人工智能生成内容(AIGC)的作品认定困境与可版权性标准构建

以ChatGPT为代表的新一代生成式人工智能的多元化应用,助推人工智能生成内容(AIGC)新业态的井喷式发展。AIGC在外观形式上已经高度趋同于人类创作的作品,但因受限于作品创作主体的逻辑,引发了AIGC“作品”认定的制度困境。从独创性、审美意义、价值宗旨、技术逻辑这四个要素出发,对AIGC的作品认定进行综合解析,不难发现AIGC已经具备可版权性的基础条件。因此,理应加快立法步伐,重构著作权法的作品类型制度,新设AIGC“作品”法定类型,以明确AIGC的著作权法保护路径,为AIGC的出版、发行以及市场交易等版权新业态提供制度规范与支撑。

现状与趋势:国内人工智能生成内容(AIGC)研究透视

人工智能生成内容技术在诸多领域的融合应用表现出巨大的发展潜力和应用价值,已成为学术研究的焦点。本文采用文献计量分析与知识图谱分析相结合的方法,从外部特征(年度发文情况、期刊分布情况、研究团队、研究机构)以及内部特征(关键词共现、聚类)两个维度,系统考察我国人工智能生成内容研究的演进历程、热点主题以及发展趋势,旨在为国内人工智能生成内容的理论研究和实践探究的发展提供科学理论依据、现实参考。

创新扩散理论视角下人工智能生成内容(AIGC)的应用场景、创新要素及技术争议

自2022年以来,以AI绘画、ChatGPT为代表的AIGC工具吸引了大量企业和用户的关注。AIGC即人工智能自动生成内容,历经了生成文本、影音以及构建交互的过程,展现了与元宇宙虚拟架构和交互机制的有效衔接。作为一项技术创新,AIGC凭借其相对优势性、兼容性、低复杂性、可实验性和可观察性等五大特征获得了迅速发展,但在这种“爆炸式”增长的过程中,技术的治理问题仍旧面临挑战,有待进一步的实践检验与理论探究。

人工智能生成内容(AIGC)应用于学位论文写作的法律问题研究

人工智能生成内容(AIGC)技术能通过模拟人类思维来辅助文献阅读、扩展写作思路、辅助文本创作和润色语言格式,能够帮助学生更高效和有质量地完成学位论文的写作。然而学界对将该技术应用于学位论文写作存在争议,涉及人才培养、知识产权、信息安全、学术作假等法律问题。人工智能生成内容技术辅助学生学位论文写作的同时存在巨大的应用价值与法律风险。基于包容审慎的法律要求,应当坚持协同共治,坚持技术革新,坚持分类分级监管,在禁止代写行为的同时多措并举规范人工智能生成内容技术在学位论文写作中的应用。

人工智能生成内容的著作权客体性思考——兼论作品判定的独创性标准选择

以基于转换器的生成式预训练模型(GPT)为代表的高阶人工智能凭借其强大的智能型内容生成机制,使得内容产品生产中的技术占比不断上升,人的直接投入占比相对下降,传统著作权法作品的独创性要求、权利人本原则等基本理论受到冲击。面对人工智能生成内容(AIGC)可作品性问题,基于自然人智力投入的创造性本质理论和闭合性作品概念显得力不从心。在过程视角下(主观标准),人工智能内容生成过程符合人类创作的思维特征;在结果视角下(客观标准),人工智能生成内容具有著作权作品的外观形式和信息消费功能,符合著作权作品的本质属性。如果人为割裂人工智能生成内容与著作权作品在产生过程和实质作用上的同质关系,强行区分人工智能生成内容和自然人创作作品的法律性质,则有悖著作权法因应技术发展调整信息消费品利益的制度旨趣,最终将导致著作权法律秩序的混乱。

人工智能生成内容确权模式的嬗变与数据财产权的确立

人工智能生成内容已深入应用到社会生产生活当中。在数据确权制度诞生之前,各国立法、司法和理论界大多主张以著作权法保护人工智能生成的数据。由于狭义著作权确权模式饱受“独创性”诟病,转而走向邻接权确权模式。然而,透过人工智能生成内容的技术和法律本质可以看出,该客体和邻接权的保护客体以及设立目的并无相关之处,盲目扩大邻接权的保护范围不仅会遭到理论与制度的挑战,而且在司法实践中也会捉襟见肘。因此,必须走出著作权保护模式的藩篱和迷雾,直面人工智能生成内容的本质,构建具有合理性的新型财产权制度。从数据视野来看,人工智能生成内容的技术本质为数据,法律本质为数据财产。随着数据时代的到来以及数据立法的展开,人工智能生成内容的数据财产权确权模式必然浮出水面。数据财产权确权模式是依托于数据法律制度的出现与发展提出的,是立足于人工智能生成内容的数据本质形成的,是基于人工智能生成内容的数据财产法律属性揭示的确权模式选择。在综合考量产业目的、盈利模式、风险成本、商业实践以及使用者目的来看,人工智能生成内容的权利主体应当为服务使用者而不是服务提供者,权利保护应适用“财产规则”和“禁易规则”。

人工智能生成内容的著作权法之辩

根据输入指令与输出内容的比例关系,可将人工智能生成内容依次分为孪生内容、伴生内容和原生内容。人工智能生成内容主要涉及三个著作权法问题。一是机器阅读的法律性质问题,法定许可说能更好地兼顾著作权专有属性与公有属性,实现权利行使与限制的动态平衡。二是生成内容的可著作权性问题,需要结合内容类型并考虑输入指令的潜在影响。同比例复制的孪生内容不属于作品,差异化表达的伴生内容属于演绎作品,创造性表现的原生内容属于原创作品。三是生成内容的著作权归属问题,除另有协议外,需要结合内容类型并考虑所有者、使用者的贡献程度。孪生内容因不属于作品,无人享有著作权;所有者、使用者对伴生内容的形成均有重大贡献,基于概括合作行为与意识,所有者、使用者共同享有著作权;只有所有者对原生内容的形成具有重大贡献,所有者单独享有著作权。

论人工智能生成内容的可版权性:以用户的独创性表达为视角

AIGC既包含来自机器的选择,也包含来自人类用户的选择。当后者满足独创性表达要求时,AIGC便足以被认定为作品。在判断用户的独创性表达时,裁判者应当关心人贡献了什么,而不是工具贡献了什么;应当关心人贡献了什么,而不是人没有贡献什么;应当关心人贡献的实质,而非纠结于其形式。在以上原则的指导下,既有的作品构成要件规则足以支持相当一部分AIGC获得作品资格。AIGC的所谓“随机性”,只是发生在用户指定范围内的“随机”,并不妨碍用户控制达到著作权法的要求。作为文本的提示词,具有转化为包括视觉表达在内的其他类型表达的可能性。若以摄影为参照系,AI与传统工具的比较不仅不能导致对作品资格的否定,反而能够凸显“工具贡献大并不意味着人的贡献不足”。著作权法的“宽进宽出”结构提示我们,将用户做出独创性表达的AIGC纳入著作权法图式是在认知层面最为经济的利益平衡分析框架。考虑到独立创作例外和版权救济手段的灵活性,承认AIGC获得作品资格的可能性并不会过度妨碍公众自由。

人工智能生成内容(AIGC)研究综述:国际进展与热点议题

人工智能生成内容(AIGC)已在社会多个场景得到应用,引起了研究者的广泛关注。然而,关于AIGC研究的国际进展和热点议题目前尚缺清晰的共识。因此,有必要对国际AIGC研究进展进行系统梳理与总结。本文使用文献计量法与内容分析法相结合的研究方法综述AIGC的相关研究,梳理主要的期刊、文献、作者、国家、主题演化和热点议题。AIGC研究总体可分为“技术底座”和“应用回音”两大主题,后者正得到越来越多的关注。AIGC研究的主要议题为概念之辩、影响之鉴、应用之试和未来之谋四个方面。本文同时系统梳理并追踪AIGC研究的演化过程和热点议题,为未来AIGC理论研究、方法论创新以及应用实践提供参考,指出未来可在信息资源管理、人的主体性、教育与科研、数字化转型和AI伦理等五个课题深化AIGC相关研究。

在线社区中人工智能生成内容的识别方法研究

[目的/意义]生成式人工智能会对在线社区造成一定程度的AI信息污染,研究多种AIGC识别方法对防范快速进化的生成式人工智能带来的负面影响有重要意义。[研究设计/方法]首先在以新浪微博54个大类主题为主的多个在线社区平台中构建了HAC数据集,其中包含100,873条分别由人类和生成式人工智能撰写的信息;然后探究当前6个主流深度学习和7个机器学习方法是否能识别在线社区中的信息是由人类还是由生成式人工智能所撰写;最后提出了一种BEM-RCNN方法进一步提高AIGC的识别精度。[结论/发现]从构建的数据集中可以看出,生成式人工智具有强大的“类人表达”,能够模拟人类在社交媒体平台上发布和回复内容。实验结果表明,提出的方法准确度达到96.4%,能够很好地识别在线社区上的内容是由人类还是AI撰写。在精度、召回率、F1-值和准确度上均优于BERT、ERNIE、TextRNN等其他13种主流的方法,验证了其性能优势。同时,大量探究实验也证明了当前主流的机器学习方法虽然精度低于此方法,但是也能够识别部分AIGC。[创新/价值]使用多种方法去识别社交媒体上的AIGC,防范生成式人工智能对社交媒体平台造成的信息污染。

人工智能生成内容赋能创新产品设计流程的机遇与挑战

随着人工智能技术的飞速进步,特别是人工智能生成内容在各个领域的广泛应用,产品设计创新流程正经历着深刻的智能化变革。本文通过回顾传统并行式产品设计流程的各个阶段以及AIGC(Artificial Intelligence-Generated Content,人工智能生成内容)融合设计领域案例研究,提出AIGC赋能的创新产品设计流程模型,并剖析了当下产品设计领域需要把握的机遇和即将面对的挑战。

护理硕士研究生使用人工智能生成内容工具体验的质性研究

目的了解护理硕士研究生使用人工智能生成内容(Artificial Intelligence Generated Content,AIGC)工具的真实体验,探索相关驱动和阻碍因素,为提高研究生的数智素养提供参考。方法采用描述性质性研究方法,于2024年2月—4月对14名护理硕士研究生进行半结构式访谈,将访谈录音转录成文本,运用主题分析法对访谈资料进行分析。结果共提炼3个主题:对AIGC工具产生浓厚兴趣,使用AIGC工具的获益感,使用AIGC工具的顾虑。结论护理硕士研究生拥抱和接受AIGC工具在其科研中发挥辅助作用,在促进自主学习、提升学术写作水平等方面获益,但信息可靠性、可获得性、安全隐患等构成使用AIGC工具的障碍,这些结果为护理教育者构建人工智能时代背景下提升护理研究生数智素养的教育策略提供了参考。

基于人工智能生成内容(AIGC)技术的企业人力资源数字化转型

通过分析AIGC技术在人力资源产品中的应用现状,发现其可以赋能人力资源多模块工作,为企业人力资源数字化转型创造机遇。这项技术也带来一些风险和挑战,如数据安全、算法偏见、知识产权争端、技术依赖等问题。对企业招聘专员提出了AI数智化的新要求。总结并合理预测AIGC与企业人力资源数字化转型的新兴趋势和未来发展,旨在帮助AIGC技术在企业人力资源数字化转型方面的探索和实践。

反垄断背景下人工智能生成内容可版权性再思考

人工智能生成内容可版权性的讨论多聚焦于内容生成环节,较少考虑商用后的市场反应。从数字经济的竞争特性入手,结合人工智能内容生产的技术过程和产业现实,不难发现对人工智能生成内容予以版权保护,可能加重数字平台垄断危机,进而损害公众、作者、用户多方利益;不予保护,也不会打击投资热情、阻碍创新发展。生成式人工智能相关产业的版权治理应重调和、重过程、重技术,避免以版权扩张代替版权治理,违背版权制度平衡创作者权益和公共利益的初衷。

人工智能生成内容赋能高等教育数字教材建设的价值指向与路径

人工智能生成内容作为人工智能技术的新赛道,赋予高等教育数字教材建设新动能,具有强大技术潜力和明确价值指向,有助于推进教育公平和教育现代化,建设终身学习型数字社会,充分发挥学生主体性。面对数字教材管理机制不完善、教材优势发挥不充分、高等教育主体性显示不足的困境,人工智能生成内容赋能高等教育数字教材建设,应在体现数字教材国家性、科学性和时代性的根本遵循下,一方面,坚持沟通取向,畅通教材建设相关主体协作渠道;另一方面,坚持技术取向,注重数字教材知识传递功能、智能导学功能以及过程性评价功能的挖掘与升级,以推动新时代高等教育数字教材建设的发展。

人工智能生成内容赋能图书馆知识服务的路径研究

[目的/意义]AIGC拥有强大的内容生成能力,对知识服务领域具有变革作用。研究AIGC赋能图书馆知识服务的路径,对提高图书馆知识服务的效率、提升图书馆在知识服务中的地位具有重要意义。[方法/过程]以模因复制与传播为研究视角,从AIGC拓展图书馆知识服务的要素、参与知识服务的过程、提升知识服务的框架三方面,分析AIGC赋能图书馆知识服务的路径,并提出相应建议。[结果/结论]图书馆知识服务的本质是模因的复制与传播;在AIGC的影响下,图书馆知识服务的参与主体由图书馆、AIGC和用户组成;AIGC能有效融入图书馆知识服务的每一个阶段;图书馆应从战略决策、战术筹备和流程设计三部分做出调整。

新质生产力视域下人工智能生成内容的可版权性与治理路径

人工智能技术在内容创作领域的应用引发关于其生成内容的可版权性与治理路径的讨论。探讨人工智能生成内容的特性、版权归属及治理策略,分析其原创性、作者身份和创作意图的法律界定,提出立法、行政和技术层面的治理路径,以期为相关法律制度的完善与实践操作提供参考。

人工智能生成内容著作权归属研究

人工智能对创作行为的介入给传统著作权归属制度带来了挑战,包括对创作行为的冲击、对创作主体的消解以及现有激励机制的失灵等。新的技术环境下对于“创作”需要有新的诠释,“创”仅要求作者具有创作意图而非具体构思,“作”可以由技术工具代为完成,人工智能使用者由此而具备了成为作者的基本条件。人工智能自身在哲学和法律意义上都不具有主体性地位,而其他主体已经获得了足够激励,因此,作品利益最终向使用者集中。这不仅符合著作权制度以人类创造力为核心的目的转向,而且能体现人本主义原则、成本与收益原则、公众利益优先原则,符合技术发展、著作权法理论与实践要求。

人工智能生成内容对智慧图书馆服务效能的影响路径研究

人工智能时代,人工智能生成内容颠覆了内容生产方式,对图书馆服务具有显著影响。文章从服务时间、服务空间、服务方式、服务内容出发,验证了人工智能生成内容对智慧图书馆服务效能的因果影响关系,进而界定了人工智能生成内容对智慧图书馆服务效能的影响路径,以期为相关研究提供借鉴。

人工智能医疗影像生成内容二元分类保护模式研究

根据人工智能技术发展阶段,结合人工智能医疗影像技术生成内容的技术机理与独创性特征对其进行版权与数据权益分类定位与区别保护,有利于实现人工智能医疗影像生成内容的权利保护与公益保护的利益平衡。结合人工智能医疗影像生成内容的参与主体、参与程度、技术原理、工作机理及生成内容的独创性等因素,从创作主体、创作过程、创作结果之间的内在逻辑关系等方面对人工智能医疗影像生成内容进行版权与数据分类保护,有利于促进人工智能医疗影像技术与产业的有序发展,进而增进民生福祉。