Bitget App
交易“智”变
行情交易合约跟单BOT理财Web3
数字发展全球研报|AIGC 版权逻辑与实践

数字发展全球研报|AIGC 版权逻辑与实践

数字治理研究数字治理研究2024/11/24 11:04
作者:数字治理研究

本期综述 AIGC 及其版权逻辑与实践相关问题,供参考。

数字发展全球研报第二卷第 46 期(2024/11/18-2024/11/24)

本期综述 AIGC 及其版权逻辑与实践相关问题,供参考。

一、AIGC 概述

(一)AIGC 发展历程

AIGC(Artificial Intelligence Generated Content)即人工智能生成内容,指基于生成对抗网络 GAN、大型预训练模型等人工智能技术,通过已有数据寻找规律,通过适当的泛化能力生成相关内容的技术,即主要利用 AI 自动生成文字、图像、音频等,是继专业生产内容(PGC)、用户生产内容(UGC)之后的新型内容创作方式。

从商业模式来看,AIGC 本质上是一种 AI 赋能技术,能够通过其高通量、低门槛、高自由度的生成能力广泛服务于各类内容的相关场景及生产者。

数字发展全球研报|AIGC 版权逻辑与实践 image 0

AIGC 的发展历程可以大致分为三个阶段。

早期萌芽阶段(上世纪 50 年代至 90 年代中期)。由于技术限制,AIGC 仅限于小范围实验和应用。1957 年,出现了首支电脑创作的音乐作品《依利亚克组曲(Illiac Suite)》。

沉淀累积阶段(上世纪 90 年代至本世纪 10 年代中期)。AIGC 的资本投入有限,因此未能取得许多显著进展。随着深度学习算法的兴起和算力设备的精进,AIGC 逐渐从实验性转向实用性。

2006 年,深度学习算法在算法优化、算力提升和数据积累方面均取得进展。

2012 年,微软展示了全自动同声传译系统。

2014 年,深度学习算法“生成式对抗网络”(Generative Adversarial Network, GAN)推出并迭代更新,助力 AIGC 新发展。

快速发展阶段(本世纪 10 年代中期至今)。AIGC 技术取得了显著进步,并在多个领域得到广泛应用。

2017 年,微软人工智能少年“小冰”推出世界首部由人工智能写作的诗集《阳光失了玻璃窗》。

2018 年,NVIDIA(英伟达)发布 StyleGAN 模型,可自动生成图片。

2019 年,DeepMind 发布 DVD-GAN 模型,可生成连续视频。

2021 年,Open AI 推出 DALL-E 并更新迭代版本 DALL-E-2,主要用于文本、图像的交互生成内容。

2022 年,OpenAI 推出 GPT3.0,AIGC 在模型创新推动的生成算法和预训练模型创新迎来爆发。

2023 年,AIGC 相关话题爆炸式地出现在社交媒体上,正式被大众所关注。其中,微软全系融入 AI 创作和 OpenAI GPT-4 的发布尤为引人注目。

(二)AIGC 技术原理与实现方式

AIGC 技术实现主要有三个环节。数据收集与处理,即向 AI 系统提供大量高质量的数据输入,包括文本、图像、音频、视频等多媒体数据。对数据进行预处理和清洗,以便于 AI 系统更好地理解和使用。模型训练,即利用准备好的数据对模型进行训练,学习创作内容的规律和技巧。通过多次迭代优化模型性能,提高生成内容的质量和多样性。内容生成与优化,即根据用户的输入(如关键词、主题、风格等参数)生成新的内容。对生成的内容进行评估和改进,以提高其质量和适应性。这通常涉及强化学习或元学习的方法,利用反馈机制来调整生成模型的参数。

1、技术装置

基于规则的 AIGC 技术。利用人工智能技术中的专家系统和知识库,通过编写一系列的规则来实现对内容的生成。这种方式的优点是生成内容比较准确,但成本较高,因为需要充足的人力和时间编写规则。

机器学习。机器学习是一种通过让计算机从数据中学习并改进算法模型,实现对数据的自动分析、预测、分类和决策等任务的方法,其核心是利用算法和模型,通过对数据的学习和分析,来预测未来的结果或进行分类决策。

深度学习。深度学习是机器学习的一个分支,它通过构建多层神经网络,自动学习数据中的特征,从而实现对数据的分类和预测等任务,核心是通过构建多层神经网络模型来模拟人脑神经元的工作方式,让计算机能够自主学习并提取数据中的高级特征。

生成对抗网络(GAN)。适用于生成图像、视频等视觉内容。通过训练生成器和判别器,不断提高生成内容的质量和逼真度。

基于 Transformer 架构。适用于生成文本内容。通过训练 Transformer 模型,使其能够准确预测下一个词,并依次预测所有词,最终生成完整的文本。

自然语言处理(NLP)。NLP 技术使计算机能够理解和生成自然语言,是实现文本内容自动生成的关键技术。它涉及文本理解、语义分析、文本生成、对话系统等技术,能够生成连贯、有逻辑的文章、故事、诗歌甚至代码。

计算机视觉。计算机视觉技术用于图像和视频内容的生成,它使用深度卷积神经网络(CNN)、生成对抗网络(GAN)、变分自编码器(VAE)等模型进行图像识别、风格迁移、超分辨率、图像合成等任务。

2、生成模态

文本生成。基于预训练的语言模型(如 GPT、BERT 等),AIGC 可以生成连贯、有逻辑的文本内容。用户可以通过输入关键词、主题或风格等参数,引导模型生成符合需求的文本。

图像生成。利用 GAN、VAE 等模型,AIGC 可以从随机噪声中逐步迭代生成高分辨率图像。用户可以通过输入文本描述或选择特定的风格、主题等参数,生成符合需求的图像内容。

音频生成。利用深度学习模型(如 WaveNet、Tacotron 等),AIGC 可以实现语音合成、音乐生成、声音效果模拟等音频内容的生成。用户可以通过输入文本描述或选择特定的音色、语调等参数,生成符合需求的音频内容。

视频生成。结合图像生成和视频预测技术,AIGC 可以根据给定的文本描述或关键帧,自动生成连贯的动态视频内容。用户可以通过输入文本描述、选择特定的风格或主题等参数,生成符合需求的视频内容。

3、应用场景

AIGC 技术在多个领域展现了广泛的应用场景,包括但不限于:

虚拟人生成。包括虚拟人物角色的外貌、性格、对话等。

聊天机器人。能够与用户进行自然对话,提供客户支持、信息查询等服务。

虚拟助手。如语音助手 Alexa 和 Google Assistant,使用自然语言生成技术为用户提供各种服务。

自动写作。生成新闻报道、博客文章、小说等。

诗歌与散文创作。利用 AI 生成富有创意的诗歌和散文。

新闻摘要。自动生成文章摘要,帮助用户快速获取关键信息。

文档生成。企业可以利用 AIGC 生成报告、会议记录等。

AIGC 技术的应用场景广泛,其优势在于能够高效、快速地生成大量内容,同时保持内容的多样性和创新性。

二、AIGC 版权逻辑与实践

(一)AIGC 版权问题

著作权法作为保护创作者权益的重要法律体系,其基本概念与原则构成了法律框架的核心。

1、基本概念

著作权。又称为“版权”,是作者或其他权利人对其创作的作品及相关客体享有的专有权。这包括人身权和财产权两部分,其中作者享有的人身权如发表权、署名权、修改权和保护作品完整权等,不可转让、剥夺和限制;财产权则是指著作权人享有的以特定方式使用作品并获得经济利益的权利,如复制权、发行权、出租权、展览权、表演权、放映权、广播权、信息网络传播权等。

作品。著作权法所称的作品,是指文学、艺术和科学领域内具有独创性并能以一定形式表现的智力成果。这包括但不限于文字作品、口述作品、音乐、戏剧、曲艺、舞蹈、杂技艺术作品、美术、建筑作品、摄影作品、视听作品、工程设计图、产品设计图、地图、示意图等图形作品和模型作品,以及符合作品特征的其他智力成果。

2、基本原则

保护作者权益原则。著作权法的首要原则是保护作者的权益。在著作权的所有主体中,作者是最为重要的著作权人,著作权法在调整作者与使用人乃至与公众的关系中,始终把维护作者的权益放在首要和核心的地位。这体现在对作者的著作人身权和著作财产权的详细规定上,以确保作者能够充分享有其创作成果所带来的精神和物质利益。

鼓励优秀作品传播原则。著作权法不仅保护作者的权益,通过赋予作者一定期限内的专有权利,激励作者创作出更多优秀作品合法传播,丰富社会精神财富,推动社会进步和科学发展。

作者利益与公众利益协调一致原则。著作权法在保护作者权益的同时,也注重协调作者利益与公众利益之间的平衡关系。一方面,通过保护作者的权益,激发作者的创作热情,促进优秀作品的产生和传播;另一方面,为了维护社会公众利益,对作者的权利和权益做了必要的限制,如规定了合理使用、法定许可等制度,以确保公众能够合理、合法地使用和传播作品。

与国际著作权发展趋势保持一致原则。我国著作权法的制定和实施也体现了与国际著作权发展趋势保持一致的原则,积极借鉴国际先进经验,加强与国际著作权组织的合作与交流,以推动我国著作权事业的健康发展。

(二)AIGC 独创性分析与版权归属

1、AIGC 独创性分析

AIGC 独创性分析是判断其能否受到著作权法保护的关键。独创性是指作品必须是作者独立创作,体现了作者的思想、感情或个性,且具有一定的创作高度。

i.独创性的构成要素

独创性,包括独立性和创造性。独立性,即作品必须是由作者独立完成的,不能是抄袭或模仿他人的作品。创造性,即作品必须具有一定的创造性,能够体现出作者的独特思想和个性,这种创造性可以是新的构思、新的表达方式或新的艺术风格等。

ii.AIGC 独创性判断

用户输入可能具有独创性。AIGC 的生成过程中,用户通过输入提示词、参数或模型选择等方式,对生成内容产生了重要影响。这些输入反映了用户的个性和审美选择,因此可以认为用户在一定程度上参与了创作过程。

人工智能系统本身不具有独创性。虽然 AIGC 的生成依赖于人工智能技术和算法,但人工智能本身并不具备独创性。它只是根据用户输入和预设规则进行运算和生成,因此不能成为作品的作者。

AIGC 独创性表现。在 AIGC 中,独创性可能体现在用户输入的提示词、参数设置、模型选择等方面。这些选择影响生成内容的风格、主题、构图等元素,从而体现出用户的独特思想和个性。

2、AIGC 版权归属探讨

AIGC 的版权归属问题涉及法律、技术、伦理等多个层面,目前各国各地区对此的裁判结论存在差异。

i.版权归属原则

作者原则。根据著作权法的基本原理,作者是作品的创作者,享有作品的著作权。因此,在 AIGC 的版权归属问题上,应首先确定谁是作品的创作者。

贡献原则。在判断版权归属时,还应考虑各方对作品创作的贡献程度。如果某一方对作品的创作做出了实质性贡献,那么该方应享有相应的著作权。

ii.AIGC 版权归属分析

用户作为创作者。在 AIGC 的生成过程中,用户通过输入提示词、设置参数等方式参与了创作过程,并对生成内容产生了重要影响。因此在一些情况下,用户可以被视为作品的创作者享有作品的著作权。例如,在北京互联网法院审理的“春风图案”中,法院认为原告对于人物及其呈现方式等画面元素通过提示词进行了设计,对于画面布局结构等通过参数进行了设置,同时原告也通过使用提示词、设置相关参数不断调整修正才获得涉案图片,这一调整过程亦体现了原告的审美选择和个性判断,因而具有一定的独创性,涉案图片构成著作权法所保护的美术作品。

人工智能平台的责任。虽然人工智能平台不是作品的创作者,但它们在 AIGC 的生成过程中扮演了重要角色。因此,在版权归属问题上,人工智能平台也应承担一定的责任。例如,在广州互联网法院“奥特曼案”中,法院认定被告人工智能平台提供方未经授权生成涉案图片包含奥特曼形象,侵犯了原告的著作权,并承担赔偿责任。这表明,人工智能平台在提供 AIGC 服务时,应遵守相关法律法规,尊重他人的著作权。

iii.版权归属争议

目前,AIGC 的版权归属问题存在争议。一方面,用户认为他们通过输入提示词、设置参数等方式参与创作过程,应享有作品的著作权;另一方面,人工智能平台则认为它们提供了技术和算法支持,也应享有相应的权益。

各国正在积极探索相关法律法规的制定和完善。例如,美国版权局在《版权登记指南》中指出,当 AIGC 包含足够人类创造性时便可具备版权法保护的条件,并规定了申请人需要披露人工智能生成内容和人类贡献的义务。

(三)国内外 AIGC 版权归属法律实践

AIGC 即人工智能生成内容版权归属问题在国内外法律实践中都备受关注。

1、国内法律实践

i.司法判决

“春风图案”。此案涉及 AI 生成的图片是否具有著作权。法院认为,原告使用开源模型 Stable Diffusion 生成的图片属于美术作品,且原告为著作权人。因为原告在生成图片过程中,通过输入提示词、设置参数等方式进行了个性化的选择和安排,体现了其智力投入和个性化表达,因此该图片具有独创性,应受著作权法保护。

原告李某某使用开源软件 Stable Diffusion,通过输入提示词的方式生成一张图片,并发布在小红书平台。被告刘某某在自己的百家号账号中发布了文章,配图使用了原告的图片。原告认为被告侵犯了其署名权及信息网络传播权,遂提起诉讼。法院认定该图片构成美术作品,并判决被告承担侵权责任。

此案首次认定了 AI 文生图的作品性,并明确了使用开源软件通过输入提示词获得生成图片的用户为文生图的作者,享有著作权。这对于 AIGC 作品的著作权保护具有重要意义,并引发了关于 AIGC 作品著作权归属的广泛讨论。

“奥特曼案”。此案涉及 AIGC 服务提供方是否侵害了奥特曼作品的复制权与改编权。法院认为,AIGC 服务提供方确实侵害了相关权利,进一步明确了 AIGC 在特定情境下的版权归属和责任。

原告是获得奥特曼系列作品在国内著作权授权的文化发展公司。被告是一家提供“AI 绘画”服务的 AI 公司,经营的 Tab 网站(化名)具有 AI 生成绘画功能。侵权情况,即 Tab 网站可生成与奥特曼形象相同或相似的图片,并通过销售会员充值及“算力”购买等增值服务获取非法收益。

判决结果,法院认定被告侵犯了原告的复制权和改编权,责令其立即停止侵害行为,并赔偿原告经济损失 10000 元(含合理开支)。此案是全球范围内首例 AIGC 平台侵权责任判决,对于 AIGC 服务的合规运营和著作权保护具有重要意义。法院强调,AIGC 服务提供者应采取一定的技术性措施来避免生成与权利人作品实质性相似的图片,并尽到合理的注意义务。

在司法实践中,对于 AIGC 应用侵权行为的认定和赔偿标准存在一定的争议和不确定性,需要进一步完善相关法律法规和政策措施,明确侵权行为的认定标准和赔偿标准。

除了上述两个典型案例外,还有其他一些 AIGC 应用侵权的案例,如某些 AI 音乐生成平台未经授权使用了他人的音乐作品元素或旋律,侵犯了音乐著作权人的权益。一些 AI 写作助手或自动文章生成器在未经许可的情况下使用了他人的文章或段落,构成了著作权侵权。

ii.法律规定

根据《中华人民共和国著作权法》及其实施条例,受著作权保护的作品应为文学、艺术和科学领域内具有独创性且能以一定形式表现的智力成果。AIGC 要获得著作权法保护,需满足这些条件。

iii.平台与用户之间的约定

AIGC 平台通常会通过用户协议明确权利归属和责任划分。例如,微软、谷歌、OpenAI 等公司承诺,若用户因使用其提供的 AIGC 产品或服务而面临第三方侵权索赔,公司将承担相应的赔偿责任。但具体条款可能因平台而异,且通常仅适用于付费用户。

2、国外法律实践

i.美国法律实践

版权局指南。美国版权局发布了《版权登记指南:包括人工智能生成材料的作品》,规定版权指南保护人类创造力的产物,宪法与版权法中的“作者”一词不包括非人类。如果作品只是 AI 技术根据人类提示而产生的,则不受版权保护;若人类以有创意的方式选择或安排 AIGC 或者修改 AIGC,则可以支持版权主张。

司法实践。美国法院在处理 AIGC 版权归属问题时,也会考虑作品的独创性和人类智力投入等因素。例如,在类似“春风图案”的案件中,法院可能会审查用户在使用 AI 生成内容时是否进行了个性化的选择和安排,以判断作品是否具有独创性。

ii.欧盟法律实践

欧盟对 AIGC 的版权性持认可态度,认为只要 AIGC 作品满足独创性等条件,就应受著作权法保护。这一立场与美国的保守态度形成鲜明对比。

国内外在 AIGC 版权归属问题上均存在争议和不同的法律实践。国内更侧重于通过司法判决来明确权利归属和责任划分,而国外则更注重通过法律规定和指南来引导实践。在处理 AIGC 版权归属问题时,需要综合考虑作品的独创性、人类智力投入、法律规定以及平台与用户之间的约定等因素。随着 AIGC 技术的不断发展和法律体系的不断完善,相信未来会有更多明确和统一的法律实践来指导相关争议的处理。


主编 丨 张烽

出品 丨 数字治理研究 / 万商天勤

0

免责声明:文章中的所有内容仅代表作者的观点,与本平台无关。用户不应以本文作为投资决策的参考。

PoolX:锁仓获得新代币空投
不要错过热门新币,且APR 高达 10%+
立即参与!

你也可能喜欢

美国比特币ETF在三天内流出12亿美元,为选举以来最长流出期

简要概述 美国的现货比特币ETF在过去三个交易日中流出总计近12亿美元,这是自11月唐纳德·特朗普连任以来最长的流出周期。同期,以太坊ETF的交易基本持平,过去三个交易日净流出仅为500万美元。

The Block2024/12/24 19:58

Coinbase International的交易量飙升至每周1190亿美元的高点

简要概述 本周总数比上周总数高出124%。以下是The Block数据与洞察通讯的摘录。

The Block2024/12/24 19:58

Lido 推出以太坊 SDK,帮助开发人员将质押功能集成到链下应用中

简单来说 Lido 已发布其软件开发工具包,旨在将 Lido 的权益功能无缝集成到链下应用程序中。

MPOST2024/12/24 17:11

dYdX 社区投票决定从国库 subDAO 资产中拨出 4 万美元用于资助生态系统发展计划

简单来说 dYdX 基金会宣布,dYdX 社区已批准从财政部 subDAO 资产中拨款 4 万美元,用于资助生态系统发展计划剩余的 14 个月。

MPOST2024/12/24 17:11