AI绘画版权归属法律问题.pdf

AI绘绘画画版版权权归归属属法法律律问问题题研研究究

一一、、AI绘绘画画的的技技术术特特性性与与法法律律定定性性

（（一一））AI绘绘画画的的技技术术实实现现路路径径

当前主流AI绘画具主要基于生成对抗网络（GAN）和扩散模型（DiffusionModel）技术。前者通过生成器与判别器的对抗训

练形成创作能力，后者则通过逐步降噪过程构建图像。这些系统在训练阶段需要输入海量人类创作的美术作品数据，通过参数

调整形成特定风格特征。创作过程中，用户通过文字提示（prompt）或示例图片引导AI生成图像，系统依据算法模型进行组合

重构。

（（二二））AI生生成成物物的的法法律律属属性性争争议议

关于AI生成物是否构成著作权法意义上的作品，学界存在根本性分歧。独创性标准之争聚焦于人类智力投入是否必要要

件。支持方认为当AI输出具备审美价值且区别于现有作品时，应当承认其作品属性；反对方强调著作权制度的人文主义根基，

主张只有人类直接创作成果才受保护。司法实践中，美国版权局明确拒绝登记纯AI生成内容，而中国深圳法院在（2019）粤

0305民初14010号判决中承认了AI生成报告的独创性。

二二、、AI绘绘画画版版权权归归属属的的主主体体认认定定

（（一一））开开发发者者主主体体的的权权利利主主张张

算法开发者可能基于以下理由主张权利：其一，通过模型架构设计实现了特定的艺术风格表达；其二，在数据清洗和参数调校

中投入创造性劳动；其三，系统输出的审美特征实质来源于训练数据的特征提取。但这类主张面临技术黑箱的证明困境，且可

能构成对原始训练数据权利人的权利侵害。

（（二二））使使用用者者的的贡贡献献度度认认定定

使用者的输入行为可分为三个层次：基础指令（如绘制星空下的城堡）、详细参数设置（包括风格、构图、色彩等选项）、

以及迭代优化过程中的持续调整。英国知识产权局2023年指引文件指出，当使用者对最终成果具有充分控制力并做出实质性

创作选择时，可认定其作者身份。但简单指令输入难以构成独创性贡献，这需要结合个案中提示词的详细程度和生成结果的对

应性进行判断。

（（三三））AI系系统统的的法法律律主主体体资资格格

赋予AI法律主体资格面临理论障碍和实践难题。现行法律体系以自然人拟制为基础，法人作者制度旨在便利权利行使而非承

认机器主体地位。欧盟议会曾提出的电子人格概念引发广泛争议，反对者认为这可能成为技术公司规避责任的具。从技术

本质看，AI的创作行为实质是数据拟合与概率计算，缺乏人类作者特有的创作意图和情感表达。

三三、、不不同同创创作作模模式式下下的的权权属属划划分分

（（一一））完完全全自自主主生生成成模模式式

在无人类干预的自动创作场景下，日本知识产权战略本部2022年报告建议将权利归属于开发者，但需设置合理使用限制。这

种模式面临权利虚置风险：开发者难以预见具体产出，使用者缺乏控制手段，可能形成法律保护真空。南非2021年修正案尝

试将计算机生成作品归属于对创作进行必要安排的主体，但必要安排标准仍显模糊。

（（二二））人人机机协协作作生生成成模模式式

多数商业AI绘画平台属于此类模式。德国学者提出的贡献度分层理论将创作过程解构为数据训练、算法设计、交互操作三个

层面，建议根据各方投入的创造性程度分配权利。当使用者通过多次迭代调整获得预期作品时，其筛选、修正行为可能构成

《伯尔尼公约》要求的智力创作。中国Dreamwriter案确立的主持创作+承担责任标准，为此类案件提供了裁判思路。

（（三三））二二次次创创作作衍衍生生模模式式

对AI生成物进行人修改后的作品，可能形成衍生作品与原生成物的权利并存。美国第九巡回法院在erena作品案中确立

的显著改变标准值得借鉴：若人修改使作品具有新的独创性表达，修改者可单独享有版权。但需要防范将简单滤镜处理或

格式转换等同于创造性改编的风险。

四四、、现现行行法法律律框框架架的的适适用用困困境境

（（一一））作作者者身身份份制制度度的的僵僵化化

传统著作权法中的自然人创作原则与AI技术发展产生根本冲突。英国1988年《版权、外观设计和专利法》第9(3)条关于计算

机生成作品的规定，将作者认定为进行必要安排的人，但这种拟制作者制度难以适应深度学习系统的不可预测性。大陆法

系国家的创作人原则更面临解释论上的障碍。

（（二二））权权利利归归属属规规则则的的失失焦焦

现有法律缺乏对多方主体贡献度的评估机制。训练数据权利人的利益主张、开发者的技术贡献、使用者的操作投入形成复杂博

弈。欧盟《数字单一市