一、问题的提出

2022年11月30日，美国人工智能研究公司Ope⁃nAI推出了基于GPT-3.5架构的自然语言处理工具ChatGPT (Chat Generative Pre-trained Transformer)。这一基于人工智能的聊天机器人一经推出引发了广泛反响，因为它不仅可以近乎人类之间的实时交流，而且在人类引导下能够写邮件、代码，甚至学术论文。据报道，一些国外学校的学生使用ChatGPT进行论文写作，并取得了不错的成绩。2023年1月发表的一篇关于人工智能在护理教育中运用的论文甚至直接将ChatGPT作为第二作者[1]。一时间，ChatGPT是否可以成为论文的作者之一以及所创作的结果是否可以成为著作权法上的“作品”又一次引发了与著作权有关的争议，国内外的知名期刊都开始注意到这一问题并且发表声明，比如知名学术期刊《Nature》直接在其官网明确提到，任何（包括ChatGPT在内）大型语言模型工具都不能成为论文作者，但是对于它所形成的“作品”是否可以受到著作权法的保护却没有进一步说明。如果从现有态度来看，成为著作权法意义上的作品而受到保护的说法并没有得到完全认可，还是一种摇摆不定的状态。

人工智能创作物在著作权领域的问题并非全新课题，近年来，理论和司法层面上都对人工智能创作物的独创性、权利归属以及权利主体构建等问题有了广泛探讨。而ChatGPT的出现可以说在一定程度上突破了以往人们对人工智能发展的认知，因为它几乎可以与真人进行“真实对话”，并具备相应的工作能力，这让人们怀疑人工智能是否已经具有一定的“自主意识”。同时，人们也需要思考是否可以放弃以往的“人类中心主义”，采取更加开放的态度对待人工智能及其创作物，或者我们还需要继续观察人工智能及其创作物的发展，以判断其是否真的达到“完美”的程度。对这一问题，本文希望以ChatGPT为引，通过对人工智能的基本原理进行细致的剖析与探讨，并结合著作权的基础理论和司法实践中出现的具体问题，探索一条关于人工智能创作物所涉及的重点——著作权问题的不同路径。

二、人工智能的“人在回路”本质：以“ChatGPT”为例

关于人工智能创作的论述大都集中于人工智能与法律之间的互动之上，但忽略了人工智能的本质问题，比如有论者认为人工智能无论如何发展都只能作为客体和工具来看待，而不是与人平等的法律地位[2]；也有论者进一步提出人工智能的能力是人类所赋予的，所以是人类意志的延伸，以此为基础确定了人工智能的“工具论”或者说“工具”属性[3]；也有不少论者认为现有的人工智能由于其深度学习能力已经发展到不同于以往的程度，故此赋予其有限或拟制的法律人格是可行的[4,5]。尽管在相关问题上有所涉及，以上论述基本还是从人工智能与法律之间的关系出发，并没有更为深入地说明“人工智能”的具体运行机制，从而导致结论稍显“浮于表面”。所以，既然要讨论人工智能与其创作物和著作权法之间的关联，了解其本质才是核心，这就要从“人在回路”这个重要概念为引。

（一）什么是“人在回路”

所谓“人在回路”（Human In The Loop,HITL），就是人类参与到人工智能的学习与决策过程，允许人类对某一或某几个预测模型进行直接反馈的交互系统。其中算法只是交互过程中的一部分，最终结果是要受到“回路”中的人类输入和反馈的影响。具体来说，首先需要操作人员通过注释（annotation）的方式对数据进行人工标注，使其成为机器可以学习的训练数据（training data），比如在新闻中添加具体主题，或者是给照片和视频进行分级分类[6]。这一步在“人在回路”的交互系统中占据重要地位，需要花费大量时间，人类所标注的数据质量越高，机器输出的结果也越精准。数据标注完成并将其转化为训练所需数据后，便进入到利用训练后的数据来创造机器训练模型这一步，随后通过部署这一已经形成的初始模型来对没有被标注的数据进行一定程度的预测。同时，如果所标注的数据数量无法满足多样性要求时，此时还需要机器进行“主动学习”（active learning），也就是对人类感兴趣但未标注的数据进行抽样性调查[6]。当然此时的预测由于模型还未进行迭代升级，其结果仍然不够准确，所以还是需要回到人类，通过对结果的审核与数据的再标注，重复上述步骤让AI模型完成更高效的迭代与升级从而得到更准确的预测结果，这种过程就称之为“人在回路”，具体的流程见图1。

图1 人在回路的机器学习过程   

不过这种解释仍稍显抽象，因此，我们在这里通过对ChatGPT这一当下流行的AI模型对“人在回路”进行更深层次的解释①。详细说来，ChatGPT的训练模型总共分为三个步骤：第一步中首先收集示范数据（demonstration data）进行标注，并将数据传输给团队后给出提示和结果，并用它来监督训练一个基线模型；第二步，利用基线模型对问题予以回答形成一个“数据集”，并在此基础上训练一个奖赏模型（Reward Model,RM），也就是将模型所输出的结果由人类进行由高到低的评价和反馈以进行下一步预测；最后，采用PPO(Proximal Policy Optimization，近端策略优化）这种可以直接学习和及时更新的策略来克服以往“从过去经验学习”的算法来生成随机问题的回答，并使用前述RM作为奖励函数对所给出的回答打出分数来微调学习基线，以不断地迭代和升级AI模型强化学习模型并最终得到更符合具有人类偏向的有效结果[7]。我们通过使用ChatGPT来进一步讲解“人在回路”的精髓。在图2中，笔者通过与ChatGPT进行实时聊天并询问其问题，在得到错误的回答后予以及时纠正，最终得到正确的结果。可以看到，ChatGPT的答案很大程度上受到输入者的掣肘，是根据具体使用者的输入结果而进行实时调整，这就是最为简单与经典的“人在回路”例子。相对比而言，ChatGPT显然要优于传统的“人在回路”运作模式，特别是OpenAI并没有持续使用超大规模的数据让AI进行学习，而是通过设置奖励模型和优化算法机制的方法让最终的结果有更高的置信度和更强的可预测性。

通过上述介绍可以发现，“人”在人工智能的决策过程中起着不可或缺的作用。尽管算法机制等方面在输出结果中占据一定的比例，但更重要的是人类操作者的输入和反馈。不过，这也意味着数据的误差、人类的主观偏见或判断力缺乏可能导致结果出现偏差。同样地，在机器因信息不足和语境不明而出现错误时，人类可以帮助系统进行纠正，以确保尽可能得到有效结果。因此，输出结果不可避免会受到人类偏好的影响，这种立场最终也会影响到AI模型的迭代和升级。目前，以人类偏好为中心的深度学习正是人工智能的发展方向，根据DeepMind和OpenAI的联合研究结果发现，从人类偏好中学习可以让AI在未来更好地适应复杂的现实世界，并从人类多样性的价值观中提取出相对统一的结果，以配合人类提高工作效率[8]。可以说，人工智能的发展方向不是简单的工具或单独依靠机器的自主学习，而是人与机器协作。当然，现在的人工智能模型相较之前也取得了巨大的进步。例如，DeepMind设计的模型只需要人类审查大约0.1%的代理行为就可以让模型自行完成下面的任务[9]。

图2 ChatGPT中“人在回路”的具体适用   

（二）为什么“人在回路”

通过总结可以发现，“人在回路”是现阶段与可见未来时间内人工智能的主要发展路径，这不是“极端人类中心主义”，而是人工智能发展必然的选择。威尔逊和道尔蒂教授通过对1 500家公司研究后发现，人工智能的确有能力从根本上改变工作的完成方式，但这项技术的关键在于补充和增强而不是取代人类，人类需要人工智能的大规模数据分析与运算，人工智能也必须依靠人类在比如调动气氛或者灵感迸发等方面的能力，双方合作后才能让最终绩效达到最高值[10]。不仅是现实世界的数据支撑这一观点，理论上也是如此。随着海量数据的涌现，深度学习（deep learning）将人工智能提升到一个更高的层次。深度学习是一种基于神经网络的机器学习算法，它“由多层非线性运算单元组成，每个较低层的输出作为更高层的输入，可以从大量输入数据中学习有效的特征表示，学习到的高阶表示中包含输入数据的许多结构信息”[11]，这种模拟“人类大脑的神经连接结构并通过多个变换阶段分层对数据特征进行描述的机器学习方法可以提供更高的抽象层次和模型能力”[12]，从而输出更好的结果。但模拟人脑神经元不代表它等于人脑。根据计算机学家冯·诺依曼的说法，人脑与计算机的工作逻辑是符号“在‘机器’的各个器官中同时出现”的并行与“在机器的一个器官中，在连续的瞬间依次出现”的串行的区别[13]。目前的人工智能确实不同于诺依曼的传统“计算机”架构，而且在运行过程中也开始使用类似于人脑的分布式并行，深度学习就通过这种方式来完成更大规模的运算。但是大脑的活动是一种内源性活动，“整个神经网络只是部分地受外部输入影响，自主性才是其显著特征；由于自发激活，该网络能够产生自己的目标，并且通过这些激活以自上而下的方式塑造其他脑活动”[14]。人工智能不似大脑，其深度学习必然受到外部影响，没有大量数据的输入，即便是再复杂的内部构造也无法输出相应结果，更遑论自主性。如果要用一个比喻来说明的话，那么人脑就像是海洋之中扔入一颗石子，也许会产生平静的波纹，也可能掀起巨浪，但是人工智能很大程度上还是要按照既定的轨迹进行[15]。此外，深度学习所依赖的大量数据需要经过人工标注而并非被毫无目的地输入，而且由于过量数据可能会导致结果偏差和错误或出现不符合人类价值观的结果，所以深度学习的循环过程仍然需要依靠人类完成。

不过为了克服上述难题，人工智能也会采取“主动学习”的方式进行迭代。但并不是所想象那般可以如人类一样“主动”地汲取知识和信息来完成自我发展，主动学习的使用是因为在有些场合下，如果仍然采取大量的人工标注方式会导致时间和经济成本过高，所以通过筛选的方法来获取一些难度较高或者更具有针对性的数据进行标注后以期望获取具有更大准确性的一种方式[16]。尽管这种方式进一步减少了人的因素，但这种主动是一种“被动式主动”而非像人类一样的“主动式主动”。即便ChatGPT通过优化机器学习的方法，同时适用深度和主动学习的方法进行优化使得它可以在减少对人类依赖的同时更加及时、有效和准确地完成响应，但底层逻辑仍然是“人在回路”。

三、人工智能创作物的可版权性问题：以“独创性”为核心

在讨论人工智能创作物的著作权问题时，可版权性通常会得到关注，特别是独创性概念在其中被反复提及。如果按照人工智能的“人在回路”交互系统所揭示的人工智能本质，貌似可以得到“不符合独创性要求”这一确定的答案。但现实世界不是纯粹的线性逻辑，尤其涉及法律问题，不能简单地依靠技术来作出决策，它需要在各种社会利益与不同意见中寻求平衡。目前来说，在判断人工智能创作成果独创性的时候，大体可分为两种：一种是主观标准，或来源论，这种观点认为人工智能创作物是否具有独创性需要考虑是否来源于人类或者体现作者个性[17]；另一种则是客观标准，或内容/结果论，这一路径认为算法的发展让作品由“作者创作”改为“读者需求”，所以要关注的重点并非作品创作过程或“个性”“思维”等方面，而是关注作品是否存在客观区别[18]，比如“读者”或“消费者”标准皆属此列[19,20]。无论哪种标准都有其正当性，但这些关于人工智能创作物独创性的讨论总是透露着一种隐喻，也即人工智能与人类拥有几乎相同的创造性。这种观念其实在某种程度上预设了人工智能可以创造，以及其创作成果必然可以满足人类社会中的“创造性”，进而认为独创性也可以得到满足。但这种以“结论支撑依据”的论证方式很容易陷入循环论证和自说自话的困境，因此我们需要重新审视独创性与人工智能创作成果之间的关系，这仍需从“独”与“创”两个方面出发。

（一）人工智能是“独立”创作的么？

首先，讨论人工智能创作物独创性问题的关键是确定人工智能是否能够“独立”地创作具有一定限度创造性的作品。这一层面上需要明确的是，纯粹的主体因素不能纳入考虑范围之内，否则独立创作从一开始就被遏制住了，因为传统意义上只有“人类”创作的作品才会考虑独创性[21]。但这并不意味着“独立创作”不需要被考虑，这仍然要从理解“独立”开始。

在著作权法语境下，“独立创作”指的是作者独立进行创作，来源于作者而非抄袭。这要求作者必须凭借自己的智力或才智独立完成某一脑力劳动成果，而不是抄袭得来[22]。有些论者认为，“独立创作”成为独创性内涵的原因是历史特殊情况和司法实践等偶然因素,并且像民间文学艺术等作品也非独立创作，将它作为基本内涵不符合法律实际[23]。尤其是像Chat⁃GPT这样的人工智能很多时候可以进行自主迭代和发展，创作出与人类作品近乎一致的成果，不少论者认为这一要素没有必要继续存在，只需要从作品内容出发即可，这也让“独立创作”存在的必要性进一步受到了质疑，但这种说法是片面的。什么是独立的创作？在实践中这一问题也有具体阐释，它是指“思想者借助物质媒介，将构思诉诸形式表现出来，将意象转化为形象、将抽象转化为具体、将主观转化为客观、将无形转化为有形，为他人感知的过程”②，这种解释符合独立创作起初的含义。在还没有开始使用独创性的概念对作品进行判断的前著作权法时代，对作品要求的门槛很低，只要是“作者”创作的，甚至可以不论内容和形式，就很可能成为作品。比如在早期英国的司法实践中，整个18世纪英国法院所判决案例中基本认为只要是作者自己创作的，哪怕是从他人那里摘抄章节过来也可以满足“独创性”，例如在“Gyles v.Wilcox”案中，哈德威克勋爵（Lord Hardwicke）提到“只要行使了一定的判断力，即便是把其它书籍中的内容进行删节后再编著也可以被称为一本新书”③。随后的“Strahan v.Newbery”案中大法官阿普斯利（Lord Apsley）也认为，缩减了原告书中不必要和无趣的内容其实是创造了“一个被允许的和有价值的作品”，甚至认为这种行为可以节省读者的时间所以能被理解④。简单地说，“独立”在一开始就与洛克的“劳动财产说”是直接挂钩，代表作者发挥自己的“主观能动性”（脑力与体力劳动结合）进行创作。所以早期著作权法规制的不只是“作品”，更包括“创作行为”，正是创作行为这种“劳动”为“作品可以受到法律保护”这一结论提供充分的正当性论证并沿用至今。当然，这不代表独创性的判断要关注“行为”本身，但正是“行为”让不同作者将自己的主观思考进行具象化，使得独创性有了讨论的基础。创作本身的确是一种事实行为，但著作权法中的独立创作除却事实行为外还是一种法律规范，它不是只表明了作者与作品的关系，还表明了作者是否“独立”创作了具有“最低限度创造性”的作品，从而让不同作者之间的不同作品得以区别，所以是否“独立创作”与“创造性”之间是一种紧密连接的关系[24]。

此外，独创性迄今为止发生的变化很大程度上还是在围绕“独立创作”本身，只不过是从近乎没有保护门槛到需要一定程度的创造性，这一结论也存在现实依据。在18世纪的学者看来，即便是进行简单删减也是劳动和发明的产物，因为内容也许是相同的，但是编排上却可能不同，所以每个人的每个作品都是独一无二的[25]。这种观点是由一直以来强烈影响西方的文学理论中的“模仿论”所决定，直到18世纪浪漫主义思潮的流行，扬格将“创造性”与文学财产连接起来后才得以缓解。这种做法深刻影响了之后的浪漫主义作家与法学理论家，使得如今许多学者在回顾那一段历史的时候会不由自主地得出“创造性”很早就已经出现在独创性之中的结论。可如果创造性是独创性的根本要求，那么就不会有“都具有创造性的相同或相似作品在不是抄袭的情况下皆具有独创性而成为著作权法中作品”的原则。所谓最低限度创造性也是在Feist案后才被重视起来，可本案要判断的只是一本“电话簿”，这根本无法动摇独创性的根本，不能说电话簿不是作品就可以让消费者对餐馆的评论或者是一些帖子从此失去独创性[26]，重点还是在“独立”问题上。所以独立创作的要求不是纯粹的偶然，而是一种必然出现的结果与过程中偶然因素出现的结合体。况且，独立创作包括来源于作者与不是抄袭两个方面，这就要求作品不仅表明了作者与作品之间的不可分割性，也直接明确了抄袭作品的不可版权性。

当然，通过历史来推导今天的人工智能的确有些过时，可这仍然无法得出人工智能可以“独立”创作，这种观点没有清晰地意识到“人在回路”交互系统下人工智能的“非独立性”。如前所述，没有足够和详细信息的提供，即便是现阶段十分出彩的ChatGPT也只能提供一种类似于大纲式的结果或者是大规模数据学习后的排列组合。人工智能与所谓的“作品”的联系性并不明显，人工智能的创作成果是基于现有数据的注入、算法的构建以及最重要的“人类偏好”所共同搭建构成的，它更像是为了符合人类价值观而被动形成的一种“半成品”，人工智能并没有真正发挥一种“主观能动性”去自主地创作出一部“作品”。所以，要将“人工智能”与“独立创作”之间生硬地架构起联系，未免有些牵强。

（二）人工智能可以“创造”么？

“创造性”因素一直是独创性判断过程中的难点与重点，许多论者都认为应当从“表达”或内容层面对是否具有“最低限度创造性”进行判断。但这种观点忽略了主体与创造之间的联系，“作品”具有（最低限度）创造性的前提是主体可以创造/创作并且产生了具体内容。人类固然可以如此，但人工智能却无法“创造”。什么是创造？威尔逊教授认为，“创造是我们内心对创意的追求。创造的驱动力，是人类独有的对新颖事物的热爱”，在很大程度上，创造使人类这一物种所特有并且具有决定性的特征[27]，它让人类通过这一方式认识和理解自己，并明白从哪里来以及往何处去。但是人工智能的行为逻辑不是“内源性活动”，人工智能完成创作行为的目的是“为了训练而创作”，所谓的人工智能进行“创造”本质上就是人类意志的介入与人工智能一定程度上自我迭代与发展的综合体现。因此，这仍然需要人类与创作成果之间体现出紧密的联系，而不是简单认为“人类运用硬件、算法和数据创造出人工智能，而体现出人类意志的人工智能创作出的成果就可以简单认为是人类的选择与安排”。在腾讯诉上海盈讯科技有限公司侵害著作权一案中，法院在说理环节认为涉案文章的创作过程实际上无人参与但也不能将Dreamwriter视为创作主体，随后又提出文章的创作与表现在本质上还是由主创团队人员进行选择和安排，体现其意志⑤。这种说法混淆了人与人工智能“创造”的逻辑，Dreamwriter的开发是由原告（人类）创造出来的工具，但是文章的产出是人工智能的输出结果，两者之间的独创性的判断不能直接混为一谈，更何况创作过程本身就不能被混入到独创性判断中。而在“菲林律师事务所与百度著作权纠纷”案中，法院认为涉案文章中图形的变化不是基于创作产生，只是数据的不同而已⑥。在这里，法院并不愿过多关注创作过程，更倾向于将人类与人工智能的“创作”行为分开讨论，这种方式可以说一定程度上厘清了人类与人工智能之间行为的逻辑区别。

当然，有论者认为人工智能通过“深度学习”后的创作已然不是随机产出或机械计算，而是一种有目的的产出逻辑，这与人脑在构思与创作方面的逻辑没有本质上的差别[28]。但事实并非如此，深度或主动学习让人工智能有目的的产出不是人工智能自己的目的，而是人类主动设置的目的，所谓的人工智能自主创造更多的是一种“人工智能幻觉”的陷阱。即便我们假设人工智能输出成果行为可以被称为“创造（作）”，但在多数场合下也不容易被认为符合“最低限度创造性”。以ChatGPT为例，如果使用者给出一个主题让它创造出一篇有少许情节描述和言语修辞小短文的确可行，但实际上ChatGPT输出的内容准确来说更像是一本流水账而不是一篇真正意义上具有“内容”和“形式”的“文字作品”。当然，也可以选择提供更加具体的信息来“训练”它，可结果也只能是流水账之中加入我们所提供的“信息”，其输出逻辑更倾向于一种排列组合而不是像Feist案中法官所说的“一点火花”的加入。

这样来看，人工智能既无法独立创作，也无法满足“最低限度创造性”的“主体可以创造”这一前提条件，那么结论似乎就是人工智能创作物很难满足著作权法上的“独创性”要求。但是这种说法也是过于武断的，因为有许多人工智能创作物是在使用者的指导和训练情况下出现的，比如在充足训练和给出“足够”有效信息的情况下利用ChatGPT创作文章或者诗句，再比如利用DreamStudio或文心大模型等AI作图工具，可以在减少重复劳动的情况下通过输入文本或上传图像的方法生成新图像等，确实有可能满足独创性要求，毕竟这种成果的来源还是作为人类的使用者或者AI开发者。但问题是这种“利用”人工智能创作的成果应当采取如何进行判断，这就涉及对独创性标准、方法的构建以及人工智能创作物的内部再分类之上了。

四、人工智能创作物的独创性判断标准构建

人工智能创作物也可能具有独创性，但是现阶段在探讨独创性判断的时候都选择给人工智能创作物单独设定一个标准，仿佛默认人工智能创作物的独创性判断标准一定可以适用于著作权法上其他类型作品，却忽略了著作权法内部所必需的标准共通性。此外，单独设定判断标准的观点也进一步忽略了人工智能创作物本身就是由不同类型作品构成的事实。所以，人工智能创作物的独创性判断标准构建需要重点考虑的就是标准一致性与判断弹性的有机统一。

（一）人工智能创作物的独创性判断标准选择：基于著作权法的一致性

著作权作为“技术之子”，包括人工智能在内的科技发展必然会引发著作权法的修改，独创性无法独善其身。但独创性的重新审视并不是人工智能带动的结果，而是现实的必然选择。我国现阶段的独创性判断面临着理论与实践上的争议，一方面，理论的薄弱导致法院在实践中不假思索地运用某些学者或国外案例的观点，从而导致类案/同案不同判的情形，最终使得审判结果缺乏可预见性⑦；另一方面，在“独创性高度”问题上来回较劲，但是“高度”一词既不是独创性的应有之义，在实践中也没有可行之处，意图量化独创性的行为反而会造成进一步的困惑。所以，无论是否有人工智能创作物，独创性调整也势在必行。

在对待人工智能创作成果独创性的判断标准时，很大程度上都是针对人工智能创作问题本身，并未考虑到普适性。比如前述“读者标准”中“读者”概念的涵摄明显不足。法律概念的形成是“对各种法律实施进行概括，抽象出它们的共同特征而形成的权威性范畴”[29]。而所谓“读者”等标准没有具体内容的构建使得其略显泛化，抽象后应当形成的“具体特征”并未体现出来。同时，“客观标准”在面对某些作品时很容易陷入“极端客观主义”的陷阱中，比如艺术家随手一甩的墨点是否必然具有独创性，最终就会出现荷兰最高法院认定具有香水气味也具有独创性而作为作品保护的荒唐结果[30]。我们当然不能否认前述判断标准和方法的合理性，但在司法实践中，对作品的独创性判断从来就不是“刻舟求剑”式的静态行为，而是具体分析的动态观察，不同类型的作品本就存在差异，更多的是需要在这之间寻求一种共通性，人工智能的创作成果仍然要归到《中华人民共和国著作权法》（以下简称《著作权法》）第三条之中的不同作品类型中，所以人工智能创作物的独创性判断不可能“鹤立鸡群”。应该说，来源和结果论之争本身就是错误的，因为不存在为人工智能创作物单独设定一个标准，而是一视同仁，无论《著作权法》中哪个种类的作品都应该从这一标准出发。尤其是《著作权法》第三条中新增的作品“开放条款”，如果不采取统一的标准，那么独创性判断的混乱是可以预见的。所以，无论是人工智能创作物还是其他种类作品，独创性的判断应当遵循一种“相对客观”标准。

“相对客观标准”首在“客观”，之所以采取客观标准，是因为著作权不像专利与商标，它是一个没有行政机构正式“授予”的权利，在没有发生争议之前，其权利的边界只能被笼统理解[31]。同时，在专利与商标中，登记发挥了重要作用，不同于专利说明书或者商标注册申请书中对于发明创造或者商标本体的描述，我们很难想象要以何种方式较为精准地形容一本书或一首音乐并清晰地展示给公众。在著作权中人们面对的不是作品的描述，而是作品本身，法律不得已通过一种“格言式推理”和提取作品核心成分的方式以帮助划定权利的范围与边界[32]。我们可以通过权利要求书中的几项要求对发明范围有一个基本的了解，而在判断独创性的时候，总会使用例如“个性”或“创作空间”等一系列概念，但个性的高/低和空间的大或小都是很难用言语进行清晰的解释，所以针对个性、创作过程等方面的主观标准是很难对本就模糊的著作权划定一个清晰的边界。但是客观标准，如前所述也确实存在固有缺陷。既然如此，“相对客观标准”这一中性路径的引入可以有效克服这一问题。所谓“相对客观标准”指的是独创性的判断在客观标准的基础上，又充分发挥“判断是否具有独创性”过程中的主观意见。其合理性不仅在于适用的客观性与灵活性，更在于适用范围的广泛性。

（二）人工智能创作物的独创性判断方法：“合理人原则”与三阶段判断

当然，空泛地提出“相对客观标准”并无意义，在“相对客观标准”的基础上，包括人工智能创作物在内的各种类作品应当采取的独创性判断方法应当是“合理人原则”而非“读者”/“消费者”标准。相比于后者，“合理人原则”的优势在于：第一，范围扩大的同时，又可以较为明确地划定边界。著作权的最大特点之一在于“如果没有被告的行为，原告的权利只能在理论上存在”[31]。所以作品的独创性判断所参照的范围就不能只是特定人群，而是站在整个公众的视角下抽象为一个相对统一的标准。第二，在坚持客观标准的同时不忽略主观因素。“合理人原则”在对“合理性”（reasonableness）进行评价之时坚定地采取客观标准，但这一原则的弹性也保证在具体适用的时候根据具体案件进行“个体”因素考虑，最终通过法官在一定程度上的自由裁量完成判断。

在具体的实践适用中，独创性判断中的“合理人原则”则是在完成“合理人”的具体构建后将其放置于作品两侧进行横向观察，在此基础上采取“三阶段”判断方法：第一阶段需要构建出在一般情境下的“合理的公众”与“合理的创作者”。在第二阶段要立足于作品本身，将其分割为“核心层”与“边缘层”要素，并且横向观察“合理公众”与“合理创作者”，随后对案件相关信息进行筛选后进入第三阶段。最后一个阶段需要法官根据自己的认知能力、案件信息以及个人判断等做出最终裁判，也即在“合理的公众”与“合理的创作者”视角下看这一作品（核心与边缘层分别判断）是否具有独创性。在这种方式下，无论是哪种类型的作品或者是相关作品的内部再分类都可以进行具体的分析并且在保证一致性的同时不缺乏弹性判断。这三个阶段中，需要首先关注第一阶段的“合理人”构建。具体来说，“合理人”构建应当从参照范围与认知水平方面出发：从参照范围角度来看，“合理公众”的构建一般情况下应当扩大为全体公众，但是针对某些特殊或专业性较强甚至极强的作品则更多地关注相关作品范围的公众，而对非相关领域适当减少比重；“合理的创作者”范围则应当缩小而且需要在相关领域的“创作者”一侧加重占比，也即更聚焦于具体的作品类型并抽象出这一作品领域的“合理创作者”，因为不同作品的创作者所采取的创作方法与步骤存在差异。从认知水平方面出发，“合理公众”的认知水平应当在“平均值”上下波动，在面对不同作品时，标准的波动点可以适当放低至最低处或放置于较高处。“合理创作者”可以被理解为某一作品的表达在一个相关领域中合理的创作者中基本都会采取的表达，虽然会略高于“合理公众”，但是它只要求相关或类似领域的创作者了解大致的创作手法即可，不过在具体适用中也要根据不同案件进行变动。

在判断的弹性方面，需要明确人工智能创作物只是能指，是作为整体进行讨论，关键仍然是其中具体的分类，也即所指。实际上，人工智能创作物不是多么神秘的事物，其中的作品分类很难脱离《著作权法》第三条。比如，人工智能可能通过数据的“吸收”来作诗和文章，这便是文字作品；或是AI作图则很有可能满足条件而构成美术作品。同时，对待人工智能创作物应该采取一种谨慎的态度，这主要体现在作品的来源是使用者还是AI的开发者，这虽然不会发生判断标准的改变，但不同的来源可能会产生不同的创作成果从而出现“核心”与“边缘”层的差别，最终的判断结果也会改变。再比如，根据文字作品中“文学作品”的特性，其“核心”与“边缘”层分别是“情节、语言和结构”与“题材、主题和表现手法”，这种分类也有现实案例支撑，如在陈喆（琼瑶）诉余征（于正）案中，法院提到“情节是……基础表达……作者通过自身的想象力、结合特有的思维表达和逻辑安排形成的足够具体的、具有个性特点的独创内容”⑧。既然如此，在具体判断中就要运用上述已经构建完成的“合理人”对核心与边缘进行分别探讨，如果在“合理公众”与“合理创作者”视角下人工智能创作成果中的“核心层”与现有作品存在不同，并且“边缘层”存在“明显”不同的情况下，则很可能具有独创性。举例来说，笔者使用ChatGPT并以“重生后逆袭”为主题创作一篇短篇小说，其创作成果中具体的语言部分也许会有所不同，但情节部分非常模板化，基本上可以总结为“重生—学习新技能/知识/结交新朋友—不惧困难—走向成功”，总体架构也难有变化，如果仅凭主题、表现手法等本身重复率就较高的“边缘层”很难认为这些成果具有独创性。如果在这个题材/主题之中加入更多的细节，比如在重生后了解过去与未来会发生的相关事件，并提醒ChatGPT要采取哪种语言模式和情节结构，最终成果会产生不同的情节、文章结构和语言形式以及明显不同的表现手法，这种情况下在“合理人”视角下对“核心”与“边缘”层分别进行对比后是有可能得出作品满足独创性要求这一结论的。

五、人工智能创作物的保护策略

诚然，现阶段的人工智能创作还远未到想象那般境地，但不可否认的是采取何种方式与态度对其进行保护仍然是需要探讨的主题。特别是人工智能的发展十分迅速，现阶段ChatGPT所依靠的GPT-3模型（2020年发布）中的神经网络拥有1 750亿的参数，相较于2019年仅11亿参数的GPT-2模型，一年时间的提升不可谓不恐怖。所以，面对科技的发展，法律尽管有其固有的滞后性，但绝不代表放任不理。2023年2月，知名期刊《Nature》在一篇名为《ChatGPT：用于研究的五个优先问题》中明确提到要“制定问责制规则”（Develop rules for accountability），这就对作品的来源、是否抄袭或作假等多方面进行根本性反思[33]。因此，人工智能创作物的保护策略也迫切需要进行思考。

对于人工智能创作物来说，未来应当采取“三阶段”保护策略。首先，现阶段人工智能还远无法完成如同人类一样的创作行为，因为它无法通过一种正式意义上的抽象劳动与具体劳动的结合让相应“商品”产生使用价值与价值，只是通过海量数据的输入后形成的一种预测性结果，这背后不是人工智能主动迭代与进化，而是人类发挥主观能动性进行干预。所以，人工智能创作物的本质归根结底还是人类创作，只不过需要通过人工智能来间接或直接实现。但是也不应当将人工智能比作纸或笔这种传统意义上的“工具”，因为人类与人工智能是完全可以进行主动配合与交互的，这与写作所需纸笔完全不同。既然如此，人工智能创作物在现阶段不可一刀切地认为其应当或不应当获得某种类型的保护，而是要分类探讨。具体来说，现阶段的人工智能创作物应该分为三个等级：第一，对于几乎没有或者只有少量人类参与的人工智能创作物，应该在反不正当竞争法的权益保护框架之下进行判断，这是因为大部分创作物在处于一种脱离人类和需要人类注入数据的双重性下，想要获得著作权法的保护是很难实现的，而反不正当竞争法所提供的“权益”保护已经可以囊括大部分需求。至于有论者所言，这种方式无法明确权利归属和界限[34]，其实无需担忧，因为人工智能创作的来源无非就是使用者与开发者，想要判断谁应当享有这份权益最终要看最终结果产生的贡献值。第二，对于人类基本甚至完全参与人工智能创作所形成的成果，人工智能转化为是单纯的工具，可以考虑采取著作权法保护，但是独创性的判断则需要采取上述“合理人原则”这一相对客观标准。第三，对于某些不容易归属到前两个部分的创作内容可以归入到公共领域，这是因为人工智能的进步与发展需要实在的海量数据予以迭代，否则人工智能就像是某些厂商的电话机器人一样，只能抓取少部分关键词根本无法完成正常使用。更何况，数据的价值不是体现在封存而是流通之上，失去了流通性的数据就像是一潭死水。

其次，进入到第二个阶段，也就是人类与人工智能的交互到达一个顶峰，可以完成人类社会的“主体间性”时，反不正当竞争法的一般原则便趋于之后，著作权法的保护则应当提前。此时还不能对人工智能赋予与人类一样的“民事主体资格”，这不仅会冲击人类社会的稳定性，也不符合人工智能应当发挥的作用。需要明白的是，人工智能要做的不是取代人类，而是与人类通力合作，这样才能达到最优解。因此，可以考虑赋予人工智能有限的人格，让其可以对“作品”享有一定程度的权利并承担相应的义务。因此，可以在不考虑作品来源的情况下直接适用“合理人原则”对人工智能创作成果进行独创性判断。

最后一个阶段，人工智能也许在未来的某一天成为真正意义上的“人工智能”，就像是《流浪地球》电影中的550W一样，可以独立进行运算、估计、预测以及成果创作并且现行法律和传统理论已经完全无法对其进行规制之时，才需要考虑另外的法律设定，因为这时人工智能已经无法被称为人类的工具，而是进入到人类社会之中与人类共处，那时的创作物可能不仅真的与人类一般毫无区别，更有可能超越人类。但是这种想象对于人类和法律都太过于遥远，并不是现阶段和近未来阶段的当务之急。

六、结语

人工智能不是“人”，而且在可预见的未来内，它也很难拥有像人类一样的感情、逻辑和交际。有学者对当前人工智能的法律问题研究进行了深刻反思和批判，认为这种研究是假问题、伪问题而非真问题[35]。通过对现有文献的查阅可以发现许多论者并没有了解到人工智能的运作本质与发展路径，更多的还是依靠自身对人工智能的认知提出观点和得出结论。但是即便是发展极为迅速的ChatGPT也一直沿着“人在回路”的路径持续优化，基本上所有问题都可以用现有的理论予以回应，远没有到可以摆脱人类社会进入到“人类—机器”的共存社会中，更没有到人类需要提前如此之久的时间来思考它是否应当另外设定权利、制定法律以及重新思考人类与它之间的关系。所以，未来的研究任务还是要对著作权的基础理论进行深层次和创新性研究，使其可以不断适应新的时代，并且赶上科技发展的步伐。如此这般，方能为科技与法律同时带来更好的循环式发展。

参考文献:

[2]李扬,李晓宇.康德哲学视点下人工智能生成物的著作权问题探讨[J].法学杂志, 2018(9):45-46.

[3]孙正樑.人工智能生成内容的著作权问题探析[J].清华法学, 2019(6):192-196.

[4]彭诚信,陈吉栋.论人工智能体法律人格的考量要素[J].当代法学, 2019(2):52-62.

[5]袁曾.人工智能有限法律人格审视[J].东方法学, 2017(5):52-55.

[11]刘建伟,刘媛,罗雄麟.深度学习研究进展[J].计算机应用研究, 2014(7):1921.

[13]约·冯·诺依曼.脑与意识[M].甘子玉,译.北京:商务印书馆, 2011:7.

[14]斯坦尼斯拉斯.脑与意识[M].章熠,译.浙江:浙江教育出版社, 2018:231.

[15]陈嘉映.神经研究与意识——从神经元聚合假说谈起[G]//信睿周报(第8辑).北京:中信出版集团, 2021.

[17]饶先成.困境与出路:人工智能编创物的保护路径选择与构建[J].出版发行研究, 2020(11):83.

[18]孙山.人工智能生成内容著作权法保护的困境与出路[J].知识产权, 2018(11):61.

[19]李忠诚.论算法创作下独创性的判断标准[J].大连理工大学学报(社会科学版), 2020(6):100-104.

[20]卢炳宏.论人工智能创作物独创性判断标准之选择[J].内蒙古社会科学, 2020(4):106-107.

[21]王迁.论人工智能生成的内容在著作权法中的定性[J].法律科学, 2017(5):150.

[22]冯晓青.试论著作权法中作品独创性的界定[J].华东政法学院学报, 1999(5):36.

[23]乔丽春.“‘独立创作’作为‘独创性’内涵的证伪”[J].知识产权, 2011(7):35-38.

基金资助:2023年度重庆市教委人文社会科学研究项目“互联网平台版权过滤义务研究”(基地项目);重庆市研究生科研创新项目“非独创性公开数据集合保护研究”(CYB22168);

文章来源:吴昊天.人工智能创作物的独创性与保护策略——以“ChatGPT”为例[J].科技与法律(中英文),2023(03):76-86.