生成式AI著作权纠纷的多元化解决路径实证研究

[摘 要]生成式AI引领了未来创意产业的革命。然而，这对现有著作权法和司法认定带来了全新挑战，特别是生成式AI生成图片等技术给版权法中的“作者”和“作品”法律适用带来了新问题。寻找解决生成式AI著作权纠纷问题的途径，规避法律风险，在AI传播时代刻不容缓。本文采用实证研究，对生成式AI著作权的证成与界定、侵权情况、纠纷成因以及当前多元化解决机制进行了分析，得出了采用多元解决机制的必要性结论。针对未来生成式AI著作权纠纷解决机制的完善，本文从诉讼、行政和调解等不同维度探索了可行的路径，以促进生成式AI著作权纠纷解决机制的改进，创造开放、公平、公正和非歧视的文化发展环境。

[关键词]生成式AI；生成内容；著作权；多元化纠纷解决机制

生成式人工智能是一种能根据发出者指令生成符合预期的文本、图像或其他媒体的人工智能应用。关于生成式AI带来的著作权纠纷疑难主要集中在以下方面：生成式AI的著作权困境与制度应对、生成式AI背景下著作权侵权样态及其风险治理、生成式AI提供者的法律规制等[1]。其中，关于AI创作领域的版权判定、侵权鉴别、抗辩原因及纠纷解决方式等疑难问题的研究还比较少，现有研究表明，目前国内知识产权领域已经认识到生成式AI带来的著作权鉴定难题与纠纷解决方式的重要性。但是，学者们在对“创作者”和“创作物”及其对应关系的探讨中，尚未形成一致认识，且未能在版权保护、AI出版与传播产业发展之间找到一个平衡点。

一、AI生成内容的可版权性及权属认定

（一）AI生成内容的独创性认定

生成式AI创作的内容的独创性是评判作品资格的一项基本要素。争论作品的独创性时，需要对创作主体和创作对象的人类智慧和思维进行综合评价。首先，要确定生成式AI创作的内容是否具备版权法上的独创性，需要看是否注入了人类的智慧与情感，而不能仅依赖客观形态的独创性作为判据。其次，尽管人类创作贡献的缺失可以否定生成式AI创作内容的独创性，但全盘否定可能会对该领域的发展造成阻碍。

我国司法实践判定生成式AI本身不能成为作者，但公民或法人利用生成式AI进行创作所产生的智力成果，在符合作品构成要件的条件下，能够认定为作品。2018年的菲林起诉百度人工智能生成内容权益案中，由软件自动生成数据报告，缺少自然人创作因素，法院否定了其独创性。在2019年的腾讯取得胜诉的版权纠纷案例中，法院指出腾讯的主创团队（由自然人组成）使用软件生成的财经新闻文本有特殊的表达形式和人性化的选择和安排，并将该作品视为法人作品[2]。从我国的立法角度，《著作权法》明确规定了作品需要具有一定的形式独创性，即我国的立法对人类在独创性表达中的贡献给出了规定。在生成内容的独创性证成上，目前国内通说认为其表达本身能够满足独创性标准的，即可具备可版权性[3]。

（二）生成内容的智力成果性判断

内容产生于生成式AI的创作可能被视为知识产出。评定生成式AI创作的内容是否为知识产出，可以从作者在使用AI生成内容的创作过程中的贡献作为评判标准。知识产出和独创性有共通之处，两者都涉及人类创作的贡献，并包含人类的智识和想法。在我国《著作权法》知识产出被明确提到作为作品认定的要素，这与知识产权的概念紧密相关，它代表非实物形态的精神财富。对于生成式AI创作的内容，人类思维、情感表达以及人类的贡献程度成为关键因素。各国版权法仅保护对思想理念的独创性表达，而非理念本身。如果全部内容要素由AI技术生成，人类仅以指令输入的方式参与，缺少思考和创作过程，那么此内容可能不符合著作权保护的条件。然而，如人类在AI创作内容过程中发挥主导作用，AI仅起辅助角色，该内容可能符合著作权的保护条件。生成式AI是数字技术发展的重要里程碑，对作品创作方式和内容形式的变革以及文化发展都起到了推动作用。总之，在研究生成式AI创作内容的作者和作品规范之后，对其版权侵权问题需要进一步分析探讨。

（三）生成内容的著作权归属认定

我国《著作权法》的规定，确定著作权归属的一般原则是著作权属于作者。具体来说，根据《著作权法》及其实施条例，作者是指“从事直接产生文学、艺术和科学作品的智力活动”的公民，同时，法律也赋予了法人或其他组织的作者身份。对于生成式AI生成内容的作者根据法律规定及其内在价值保护精神，作者应当是对符合该独创性、智力成果属性的生成内容直接贡献或贡献最大的人。就创作论文、散文、小说等中长篇幅文字性内容的生成式AI而言，其使用者往往只需要输入几个关键词即可产生一篇成果内容，这种情况下，生成式AI的开发者对生成内容的独创性、智力成果性的贡献显然更大；而在图片处理型的生成式AI方面，使用者必须通过提供原始性的素材，才能最终获得图片转化的效果，包括对其色彩、亮度等参数的调整，在这种情形下，生成内容对原始图片的依赖度更高，开发者反而对生成内容的贡献较小[4]。因此，判断生成内容的著作权归属，需要根据不同类型的生成式AI的具体性质而定，生成内容所依赖的独创性智力成果劳动贡献大小，决定了开发者、使用者谁是作者。

二、生成式AI引发的著作权侵权场景

（一）生成式AI引发的著作权侵权行为

依据我国《著作权法》规定，将他人作品进行数字化的行为被视为复制行为，会构成侵权。虽然生成式AI是目前高度先进的技术，但其依然在人工智能的范畴之外，其算法程序仍需依赖数据输入。数据获取通常包括利用公开的数据共享平台、购买他人的数据信息库或通过网络爬虫等方式获取。在这些途径中，可能会涉及将非数字化作品数字化，或直接复制数字化作品。在收集数据的过程中，往往无法准确判断所有数据的权利归属，如果涉及未经授权的他人享有著作权的作品，就可能会侵犯到著作权人的复制权。

《著作权法》未明确规定关于演绎权的内容。演绎权实际上是学者们对改编权、翻译权和汇编权的统称。在生成式AI技术的数据分析阶段，根据对输入数据的标记与否，训练可以分为受监督、半受监督和未受监督的学习。虽然生成式AI所采用的生成对抗网络属于未受监督的学习，未涉及数据的标记，所以在数据分析阶段不会侵犯著作权人的改编权。但无论是受监督、半受监督还是未受监督的学习，都涉及对数据的选取、整理和汇集，这可以被视为一种“汇编行为”。

（二）生成式AI引发的著作权侵权后果

1．受损主体的界定

在生成式AI的创作过程中，它所侵犯的可能不是一位著作权拥有者的单一作品，而可能是多个著作权拥有者的单一作品或多个作品的组合。在生成式AI的数据分析阶段，需要标签大量的信息数据并学习其特性。这显然不是简单地复制某个作者的单一作品，而是对多个作者或者某作者的作品组合中具有独创性的作品进行侵权的使用。在音乐领域，有一个例子能清楚地展示AI如何可能同时侵犯多人的著作权。AIVA是通过学习大量原有音乐的模式和声和旋律来创作新的音乐作品的。若没有征得各个原创作曲家或音乐出版商的许可。这种情况下AIVA生成的是全新的曲目，如果与其他原创作品过于相似，可能引发著作权侵犯。因此，使用AI生成新的内容，尤其是当这些内容基于受版权保护的作品时，可能会侵犯多人的著作权。

2．受损权利的界定

在生成式AI的数据分析过程中，数据的输入与输出阶段常涉及著作权问题。数据输入时，信息获取可能涉及复制行为，未经许可可能构成复制权侵犯。在输出阶段，若AI产品与输入数据实质性相似，可能构成著作权侵犯。生成式AI的创作结果分为三种情况：与输入作品完全不同、实质性相似、保持输入方式的同时展示新作品。前者不侵犯著作权，后者若实质性相似部分属于“表达”，则可能侵犯复制权。第三种情况可能涉及改编权问题，但简单视为改编权侵犯并不准确，因为AI并未在原作基础上进行实质性再创作。实际案例中，生成式AI常基于现有作品创作新作品。若这些作品仍在保护期内，可能侵犯他人改编权。学者将“深度学习”分为“表述性”和“产生性”两类，若生成物具独创性，那么在“表述性机器学习”阶段的编纂行为可能侵犯原作品编纂权。

三、生成式AI著作权纠纷困境及其多元化解决机制的构建

（一）诉讼解决生成式AI著作权纠纷的局限性

“以诉为主，兼采非诉”的纠纷解决模式是当前解决生成式AI著作权纠纷的主流，但诉讼并非最佳适用和唯一适用的解决方式[5]。生成式AI著作权纠纷相对于传统纠纷来说，争议主体广泛、争议类型复杂，以及纠纷的原因和复杂程度不同，给法官的审判工作带来了压力。同时，诉讼审理周期较长，与作者迫切救济权益的心态冲突，而生成式AI著作权需要一次性、可控性等需求与诉讼解决方式相悖。此外，生成式AI著作权纠纷还涉及复杂的跨国翻译、改编著作权和法域背景的问题，进一步限制了诉讼解决机制的效果。因此，建立一个统一协调、良性互动、功能互补、程序衔接的生成式AI著作权纠纷多元化解决机制是非常必要的。

（二）生成式AI著作权纠纷诉讼解决机制的完善路径

推进“繁简分流”机制改革，实现繁案精审、简案快审，通过成立“快审团队”和速裁机制，提高办案效率，为纠纷解决提供高效快捷的途径。同时，加强知识产权专业审判人才培养，提升基层法院审理水平，降低因事实认定不清导致的改判率。为更好地应对生成式AI侵犯著作权等新型案件，建立统一化电子证据事实查明系统至关重要。利用大数据技术进行经济损失量化分析，结合区块链存证和大数据分析质证，减轻法院事实认定负担。通过互联网技术自动判别著作权侵权纠纷，准确评估侵权损失，保障权利人权益。此外，该系统还可促进跨区域司法合作，为大湾区三地提供有效的司法解决途径。综上，通过改革审理机制、加强人才培养和建立统一化电子证据查明系统，我们能够更有效地应对知识产权纠纷，维护司法公正与社会和谐。

（三）生成式AI著作权纠纷的行政解决机制

在整体监管的框架内，我们构建了一套多层次的监管体系，旨在保护著作权并预防侵权行为。对于高风险模型，我们采取严格监管措施，包括要求定期自检和查封侵权设备；低风险模型则采取自主履行义务为主、行政监管为辅的策略。同时，我们落实网络实名制，制定著作权管理规则，并根据侵权程度给予不同处罚，严重者实施惩罚性赔偿。此外，我们鼓励研发具有评估、备案和伦理审核功能的监管工具，以评估AI模型的风险和社会影响，并加强企业内部管理。这些措施不仅有助于完善对生成式AI技术数据分析阶段的行政监管，还能有效保护著作权和公民权益。通过综合施策，我们实现了对生成式AI技术的全面、高效监管，为技术创新提供了有力保障。未来，我们将继续完善监管体系，促进科技与社会的和谐共生。

（四）生成式AI著作权纠纷的调解解决机制

为了推动生成式AI著作权纠纷的解决。首先，应该完善调解的调度机制。在支持发展的同时，也需重视对调解机构的指导和规范。需要积极引导各类调解机构参与纠纷的调和与预处理，以优化司法资源的分配。也需要通过简化审批流程和引入法律及技术专家，为著作人提供专业且高效的调解服务，并借助立法的手段来规范调解程序，再循序渐进，逐步制定程序生成AI著作权纠纷调解规则。其次，需要建立政府激励机制，使调解能更好地发挥解决争议的作用，以期将其建立为与诉讼相独立的社会纠纷解决方式。在人民调解机构中，应更多地引入专业人才，以增强专业能力。

结束语

需为人民调解机构提供资金支持，保证其有序发展，使著作权调解方式得以持续发展。最后着力于完善调解协议的效力，逐步推进“分调裁审”机制的加速改革，使调解协议与司法审验能够实现无缝衔接和高效核准。调解协议应当给予相应的民事合同效力，由法院基于当事人是否符合民事行为的法定构成要件来确定其约束力。应简化调解协议审核程序和启动程序，让调解能够更好地发挥作用。

参考文献

[1]孙祁.规范生成式人工智能产品提供者的法律问题研究[J].政治与法律，2023（7）：162-176.

[2]雷丽莉，朱硕.人工智能生成稿件权利保护问题初探：基于Dreamwriter著作权案的分析[J].传媒观察，2022（5）：62-69.

[3]生明君.人工智能生成物的著作权适用研究[D].北京：北京邮电大学，2023.

[4]孙正樑.人工智能生成内容的著作权问题探析[J].清华法学，2019，13（6）：190-204.

[5]詹映，邱亦寒.我国知识产权替代性纠纷解决机制的发展与完善[J].西北大学学报（哲学社会科学版），2018，48（5）：75-83.

作者简介：杨皓宇（1999— ），男，汉族，河南商丘人，东莞理工学院，在读硕士。

研究方向：知识产权。

通讯作者：龚红兵（1967— ），男，汉族，河南商丘人，东莞理工学院，副教授，博士。

研究方向：民商法。

赵家昌（2000— ），男，汉族，河北邯郸人，东莞理工学院，本科。

研究方向：知识产权。

王誉华（2000— ），女，汉族，广东梅州人，东莞理工学院，本科。

研究方向：法学。

基金项目：2022年大学生科技创新培育专项资金项目“多元治理视域下知识产权解纷路径探索：基于穗莞深三市的实证调研”（项目编号：pdjh2022a0509）。

东莞理工学院大学生创新创业训练计划项目“知识产权调解制度的理论与实践路径研究：基于大湾区背景下的局限与克服”（项目编号：202211819034）。

东莞理工学院大学生创新创业训练计划项目“AIGC-生成式人工智能的著作权问题研究”（项目编号：202311819033）。