可版权性，但具体能否赋权则应依照“独创性”标准进行个案认定，越能体现使用者个性化表达的生成物，越有可能构成作品（朱阁），问题之关键不在于用户与生成物之间是否隔着AI系统，而在于用户是否直接触发创作行为并贡献足够多的独创性表达（崔国斌）。也就是说，重点在于确定自然人在AIGC中的贡献及其比例，而无须专门创设全新的著作权体系（熊琦），个体可能对自己撰写的指导人工智能的“提示语”拥有著作权，但若其中的某些文字是为实现特定操作所必需的撰写方式，则可能因思想与表达合并而无法得到排他性保护（张吉豫）；还有学者从产业发展维度进行论证，认为赋予AIGC相应的知识产权保护有利于鼓励用户更多地利用人工智能从事知识创造活动，促进相关智力成果的传播和利用，而这反过来又有利于促进对人工智能的研发和投资（冯晓青），引导资本不断向人工智能产业注入，从而推动产业良性发展（郭禾）。
另一派观点则明确否定或反对人工智能生成内容的可版权性，主要有两种分析框架。第一种基于传统的“思想—表达”分析框架，认为人工智能生成物属于“思想”范畴，不受著作权法保护，理由在于，用户贡献（如提示行为）不能决定构成内容的表达性要素，无论是设计算法和训练人工智能的研发者，还是输入提示词的用户，都不可能决定生成式人工智能自行产生的形式上接近于人类作品的内容，用户贡献仍然属于“思想”，而非“表达”（王迁）；第二种则基于经济建模的动态分析框架，认为不宜赋予人工智能生成物以版权，开发者和用户无须通过AIGC著作权获取激励，相反，设定著作权将产生长期的不利影响，对AIGC实施著作权保护，虽可直接提高市场对AI的需求，但也会导致人类创作内容的供应减少，这将不利于AI模型的进一步发展，从长远看将阻碍AIGC的生成（张湖月）。
由上可见，学者关于人工智能生成内容可版权性之分歧，主要在于两个层次。第一层次之分歧在于人工智能生成物应划归“思想”还是“表达”范畴。多数学者主张人工智能生成物构成“表达”，进而探讨版权赋予之“独创性”标准问题，少数学者则明确主张人工智能生成物属于“思想”范畴，从而根本否定其可版权性。深究其理，两派分歧之实质在于用户利用人工智能之提示是否构成著作权法上的“表达”，利用人工智能工具之内容生产，与传统上利用画笔等创作工具之内容生产，是否具有法律上的同一性，进言之，提示行为是否对最终生成物产生足够的控制力。“思想”派认为，人工智能生成内容具有随机性，用户提示行为无法控制和决定，因而仅为创作提供“思想”，而不可能构成“表达”；“表达”派则认为，用户提示行为通过多个维度、多种方式影响内容生成，最终生成物可以蕴含用户的个性化表达，因而可以构成“表达”。因此，两派观点的最终分歧在于用户对人工智能生成过程和结果的控制程度，而这事实上受到技术发展水平、用户使用方式等多种因素的影响，具有很大的不确定性和解释空间，难以简答回答。第二层次之分歧则在于，若认可人工智能生成物的“表达”属性，从政策目标出发，是否应当赋予其著作权。多数学者认为，赋予人工智能生成物以著作权将提供用户使用激励，推动人工智能的技术开发和产业发展，相反，若著作权法对于AI协助创作作品持歧视态度，则会造成市场摩擦和割裂，损害市场效率，违背立法初衷。部分学者则认为，不对人工智能生成物进行版权保护，不会影响用户的使用行为和技术的持续开发，不会阻碍人工智能产业发展，著作权保护从来不是人类创作者使用生成式AI的激励来源，相反，若赋予人工智能生成物以著作权，短期内可能会激励用户使用，长期将导致人类自主创作的高质量作品的大幅减少，进而导致优质训练数据的稀缺，最终降低AI模型质量及用户使用意愿。不过，这是否可简单归结为短期效应和长期影响的差别，仍待进一步的研究和观察，因为“长期不利影响论”的立论基础亦遭到反对派的强烈质疑。
关于人工智能生成内容的著作权归属问题，学者之间基本达成共识，普遍认为应将著作权赋予AI工具的使用者，而非开发者（或研发者），认为这是最符合商业实践和政策目标的制度方案，分歧仅在于分析框架和设计细节。有学者借鉴法律主体利益实体功能与法律推理功能分离的规范原理，参照著作权二元主体结构机制，将人工智能拟制为形式主体并使著作权利益向人类集中，并通过共同创作、委托创作等既有法理将著作权原始分配给人工智能的人类使用者（徐小奔）；还有学者建议通过将署名和其他著作权进行分离的制度设计，确认生成式人工智能的特殊标识义务（署名），贯彻诚实信用原则，并将生成式作品的其他著作权分配给使用者，由此构建恰当的人工智能生成内容的权益共享和激励机制（张平）。
未来，关于人工智能生成内容的可版权性问题，学界仍有必要进行深入的理论探讨，建议从更多维度和视角展开论证，凝聚更大共识，逐步破解这一重大基础理论问题，而关于人工智能生成内容的著作权归属问题，后续研讨则应集中于规则设计的科学性和可操作性上。
通过以上28篇代表性论文的分析及评述，虽无法囊括中国人工智能立法研究（2024年）的全部细枝末节，但亦可大致窥见其全貌及趋势。总体而言，学者对中国人工智能立法已经达成了诸多方向性共识，包括：中国人工智立法应当注重对技术创新和产业发展的保障和激励，谨防立法之技术阻抑效应；中国人工智能立法应当立足本国实际，理性看待国外经验，并保持必要的灵活性；中国人工智能立法应当尊重技术规律，契合人工智能风险特性；等等。同时，关于中国人工智能立法的诸多具体问题，如立法模式选择、风险规制路径、民事责任分配、知识产权保护等，学者观点分歧较大。鉴于此，中国人工智能立法的未来研究应在凝聚更多方向性共识的基础上，继续拓展和深化相关具体制度的研究，廓清争议，服务立法。“百家争鸣、百花齐放”本为学术研究之生命力所在，分歧和争议不可避免，任何立足事实和逻辑之研讨均是对中国人工智能立法事业之积极贡献，期待学者在观点交锋中淬炼真理、拨云见日。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
