在数字创意领域，人工智能（AI）及其在生成型AI上的应用已经开启了一个新时代，挑战着传统的著作权法界限。

与一般认知相反，AI的机器学习过程并不类似于侵权人典型的重制或模仿；相反的，AI的机器学习更像人类学习的过程，是透过对作品的接触，去学习色彩、语言及图案排列的逻辑跟呈现顺序，进而凭借学习成果产出全新、不具与学习素材实质相近的著作。

本文旨在深入探讨AI机器学习的复杂性，并同时阐明其法律含义，并透过引述近期的重要案例来纠正常见的误解。

AI如何生成图片、文字？

生成型AI的基本原理是透过对资料、数据的学习来创造新内容。与著作权侵害典型的态样「散布」、「重制」及「改作」不同，它更多地是从现存著作及数据中进行「学习」。

图像生成

1. 数据分析与模式学习：用于图像创作的生成型AI，首先透过分析大量图像数据开始。

这包括识别图像中的物体，还要理解笔触纹理、色彩渐变、光照及空间关系等更深层次的元素。举例而言，一个成熟的生成是AI在学习风景画时，会于识别不同的元素后，如笔触、色彩混合技术以及光影的交互作用，应用这些元素于产出之作品中。

2. 特征提取： AI演算法中的卷积神经网路（convolutional neural network），可以藉由图像作品特定特征之提取，进而达到识别、并分离图像各种特征，如边缘、形状和纹理之效果。而「特征提取」对于AI机器人理解不同艺术作品之风格、笔触及画技至关重要。

3. 全新作品之生成：一旦AI透过特征提取、数据分析学会了特定技巧及艺术风格，它就可以生成新图像。

这通常是使用生成对抗网络（Generative Adversarial Network，GANs）来完成的。GANs包括图像生成器及图像鉴别器，透过生成器及鉴别器之交互作用及迭代之过程，生成式AI最终会制作出风格、特征上接近训练数据之图像（通常是指控侵权著作） ，但在实际比对却与训练数据之图像无实质近似性。

文本生成

1. 数据获取与语言模型建立：对于文本生成，像ChatGPT这样的AI模型吸收大量文本数据，包括但不限于书籍、文章、网站内容，甚至是对话纪录等广泛来源。AI藉由文本数据构建出一个能理解语法和推论出上下文的语言模型。

2. 语言预测：文本生成式AI中，最普遍的语言预测模型是n-gram，它会计算「特定词或短语」后接续词语的概率，进而达到惯用语表达、叙事结构和主、受词之一致之目的。然而，语言预测模型n-gram常见于文法、拼写检查，但难以处理较复杂的文本生成。

3. 编码及文本理解：对于上下文延伸以及整篇文本生成之复杂任务，n-gram模型就显得力不从心，这是因为它只能从有限的上下文信息进行预测，而非理解文本之语意。

相反地，Transformer模型透过自注意力机制（Self-Attention）将文本中的文字转换成向量（Input Embedding），再透过位置编码（Positional Encoding）加入文字顺序信息，来达到整份文本脉络之全面理解。

4. 文本生成：透过编码器（Encoder）对文本进行深度理解后，解码器（Decoder）则负责根据学到的文本特征进行文本生成。

这过程中，即使文字间长距离依赖关系可以被有效捕捉。上述Transformer模型的特性，让它得以生成前后连贯，而且具有创造性的文本。这种生成过程不仅基于对原文本深层次语意的理解，而且能够在深度学习后创造出在文义上符合逻辑、在内容上具备原创性的文本。。

AI生成与版权侵犯差在哪？

从前述图片及文本生成的原理可以知道，AI生成内容的方式与著作权法里所规定的侵权态样大相径庭，从以下几点观察尤其明显：

1. AI中的创造性本质：生成型AI显然不是不简单地将其学习的资料（现有作品）进行「复制」或「再现」。

反之，它是从大量数据及资料中学习文本的底层逻辑、文章结构及风格，综合这些元素后，来创造具备新颖信的著作。例如，在图像生成中，尽管AI可能从现有的艺术作品中学习，但产生的最终图像绝对不是复制自认和现存的著作，而是将深层学习的成果进行重组、转译而生的新创作。

2. 法律解释：从法律角度来看，AI生成内容与人类复制之间的区别是显著的。著作权法的基础概念是「仅保护想法之表达，而非想法、观念或系统本身」。

由上述可知，AI生成的作品是从训练数据（原作品）中学习底层逻辑、文章结构、图像作品之作画风格、笔触等想法及观念，而绝对不是去「再现」或「重置」训练数据（原作品）之表达。

AI生成作品的方式显然挑战传统著作权侵犯的界限。像「Andersen v. Stability AI Ltd」此代表性的案例中，诉讼上法律的攻防重点就是在Stable Diffusion生成之图片不构成侵权之情况下，它使用受版权保护的图像来训练AI是否构成侵权。

3. 转化与合理使用：从AI生成之作品来讨论是否构成侵权，则会去讨论到生成作品具备足够之转化性——这代表生成式AI在原作的基础上增添额外的表达，甚至赋予新的意义，这时候就要讨论是否有构成「合理使用」之可能。

这取决于AI创造出与原作显著不同作品的能力。目前DALL-E就是为了比免这样的法律争端，所以全面禁止以提供以AI在原作品上进行改作的功能。

利用AI对现存著作进行改作的争议再进起打到高峰，近期风靡全球的「帕鲁世界」，就是利用生成式AI，将多只宝可梦进行改作，甚至是多只宝可梦的融合。针对文本生成上，Thomson Reuters v. Ross Intelligence案之审查中，双方对于AI所生成的法律问件事构成合理使用的争点有深入的讨论，并做出肯定「合理使用」之结论。

生成式AI，对著作权法有哪些影响？

AI生成内容的过程，在图像和文本背景下展示了一种与直接复制或再生不同的创造性形式。这种区别对于理解为何AI的学习和生成方法不同于著作权侵犯之态样至关重要。

随着AI的不断发展，现存著作权只法律解，释必须有相应地修正及发展。随着AI技术的持续推广和更新，著作权法所面对的创作太样正处于不断变化之中。

「AI的学习、生成模式」与「著作权之重置态样」、「人类对想法、观念学习」之区别不仅仅在定义上大相径庭，也同时涉及深远的立法逻辑和创作伦理之解读。

随着AI技术的进步，现存的法律框架并定会进行修正；然而，相应法律修正的方向，有赖于立法者要如何平衡「AI创新潜力」与「保护原创作品与」这两个价值。

因此，下次当您遇到生成式AI是否构成著作权侵害的辩论时，请记得这是两个价值的折冲，绝对不要基于过时的观念草率地做出「生成式AI侵害原作著作权」的结论。

本文链接地址：https://www.wwsww.cn/hqfx/24208.html
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。