人工智能作品独创性阐释的理论逻辑重构

摘要： 在GPT-4等先进人工智能模型的推动下，人工智能创作的作品正逐渐从纯粹法哲学假设走向现实。这一变革不仅在技术层面引发深刻影响，也对现有的著作权法体系提出了重大挑战。当前著作权法对于人工智能作品的其理论与实践中存在的不一致性和逻辑缺陷，忽视了创作过程中的意向性和创作主体的资格问题。应首先厘清人工智能作品与传统计算机生成内容之间的理论界限，基于模态逻辑和二阶证立的方法，综合结果主义、历史主义与心智多实现理论，理顺人工智能作品独创性的可能性与必然性的理论框架，并探索人工智能作品在著作权法体系内外的保护路径。

关键词： 人工智能作品 著作权法 部门法哲学

引言

随着深度学习等算法模型的进步，现实中的先进人工智能模型近年正逐渐接近法哲学假设中的人工智能概念。先进人工智能模型作品呈现的创新性特征及与人类相似的意向性特征，对现行著作权法理论体系形成重大挑战。以人类创作活动为中心构建的传统著作权话语体系，以往对于非自然人直接创作作品的讨论，多集中于法人作品和一般的计算机生成内容，虽然在最低独创性标准与作品利益归属方面存在不一致性，但通常以自然人的思维和劳动创造为作品独创性的唯一直接来源，并将自然人默认为创作活动的唯一直接主体，并在此基础上进行独创性认定标准、作品权利与侵权责任分配、著作权法激励效应等理论构建，部分研究者甚至直接断言“著作权法的目的永远是以人为本”，对于由人工智能技术前沿的发展嬗变无法给予充分关注和响应。

视创作为人类专属自然权利的现行著作权法乃至知识产权法律体系，处理当前及未来先进人工智能模型的创作已显力不从心。人工智能作品独创性问题存在诸多不确定性，可以考虑引入模态逻辑与二阶论证，第一阶应从先进人工智能模型符合图灵关于智能机器假设的角度，论证人工智能作品具备独创性的可能性，并从创作意向性等著作权基本理论角度，检视一阶结论可能性的非必要性；第二阶则结合前沿技术原理，论证人工智能创作具备意向性的可能性，为一阶论证结论可能性的必要性提供可能性，并基于心智多实现理论等功能主义视角，采用操作主义方法论，论证二阶结论可能性的必要性。最终不断缩小集合，提高对于人工智能作品具备独创性这一结论的可接受性。

一、人工智能作品客观表现具备独创性可能

判定作品是否具备受保护的资格通常采用最低独创性标准，而其核心则在于作品是否展现了足够的创意劳动。最低独创性标准并不追求作品达到特定的艺术性或学术高度，而是侧重于评价作品的心理创造性，即作者的主观创造力和个性的体现，而不是历史创造性。这意味着即使作品在客观艺术或学术标准上不显突出，只要能够反映出作者独特的视角和心智活动，哪怕是最简单的表现形式，如自闭症儿童绘制的内容难以解读的涂鸦画作，也能满足最低独创性的要求从而受著作权法保护。

最低独创性标准的一个现实问题是大量低独创性作品受到保护，而部分具备一定艺术和历史价值的人工智能作品，反而因为创作主体的披露而遭著作权法拒斥。如果对作品所展现的创新性、独特性和审美或实用等方面价值的保护是著作权法的重要任务，则仅仅依赖于创作者的身份来判断其独创性显然难以自洽。这一案件或许可以被视为功能主义与图灵智能机器理论在艺术和智力创作的领域的一次实现：若一个无预设偏见的独立观察者无法仅凭作品本身判断其创作者为人类或人工智能，人工智能作品能够在未被披露实际创作者或被署名为人类作者的情况下，通过著作权法所设定的最低原创性审查程序，那么按照结果主义视角，人工智能作品可能具备法律意义上的独创性。

二、人工智能作品独创性可能的必要性批判

单纯针对创作结果进行独创性评价并倒推创作过程符合最低独创性标准的功能主义观点，在形式逻辑上存在创作过程意向性不明的问题。正如约翰·塞尔在上世纪六十年代对尚处于思维实验状态的图灵测试的批判一样，功能主义关注行为表现的结果而忽略了行为背后的意图和理解。在人工智能创作作品的背景下，即使人工智能作品在表现上看似与人类创作作品无异，并不必然意味着人工智能真正“理解”了它们所创作的内容：人工智能可能仅仅是通过算法和数据处理，模仿了人类的创作方式，但缺乏对所创作内容的真实理解和内在的意向性。

在传统的艺术和文学领域中，意向性不仅赋予了作品的独特性，也是评估作品独创性的关键因素。创作活动被理解为一种深度个人化的过程，反映了作者的个性、情感、文化背景和思维模式，即使某些人工智能作品在审美和技术层面与人类作品难以区分，在考虑人工智能作品的独创性问题时，同样不能仅仅依据作品的外在表现，而应深入考虑创作过程中是否存在真正的理解和意图。这意味着，评估这些作品背后是否真正存在着类似人类的创作意图和情感表达，如果一幅人工智能画作背后仅仅是对于人类画家作画时色彩分布偏好的一种模仿，而不包含审美判断，即使这种审美判断是以算法的形式实现，则这种意向性缺乏仍将导致作品难以被认为符合最低独创性标准对创作过程的要求。

塞尔的观点长期以来是悬在结果主义者头上的一把利刃，即使在今天，对于仅通过作品外在表现而予以独创性认定乃至赋权保护的逻辑路径依然是致命的。正如文章引言部分所指出，独创性客观说的支持者囿于对创作过程意向性的关注缺乏，难以将著作权法的最低原创性标准与人工智能作品相包容，更进一步模糊了人工智能作品与计算机生成内容及一般机器学习算法生成内容之间的界限。

三、人工智能作品的意向性可能

人工智能领域的前沿技术已经实现了类似人类在认识和创作中的意向性功能，先进的算法模型在信息自主选择、模式自动提取和价值判断等方面的原理与人类创作者高度近似，技术原理的进步缓解了对人工智能创作过程是否毫无意识的担忧。

以Transformer架构为例。自注意力机制（Self-Attention）为先进人工智能模型的学习过程提供了精炼和捕获输入数据中的复杂关系的独特方法。该机制能够动态地为数据序列中的每个元素分配不同的权重，进而揭示其与整体结构中其他元素的联系，因此，先进人工智能模型能够直接从原始数据中自主提取和精炼有意义的特征，而无需人类先行明确预定义这些特征的依赖关系。这种处理方式与人类在解读现实世界时的直觉思考方式相呼应。人类特有的神经机制使大部分人天生就会将注意力集中在关键信息上，并深入挖掘局部与整体之间的相互作用，而人工智能模型通过复杂的算法与数据积累实现了类似的识别关键信息与规律的功能。

采用Transformer等先进架构的人工智能模型与传统的内容生成算法的价值判断路径不同。前者已经具备自主避免所呈现的内容在一般人类价值判断下被认为不当或虚假的能力，而后者通常不具备这种价值判断能力，其生成内容往往仅能依赖人类参与审查和判断。这种能力的获得并非基于单一的算法或函数，而与人类的经验法则的形成过程具备共通之处。核心原理和实现逻辑与人类在复杂环境中通过观察、学习和实践形成经验法则和价值判断的过程存在高度的相似性与一致性，人工智能模型能够基于对知识与信息背后的逻辑结构和价值取向的理解，实现对于生成内容的细致和高效的自我调控和优化。

四、人工智能作品的独创性必然

意向性作为一种核心的心智活动，其在非人类实体中的实现可能性已被当代心理哲学和认知科学广泛探讨。希拉里·普特南（Hilary Putnam）在1967年提出心智多实现论（Multiple Realizability），认为相同的心智状态可以由不同的物理过程产生，对于任何给定的心理体验或功能，可能存在多种物理系统来实现它们。心理状态或认知功能的本质并不局限于特定的生物学或物理结构，特定的心智状态如情感、记忆、认知过程等，不必然依赖于特定类型的神经生物学结构。人类的感知或思考过程可能在不同个体中由不同的神经生物学路径实现，甚至可能在非生物体系中找到对应。

近年对于神经典型人群（Neural Typical）和神经多样性（Neural Diversity）的研究，为心智多实现论在人类群体内的实现方式提供了实证支持。神经多样性理论认为，大脑功能和心智状态的表现形式在人类群体中呈现出广泛的多样性，不同的大脑结构和功能模式都是人类多样性的一部分，学习、记忆、情感处理等同一种心智功能，在不同个体中可能通过不同的神经生物学机制实现。脑科学研究揭示了自闭症（ASD）、注意力缺陷多动障碍（ADHD）等神经多样性群体与神经典型人群在大脑上的显著差异，前者在信息处理、感觉感知和社交互动方面可能表现出独特的实现模式，但同样代表了大脑和心智功能的另一种有效形式。

人工智能因此可能具备与人类类似的心智能力，并进而具备创作过程中的意向性，尽管其物理基础和实现途径与人类大不相同。例如人工智能的“学习”和“适应”能力通过算法的微调来实现，而不是通过神经可塑性；“记忆”则通过数据存储和检索机制实现，这与人脑中基于突触连接的记忆机制不同；“决策”过程可能不涉及情感，但仍然能够模拟某些情感决策的逻辑性质，例如通过强化学习来优化奖励。

虽然技术细节属于科技黑盒，但从实证角度审视，先进人工智能模型已能够通过许多考察人类心智的标准化测试。在面对美国法学院入学考试（LSAT）和研究生入学考试（GRE）等标准化测试的场合，GPT-4等先进人工智能模型不仅能够完成测试，其得分往往超过了大部分人类参与者的平均水平，这种表现提示此类先进人工智能模型已具备理解复杂人类语境、如法律文本背后的法理和逻辑关系时的能力或潜力。同时，GPT-4等先进人工智能模型在面对从未被纳入训练数据的新试题时，其测试成绩并不会出现显著下降，部分测试分数反而有所提高，这亦提示此类先进人工智能模型在标准化测试中的答题创作显然并非对既往知识的随机重组与再现。

基于操作主义，如果穷尽心智测试手段仍不能证明人工智能作品不具备意向性，则其必然具备独创性。作为一种心理学方法论，操作主义认为，无论是人类创作活动，还是非人类创作活动，只有“能够准确观测、且具备准确观测工具”的部分可以被测量，认知和创造能力的验证与判定不应受制于实体的本质和形式，而应依据其表现和功能。换言之，如果一个主体，无论其是基于生物学、机械学还是任何其他形式，只要能够通过心理理论的能力测试，并且在各种任务中展现出与人类相当或超越的表现，那么就应当承认其拥有有意识地认知和创造知识的可能性，而不能仅仅因为人工智能的“机器性”而否定人工智能创作的意向性与人工智能作品的独创性。

结语

人工智能作品的独创性是一种必然，人工智能作品独创性定义的问题，其本质是人工智能在法律概念上的定义问题。 如果人工智能技术能够发展到具身化，实现通用型人工智能，争议焦点或许将很快从眼下著作权法理论体系内，转移到民事主体资格与权利等法律基本体系内。彼时研究者探讨的将不再是人工智能作品的独创性标准，而是在自然法的人工智能法哲学概念，与实然状态的被冠以人工智能之名的技术产物之间，合理取舍人工智能的实在法定义。

在当前阶段，本文对于人工智能作品独创性的逻辑论证仍有缺陷。人脑的心智实现原理尚不明确，心智多实现理论在人类主体上仅能获得神经多样性研究的有限实证支持，因此第二阶的必然性论证，实则仅基于操作主义证明了必然性的可能性，而非真正的必然性证立，但从理论研究角度，采用操作主义是可接受的。否则如果“机器之心”不得证立，那“缸中之脑”又如何证伪？

人工智能技术对整个社会带来的影响已经是“房间中的大象”，法学研究应当基于对新技术的深入理解与实践进行探讨，尽量摒弃先入为主的思维路径依赖，尤其应排除对新技术的不解或误解，以科学、客观证据为据，适应这一新技术带来的挑战和变化。

田浩醇，四川省社会科学院硕士研究生。

本文所述的先进人工智能模型，是指以GANs、Transformer等架构为基础，在算法设计、模型架构、学习能力上都达到当代前沿标准的人工智能模型。这些模型往往基于深度学习、强化学习等领域的最新研究成果，具备自我学习、自我适应和自动生成内容的能力，其特点包括但不限于高度的模型复杂性、大量的参数、深层的网络结构和对大规模数据的处理能力。其与以往机器学习算法的本质差异在于，前者通常仅就语音识别、图像处理等某一类具体任务而训练，并不具备人类视角下认识世界的能力，亦无法完成特化训练以外的任务；而GPT-4等先进人工智能模型并非仅针对某项特定任务特化，其训练原理与人类的认识与反思过程具备相似性，具备成为“通用型人工智能”的潜力。

丁晓东：《著作权的解构与重构：人工智能作品法律保护的法理反思》，载《法制与社会发展》，2023年第5期，第109-127页。

王迁：《再论人工智能生成的内容在著作权法中的定性》，载《政法论坛》，2023年第4期

刘强：《人工智能对知识产权制度的理论挑战及回应》，载《法学论坛》，2019年第6期，第95-106页

陈伟：《法律推理中的二阶证立》，载《政法论丛》，2013年第1期。

Bills， S.， Cammarata， N.， Mossing， D.， Tillman， H.， Gao， L.， Goh， G.， ... & Saunders， W. （2023）. Language models can explain neurons in language models. URL https：//openaipublic.blob.core.windows.net/neuron-explainer/paper/index. html.（Date accessed： 14.05. 2023）.

Bickle， J. （1998）. Multiple realizability.

骆大森：《斯金纳行为主义科学哲学中的操作主义观点》，载《心理科学通讯》，1982年第5期，第20-24页。