作者：謝佳佳 上海融力天聞律師事務(wù)所律師

　　2020年5月，被稱(chēng)為“人工智能生成內(nèi)容第一案”的“威科案”[1]二審結(jié)果出爐，法院認(rèn)為，“軟件用戶(hù)提交關(guān)鍵詞并應(yīng)用‘可視化’功能自動(dòng)生成分析報(bào)告”的行為并非著作權(quán)意義上的“創(chuàng)作”。兩年后，“Stable Diffusion案”[2]中，法院一改“威科案”的保守做法，認(rèn)定運(yùn)用“正向提示詞”“反向提示詞”并設(shè)置“參數(shù)”，通過(guò)人工智能作畫(huà)軟件“Stable Diffusion”“畫(huà)出”人物肖像（見(jiàn)下圖）是一種創(chuàng)作行為。

圖源：“Stable Diffusion案”判決書(shū)

　　對(duì)比“威科案”與“Stable Diffusion案”，我們可以發(fā)現(xiàn)，在我國(guó)，著作權(quán)法“以人為本”的基本思想并未動(dòng)搖，二案均明確提及“自然人創(chuàng)作”仍是作品認(rèn)定的必要條件。正如國(guó)際保護(hù)知識(shí)產(chǎn)權(quán)協(xié)會(huì)(AIPPI)在《人工智能生成作品版權(quán)問(wèn)題》強(qiáng)調(diào)的那樣,“只有作品的創(chuàng)作過(guò)程中存在自然人的干預(yù)貢獻(xiàn)，人工智能生成的內(nèi)容才有資格構(gòu)成作品”。然而，自然人之干預(yù)需要達(dá)到什么程度，該干預(yù)才能被認(rèn)為是“創(chuàng)作”，進(jìn)而享有《著作權(quán)法》為之圈定的一系列對(duì)世權(quán)利呢？

　　結(jié)合兩案案情，法院似乎認(rèn)為“輸入‘電影’、設(shè)定判決法院與時(shí)間段”（“威科案”）是不夠的，而“輸入數(shù)十至數(shù)百個(gè)‘迷人的臉’‘細(xì)致的皮膚’等‘正向關(guān)鍵詞’‘惡心’‘模糊’等‘反向關(guān)鍵詞’，設(shè)置‘迭代步數(shù)’‘高度’等四種參數(shù)”（“Stable Diffusion案”）是充分的。誠(chéng)然，從原告行為數(shù)量與維度來(lái)說(shuō)，“Stable Diffusion案”毫無(wú)疑問(wèn)是優(yōu)于“威科案”的，但數(shù)量與維度之增加是否導(dǎo)致其行為的性質(zhì)的變更，以至于越過(guò)了“思想與表達(dá)”那根神秘的分界線，使得原告行為在著作權(quán)法獲得不同的評(píng)價(jià)呢？

　　本文將在界定“什么是‘創(chuàng)作’”的基礎(chǔ)上對(duì)“‘Stable Diffusion’如何‘作畫(huà)’”進(jìn)行分析，以分享筆者對(duì)上述問(wèn)題之淺見(jiàn)。

　　一、什么是《著作權(quán)法》語(yǔ)境下的創(chuàng)作？

　　何為“創(chuàng)作”？《著作權(quán)法實(shí)施條例》第三條有明文規(guī)定——“著作權(quán)法所稱(chēng)創(chuàng)作，是指直接產(chǎn)生文學(xué)、藝術(shù)和科學(xué)作品的智力活動(dòng)”。而何為“作品”，《著作權(quán)法實(shí)施條例》第二條則規(guī)定：“著作權(quán)法所稱(chēng)作品，是指文學(xué)、藝術(shù)和科學(xué)領(lǐng)域內(nèi)具有獨(dú)創(chuàng)性并能以某種有形形式復(fù)制的智力成果”。

　　從以上規(guī)定我們可知?jiǎng)?chuàng)作行為需考察三個(gè)層面：一為“行為”——一種智力活動(dòng)，二為“行為結(jié)果”——文學(xué)藝術(shù)科學(xué)領(lǐng)域能以某種形式復(fù)制的內(nèi)容，最后一個(gè)要件則是“行為與行為結(jié)果關(guān)系”——前者直接產(chǎn)生后者。我們討論使用AI畫(huà)圖工具過(guò)程中人類(lèi)干預(yù)行為的定性問(wèn)題時(shí)，并無(wú)需討論“行為”與“行為結(jié)果”要件。原因在于，從“行為”角度出發(fā)，設(shè)置關(guān)鍵詞、參數(shù)需要用戶(hù)明確創(chuàng)作方向、發(fā)揮審美能力，判斷生成內(nèi)容是否符合要求，毫無(wú)疑問(wèn)，屬于一種智力活動(dòng)，而從“行為后果”角度出發(fā)，AI畫(huà)圖工具成果也與常規(guī)的電子圖畫(huà)并無(wú)二致，均屬于文學(xué)藝術(shù)科學(xué)領(lǐng)域能以某種形式復(fù)制的內(nèi)容。因此本文討論之核心便聚焦于“行為與行為結(jié)果關(guān)系”要件，即“設(shè)置關(guān)鍵詞、參數(shù)的行為是否能夠直接產(chǎn)生最終成果”。

　　關(guān)于何為“直接產(chǎn)生”，在同樣探討人工智能生成物可版性問(wèn)題的“Dreamwriter案”[3]中法官認(rèn)為“具體認(rèn)定是否屬于創(chuàng)作行為時(shí)應(yīng)當(dāng)考慮該行為是否屬于一種智力活動(dòng)以及該行為與作品的特定表現(xiàn)形式之間是否具有直接的聯(lián)系”。而根據(jù)王遷老師的觀點(diǎn)，這種特定表現(xiàn)形式被精準(zhǔn)的界定為“表達(dá)性要素”（王遷老師認(rèn)為：“‘直接產(chǎn)生’與‘間接影響’相對(duì)，是指人基于其自由意志直接決定了構(gòu)成相關(guān)內(nèi)容的表達(dá)性要素”[4]）。再結(jié)合美術(shù)作品的定義：“美術(shù)作品，是指繪畫(huà)、書(shū)法、雕塑等以線條、色彩或者其他方式構(gòu)成的有審美意義的平面或者立體的造型藝術(shù)作品”[5]，美術(shù)作品的表達(dá)性要素為其線條、色彩或其他審美要素，因此，進(jìn)一步的，我們對(duì)于“用戶(hù)設(shè)置關(guān)鍵詞、參數(shù)是否屬于創(chuàng)作”的判斷即是對(duì)“用戶(hù)該行為是否直接產(chǎn)生了線條、色彩或者其他審美要素”的判斷（當(dāng)然，用戶(hù)行為成果若屬于作品，是否屬于美術(shù)作品是另一個(gè)需要討論的問(wèn)題，但因本文主要對(duì)是否構(gòu)成作品的前序問(wèn)題進(jìn)行討論，為使討論問(wèn)題具體以便于理解，本文直接以用戶(hù)行為成果若構(gòu)成作品即為美術(shù)作品為前提）。

　　二、“Stable Diffusion” 如何“作畫(huà)”？

　　“Stable Diffusion案”中原告使用的軟件“Stable Diffusion”是近兩年大熱的AI圖像生成工具，“文生圖”是其諸多功能中的一種，該功能可以憑借一段簡(jiǎn)單的描述便可生成高質(zhì)量的相關(guān)圖片，例如，輸入“穿著西裝的泰迪熊在辦公桌邊討論商業(yè)提案”便可生成如下圖像。

圖源：大魚(yú)科普文獻(xiàn)[6]

　　“Stable Diffusion”與傳統(tǒng)AI作畫(huà)軟件并不相同，傳統(tǒng)軟件使用的模型運(yùn)作機(jī)理往往是“調(diào)用型”的，即通過(guò)對(duì)圖像元素添加關(guān)鍵詞，再讓指令詞與圖像信息進(jìn)行匹配，在指令詞與預(yù)先設(shè)置的關(guān)鍵詞一致的情況下，調(diào)用預(yù)先設(shè)置的圖像并進(jìn)行呈現(xiàn)，而“Stable Diffusion”則屬于“生成型”工具，其預(yù)先通過(guò)數(shù)據(jù)訓(xùn)練“培養(yǎng)”一個(gè)掌握既定圖像規(guī)律的模型，之后再根據(jù)用戶(hù)輸入內(nèi)容，自主生成相應(yīng)內(nèi)容。

　　從構(gòu)造角度來(lái)說(shuō)，“Stable Diffusion”由“文本理解”與“圖像生成”兩個(gè)模塊組成（見(jiàn)下圖）。

圖源：梗直哥科普視頻[7]

　　“文本理解”模塊負(fù)責(zé)采集用戶(hù)的文本輸入并將其轉(zhuǎn)化為機(jī)器可以理解的數(shù)字語(yǔ)言?！皥D像生成”模塊則結(jié)合“文本理解”模塊遞送的信息經(jīng)由其內(nèi)部的“圖像信息創(chuàng)建器”創(chuàng)建出機(jī)器圖像語(yǔ)言并最終通過(guò)“圖像解碼器”呈現(xiàn)出人類(lèi)可識(shí)別的圖像。

　　“機(jī)器學(xué)習(xí)”讓AI獲得“創(chuàng)作能力”

　　“圖像信息創(chuàng)建器”是如何創(chuàng)建圖像的呢？這涉及到該軟件運(yùn)行的核心機(jī)制——“擴(kuò)散原理（diffusion）”，也即該軟件名稱(chēng)的由來(lái)?！皵U(kuò)散”一詞本意是指分子從高濃度向低濃度轉(zhuǎn)移的物理現(xiàn)象，例如在水中加入一勺糖，糖分子逐漸溶解的過(guò)程，即為“擴(kuò)散”，而對(duì)水進(jìn)行加熱，水分逐漸蒸發(fā)，最終又提取到糖的過(guò)程，則為“擴(kuò)散”的逆過(guò)程。運(yùn)用到圖像生成的領(lǐng)域則是指：給定一張?jiān)紙D片后，依次、定量的給圖片增加噪聲（可以理解為在圖像上撒上一些細(xì)面粉，使得圖像出現(xiàn)細(xì)節(jié)缺失），直至其變?yōu)椴豢杀嬲J(rèn)的完全噪聲狀態(tài)（見(jiàn)下圖）。

圖源：大魚(yú)科普文獻(xiàn)

　　之后，再訓(xùn)練一個(gè)可以進(jìn)行噪聲預(yù)測(cè)的模塊（Noise Predictor），預(yù)測(cè)出目前模糊態(tài)的圖像具體添加的噪聲（即預(yù)測(cè)出該圖像被撒上了多少面粉及面粉具體的分布），將增加了噪聲的圖像逐步“減去”每一步預(yù)測(cè)的噪聲（抹去預(yù)測(cè)的面粉），即可逐步將圖像恢復(fù)到初始的狀態(tài)，恢復(fù)的過(guò)程即為圖像生成的過(guò)程（見(jiàn)下圖），而使用的步驟次數(shù)則為“迭代步數(shù)”。

圖源：大魚(yú)科普文獻(xiàn)

　　那“噪聲預(yù)測(cè)模塊”又是如何獲得預(yù)測(cè)噪聲的能力的呢？這得益于機(jī)器學(xué)習(xí)技術(shù)的發(fā)展。機(jī)器學(xué)習(xí)是一種通過(guò)增強(qiáng)算法對(duì)海量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析和數(shù)學(xué)建模,從而“學(xué)習(xí)”人類(lèi)的思維模式進(jìn)而形成先進(jìn)算力的技術(shù)。具體到擴(kuò)散模型中噪聲預(yù)測(cè)模塊的訓(xùn)練，其方法是，收集足夠多的噪聲圖像作為輸入，然后將真實(shí)噪聲作為輸出，在這過(guò)程中，對(duì)預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià)并對(duì)應(yīng)調(diào)整參數(shù)，如此進(jìn)行一段時(shí)間訓(xùn)練后便可獲得具有一定精準(zhǔn)度的“噪聲預(yù)測(cè)模塊”（見(jiàn)下圖）。

圖源：梗直哥科普視頻

　　“調(diào)節(jié)機(jī)制”讓用戶(hù)設(shè)定影響“創(chuàng)作方向”

　　上文我們描述的圖像生成過(guò)程是完全隨機(jī)的，在不加入任何調(diào)節(jié)機(jī)制的情況下，生成內(nèi)容可能是“美女”也可能是“野獸”，而“調(diào)節(jié)機(jī)制”的存在則可以使內(nèi)容向我們想要的方向發(fā)展。在“文生圖 (text-to-image)”功能的框架下，調(diào)節(jié)工具即是上文提及的“文本理解”模塊?！癝table Diffusion”文本理解模塊的核心模型是 OpenAI 在 2021 年初發(fā)布的用于匹配圖像和文本的預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)——CLIP（Contrastive Language-Image Pre-Training）。CLIP訓(xùn)練使用的數(shù)據(jù)集包含了數(shù)量多達(dá)4億的圖像及其對(duì)應(yīng)的文本描述，經(jīng)過(guò)高強(qiáng)度的迭代訓(xùn)練之后，模型逐漸掌握了語(yǔ)言與圖像之間的強(qiáng)對(duì)應(yīng)關(guān)系。用戶(hù)通過(guò)“文本理解模塊”輸入文本，經(jīng)過(guò)CLIP模型進(jìn)一步處理為“圖像生成模塊”可以理解語(yǔ)義信息，用以指導(dǎo)“噪聲預(yù)測(cè)器”生成特定圖片（見(jiàn)下圖）。

圖源：梗直哥科普視頻

　　三、用戶(hù)對(duì)提示詞、參數(shù)的設(shè)定并不直接產(chǎn)生最終內(nèi)容的表達(dá)性要素

　　從上文分析我們可以看出，“Stable Diffusion”與傳統(tǒng)的畫(huà)筆或photoshop等電子繪圖工具并不相同，其能夠?qū)?shù)據(jù)訓(xùn)練過(guò)程中習(xí)得的圖像規(guī)律運(yùn)用在特定的命題中，換言之，其自身具有“創(chuàng)作”能力。用戶(hù)輸入的“害羞”、“可愛(ài)”等提示詞，只是作為一個(gè)調(diào)節(jié)因子，影響了AI作畫(huà)軟件的生成方向，最終成果中包含的表達(dá)性要素還是由AI作畫(huà)軟件決定。同時(shí)，可以想見(jiàn)，若將同一套用戶(hù)操作（設(shè)置相同的關(guān)鍵詞、參數(shù)等）輸入不同的AI作畫(huà)軟件，生成的結(jié)果大概率是不同的。其原因在于，不同的AI作畫(huà)軟件其使用的模型并不相同，每個(gè)模型采用的訓(xùn)練數(shù)據(jù)的數(shù)量、質(zhì)量、訓(xùn)練方法也并不相同，這導(dǎo)致了不同AI作畫(huà)軟件對(duì)圖像規(guī)律的“理解”是不同的，因此其生成結(jié)果勢(shì)必也是各有不同的。若我們將用戶(hù)對(duì)生成工具的設(shè)定認(rèn)定為創(chuàng)作，同一創(chuàng)作行為卻可能產(chǎn)生不同的創(chuàng)作成果，這顯然是讓人無(wú)法接受的。

　　用戶(hù)對(duì)AI作畫(huà)軟件的設(shè)定行為是否屬于創(chuàng)作這一問(wèn)題在美國(guó)同樣引起了廣泛的討論。時(shí)至今日，美國(guó)版權(quán)局[8]對(duì)人工智能生成物是否屬于作品進(jìn)行過(guò)四次的判定，其中，2023年年初的“黎明的扎利亞《Zarya of the Dawn》案”（“黎明案”）與我國(guó)的“Stable Diffusion案”如出一轍?！袄杳靼浮敝袪?zhēng)議作品為美國(guó)藝術(shù)家Kristina Kashtanova創(chuàng)作的科幻漫畫(huà)書(shū)，該漫畫(huà)書(shū)圖像部分為該藝術(shù)家使用AI作畫(huà)軟件Midjourney自動(dòng)生成（Midjourney與Stable Diffusion核心模型均是擴(kuò)散模型）。與我國(guó)法官認(rèn)為用戶(hù)的設(shè)定行為屬于創(chuàng)作不同，美國(guó)版權(quán)局認(rèn)為文字指令只能干預(yù)AI的生成方向，而不能決定最終生成產(chǎn)物，因此拒絕將該部分內(nèi)容登記為作品。而在該案之后，美國(guó)版權(quán)局進(jìn)一步發(fā)布了《含人工智能生成內(nèi)容的作品登記指南》（Copyright Registration Guidance: Works ContAIning Material Generated by Artificial Intelligence），在該指南中，美國(guó)版權(quán)局直接表示“若用戶(hù)對(duì)系統(tǒng)如何闡釋指令和生成內(nèi)容并未運(yùn)用最終的創(chuàng)造性控制力。......是機(jī)器決定了如何在輸出結(jié)果中執(zhí)行這些指令。由此產(chǎn)生的內(nèi)容并不是人類(lèi)創(chuàng)作的結(jié)果”。

　　設(shè)定復(fù)雜細(xì)致的提示詞是創(chuàng)作嗎

　　有觀點(diǎn)認(rèn)為：雖然使用部分抽象提示詞通過(guò)AI作畫(huà)軟件作畫(huà)確實(shí)可能沒(méi)有直接對(duì)最終成果的表達(dá)性要素進(jìn)行選擇與安排，但在特定情況下，用戶(hù)的提示詞足夠具體，具體到對(duì)圖像生成方向的約束力足夠強(qiáng)時(shí)，設(shè)定提示詞的過(guò)程也是一種創(chuàng)作行為。筆者認(rèn)為，這樣的觀點(diǎn)與客觀情況并不相符。一方面，以文字描述畫(huà)面，特別對(duì)于有一定復(fù)雜度的畫(huà)面，本身是非常難做到的，這是由文字本身的想象空間與視覺(jué)元素的確定性之間的固有的矛盾決定的。另一方面，AI作畫(huà)軟件內(nèi)容生成能力的存在，決定了無(wú)論如何具體豐富的描繪，作為輸入進(jìn)入生成模型后，模型都存在一個(gè)固定的運(yùn)算過(guò)程，這一過(guò)程會(huì)將模型經(jīng)過(guò)訓(xùn)練習(xí)得的圖像規(guī)律的理解以最終表達(dá)的方式呈現(xiàn)出來(lái)。

　　當(dāng)然，也許有人會(huì)認(rèn)為，特定情況下，文字是可以精準(zhǔn)描繪畫(huà)面的，例如，若目標(biāo)畫(huà)面是荷蘭著名幾何抽象派畫(huà)家蒙德里安的一些作品，以簡(jiǎn)單的顏色與幾何線條搭配為內(nèi)容（如下圖），向AI工具發(fā)出關(guān)于具體線條及顏色搭配的文字提示詞，AI工具是很可能可以準(zhǔn)確再現(xiàn)該作品的。

圖源：百度百科

　　對(duì)此，筆者認(rèn)為，在這樣的情況下，AI工具本身實(shí)際上是不存在創(chuàng)作空間的，用戶(hù)當(dāng)然可以被認(rèn)定最終創(chuàng)作了作品，但問(wèn)題是，這樣的AI工具更多是類(lèi)似于語(yǔ)音識(shí)別那樣的轉(zhuǎn)換型AI，其追求的也更多是一比一的精準(zhǔn)還原而不是內(nèi)容創(chuàng)作，也就不是我們討論的使用擴(kuò)散模型等圖像生成技術(shù)的AI。

　　相機(jī)與AI圖像生成工具一樣嗎

　　有觀點(diǎn)認(rèn)為從傳統(tǒng)畫(huà)筆，到攝像師手中的相機(jī)，再到如今用于生成圖片的AI，工具的法律性質(zhì)從未改變，而AI生成內(nèi)容的獨(dú)創(chuàng)性來(lái)源于創(chuàng)作者使用工具時(shí)的干預(yù)手段及后期對(duì)AI生成內(nèi)容的評(píng)價(jià)、篩選行為。對(duì)此，筆者認(rèn)為通過(guò)對(duì)二者內(nèi)容生成過(guò)程的觀察，我們可以發(fā)現(xiàn)相機(jī)與AI存在顯著的差異。首先，我們需要厘清的是，對(duì)于攝影作品而言其獨(dú)創(chuàng)性來(lái)源并非是對(duì)客觀世界的機(jī)械復(fù)制，而是對(duì)拍攝主體、光影、背景、布置、拍攝時(shí)機(jī)的選擇，而這些獨(dú)創(chuàng)性的選擇直接決定了畫(huà)面中的表達(dá)性要素，對(duì)此，早在1884年美國(guó)的“Burrow-Giles 案”[9]已有論述。而反觀AI圖像的生成過(guò)程，如前所述，在用戶(hù)干預(yù)行為與最終成果之間始終橫亙著生成模型的計(jì)算過(guò)程，用戶(hù)的選擇無(wú)論多么具有獨(dú)創(chuàng)性，其對(duì)最終結(jié)果不具有控制力，并不能直接決定最終表達(dá)。而前述觀點(diǎn)的一種衍生觀點(diǎn)認(rèn)為，攝影師時(shí)常對(duì)畫(huà)面也缺乏控制力，比如，若以“抓拍”的方式進(jìn)行拍攝，攝影師實(shí)際上也是面對(duì)著一個(gè)完全隨機(jī)的過(guò)程，其無(wú)法準(zhǔn)確預(yù)見(jiàn)成果，也無(wú)法對(duì)最終的成果施加控制力。對(duì)此，筆者曾就抓拍過(guò)程咨詢(xún)過(guò)鳥(niǎo)類(lèi)攝影愛(ài)好者，根據(jù)他的講述，筆者發(fā)現(xiàn)其拍攝的過(guò)程確實(shí)充滿了隨機(jī)性。以下圖的創(chuàng)作為例，攝影愛(ài)好者們會(huì)選取一個(gè)觀鳥(niǎo)點(diǎn)，在風(fēng)和日麗的一天，在特定位置架上攝影機(jī)，進(jìn)行一些參數(shù)設(shè)定并設(shè)置好連拍模式，然后在投食點(diǎn)放上鳥(niǎo)食，之后便靜待鳥(niǎo)群成群結(jié)隊(duì)而來(lái)，最終，會(huì)在數(shù)十張照片中選取動(dòng)態(tài)最好的作品。

　　猛一看，這過(guò)程似乎和AI生成過(guò)程設(shè)置關(guān)鍵詞、參數(shù)之后靜待成果的過(guò)程很相似，但實(shí)際上，二者并不相同。理由在于，創(chuàng)作者的選擇對(duì)最終成果是否具有控制力，評(píng)估的是創(chuàng)作者的選擇是否能夠直接產(chǎn)生最終的內(nèi)容，是否存在其他的隨機(jī)力量打斷這個(gè)生成過(guò)程，而不是評(píng)估創(chuàng)作者是否能夠保證最終結(jié)果符合其開(kāi)始的創(chuàng)作預(yù)期，也就是與攝影師想拍某種內(nèi)容是否拍到，與一個(gè)畫(huà)師想畫(huà)一副肖像畫(huà)是否畫(huà)的像，沒(méi)有關(guān)系。說(shuō)回到“抓拍”這一形式，雖然這是一種包含許多隨機(jī)性的創(chuàng)作方式，但先不考慮攝影師的各種設(shè)定本身會(huì)否符合創(chuàng)造性的要求（這需要個(gè)案分析）的情況下，當(dāng)照相機(jī)“咔嚓”那一下之后，畫(huà)面便固定了，隨機(jī)性消失，隨機(jī)性?xún)H存在在拍攝之前。而反觀AI創(chuàng)作，提示詞、參數(shù)等被設(shè)定之后，隨機(jī)性才發(fā)生，用戶(hù)設(shè)定對(duì)最終成果的控制力被AI“創(chuàng)作”帶來(lái)的隨機(jī)性打斷，因此，用戶(hù)對(duì)最終成果是缺乏控制的。那么，如何評(píng)價(jià)用戶(hù)對(duì)最終畫(huà)面的選擇呢？這個(gè)選擇同樣發(fā)生在隨機(jī)性消失之后，是否可以被認(rèn)為是一種創(chuàng)作呢？對(duì)此，筆者認(rèn)為，在這個(gè)階段的選擇實(shí)際上只是一種判斷，內(nèi)容生成的過(guò)程已經(jīng)完成，這個(gè)選擇本身并不會(huì)產(chǎn)生任何成果，并不屬于一種創(chuàng)作行為，而若用戶(hù)基于這個(gè)判斷繼續(xù)新一輪的關(guān)鍵詞、參數(shù)的設(shè)定則是另一輪隨機(jī)性事件的啟動(dòng)，便如之前的論述一樣，因缺乏對(duì)最終成果的控制力，難以被認(rèn)為是一種創(chuàng)作行為。

　　注釋?zhuān)?/b>

　　[1]（2019）京73民終2030號(hào)。

　　[2]（2023）京0491民初11279號(hào)。

　　[3]（2019）粵0305民初14010號(hào)。該案軟件開(kāi)發(fā)與使用為同一主體，與“威科案”“Stable Diffusion案”軟件開(kāi)發(fā)者與使用者分離的情況有所不同。

　　[4] 王遷：《再論人工智能生成的內(nèi)容在著作權(quán)法中的定性》，《政法論壇》2023年第4期。

　　[5]《著作權(quán)法實(shí)施條例》第四條。

　　[6] 大魚(yú)：《揭秘穩(wěn)定擴(kuò)散的神奇魔力 - 讓您輕松理解StableDiffusion原理》，https://mp.weixin.qq.com/s/Jxkfh6TeN1CTSQNwwRnahQ；訪問(wèn)時(shí)間：2024年1月2日。

　　[7] 梗直哥：《【AI繪畫(huà) Diffusion 擴(kuò)散模型】動(dòng)畫(huà)版破解，側(cè)重思路適合小白》https://www.bilibili.com/video/BV1Wv4y1H77v/?buvid=ZE453DE21178D5AA41BC9D0FD256BE4EF05D&from_spmid=mAIn.later-watch.0.0&is_story_h5=false&mid=bp7xoMcu%2FqIRcxWipSdw%2Fw%3D%3D&p=1&plat_id=312&share_from=ugc&share_medium=iphone&share_plat=ios&share_session_id=789BC1F0-FEA1-4DCC-AF0C-28346B707B1C&share_source=WEIXIN&share_tag=s_i&spmid=playlist.playlist-video-detAIl.0.0×tamp=1704187736&unique_k=ReOKqyF&up_id=1921388479；訪問(wèn)時(shí)間：2024年1月2日。

　　[8] 根據(jù)《美國(guó)版權(quán)法》第411a條，起源國(guó)為美國(guó)的作品，只有在獲得著作權(quán)登記后才可進(jìn)行侵權(quán)訴訟，所以，與中國(guó)版權(quán)局發(fā)放的著作權(quán)登記證書(shū)并無(wú)實(shí)際確權(quán)效力不同，美國(guó)版權(quán)局會(huì)對(duì)作品自身是否具有可版權(quán)性進(jìn)行實(shí)質(zhì)審查。

　　[9] Burrow-Giles Lithographic Co. v. Sarony, 111 U.S. 53 （1884）.

（本文僅代表作者個(gè)人觀點(diǎn)，不代表知產(chǎn)財(cái)經(jīng)立場(chǎng)）

查看更多知識(shí)產(chǎn)權(quán)精彩內(nèi)容，請(qǐng)瀏覽知產(chǎn)財(cái)經(jīng)官網(wǎng)：www.gtkf.cn