3.8.2.1AI 艺术的版权归属
AI 生成的艺术作品在版权问题上一直是个争议焦点。由于这些作品是由机器而非传统意义上的“创作者”生成的，所以它们的版权归属成为一个复杂和模糊的问题。在美国，根据现行版权法（United States Copyright Act ），只有“原创性作品”的“创作者”才能拥有作品的版权。因此，由于AI 并非一个法律主体，美国版权局通常不会承认AI 生成的艺术作品具有版权。不同国家和地区对 AI 生成作品的版权问题有不同的解释和应用。例如，一些欧洲国家正在探讨修改相关法律的可能性，以适应AI 和其他自动化技术在艺术创作中的应用。另一种观点是，即使艺术作品是由AI 生成的，由于背后有艺术家的参与和创意的输入，例如选择数据集、调整参数等。因此应当认为这是艺术家与AI 的共同创作，版权应归艺术家所有。需要注意的是，当AI 算法或模型属于某一企业或组织时，其生成的艺术作品的版权可能会更加复杂。企业可能会主张拥有所有由其AI 系统生成的艺术作品的版权，这可能引发一系列商业和伦理纠纷。
AI 生成的艺术作品的版权归属是一个尚未解决的复杂问题，涉及多个层面的考量，包括法律、伦理和商业。不同的国家和文化背景也可能导致不同的解释和应用。因此，这一问题需要全球范围内的深入讨论和研究。在这一部分中，我们专门针对AI 生成的艺术作品在版权方面的问题进行了深入的探讨。这些问题不仅影响着艺术家，也影响着整个艺术生态系统，包括艺术机构、收藏家，以及与艺术有关的法律和商业实体。希望这一分析能为相关的研究和讨论提供有益的思考。
3.8.2.2 从传统艺术到AI 艺术的版权转变
随着人工智能和数字技术在艺术领域的广泛应用，我们正在见证从传统艺术到AI 艺术在版权方面的明显转变。这种转变主要体现在
以下几个方面：第一，原创性的重新定义。在传统艺术中，原创性通常与艺术家的个人风格、技巧和观念紧密相关。但在AI 艺术中，原创性的定义变得模糊。算法生成的艺术作品是否能被认为是“原创”的，以及在何种程度上具有原创性，成了一个争议点。第二，创作过程的复杂性。在传统艺术中，创作过程主要依赖于艺术家的手工技艺和个人直观。而在AI 艺术中，创作过程可能包括数据收集、算法选择、模型训练等多个步骤，这增加了版权问题的复杂性。第三，多方参与。传统艺术作品通常只涉及单一的创作者，但 AI 艺术可能涉及多个参与者，包括数据科学家、软件工程师，以及使用 AI 工具的艺术家等。这种多方参与让版权归属更加复杂。第四，数据与版权。 AI 艺术作品通常基于大量数据生成，这些数据可能来源于公共领域或其他艺术作品。如果使用了受版权保护的数据或元素，将涉及第三方版权问题。
从传统艺术到 AI 艺术的版权转变正在引发一系列复杂和挑战性的问题。这不仅影响艺术创作本身，也触及法律、伦理和社会经济等多个维度。因此，适应这一转变需要跨学科和多方面的合作和研究。通过对从传统艺术到AI 艺术在版权方面的转变进行分析，我们可以看出这是一个动态和复杂的过程，需要各方共同努力以达成一种公平、合理的版权解决方案。希望这些观点能进一步推动相关的学术和实践讨论。
3.8.2.3 数据获取和隐私问题
在人工智能领域，数据获取和隐私问题是至关重要的议题。数据在训练人工智能模型中扮演重要角色，高质量的数据可以提升模型性能，但缺乏或低质量的数据可能导致模型偏见和不准确性，因此数据获取成为研究和应用的核心环节。与此同时，隐私问题涉及保护个人信息，需要遵循隐私法规和伦理准则，特别是在医疗、金融等敏感领域的人工智能应用中更为重要。
数据伦理在数据使用中起到关键作用，避免滥用数据如歧视性算法、侵犯隐私等，确保数据使用的公平性与透明性。数据收集的透明性是建立信任的基础，应告知数据所有者数据用途并取得合法授权，从而保障数据的合法合理使用。保障数据安全至关重要，防止数据泄露、黑客攻击等危害，需要采取适当的安全措施。
在全球范围内，差异化隐私和文化差异需要得到重视，以确保跨国数据处理的合规性。数据匿名化和去识别化是保护用户隐私的方法之一，降低敏感信息的风险。遵守合法合规原则，遵循国际、国家和地区的法律法规，对于维护法律责任和信誉至关重要。
综上所述，数据获取和隐私问题是人工智能领域的核心挑战，需要在技术、伦理和法律层面进行综合考量，以确保数据的安全、合法性和隐私保护，同时促进人工智能的可持续发展。
3.8.2.4 开源与专利：资源的共享与保护
开源和专利是资源共享和保护的两个方面，对于艺术创作具有重要影响。开源软件和算法的共享可以降低艺术创作的门槛，使更多人能够参与到这一领域。开源的好处在于它促进了技术的民主化和共享，使得创作者可以共同分享和改进技术，从而推动艺术创作的发展和创新。然而，与开源相对应的是专利和知识产权的保护。专利保护可以激励创新，鼓励创作者投入更多的时间和资源来开发新的技术和算法。专利保护可以确保创作者的权益和利益，使他们能够获得应有的回报和认可。
在开放和保护之间找到平衡是一个需要权衡的问题。我国知识产权法律体系的一项重要原则是利益平衡。过度的专利保护将会限制技术的共享和创新，阻碍了艺术创作的发展。相反，过度的开源可能导致技术的滥用和不公平竞争。因此，需要在保护知识产权的同时，也要鼓励开放和共享，以促进艺术创作的多样性和创新。
一种可能的解决方案是通过开源许可证来平衡开源和保护的需求。这些许可证可以确保技术的共享和改进，同时也保护了创作者的权益和利益。此外，公共和私人部门可以合作，制定相关政策和法规，以促进技术的共享和保护，为艺术创作提供更好的环境和支持。
开放授权机制160通过许可证约定使用者的权利和义务，目的是打破一对一的低效授权。在遵循许可证条件的情况下，使用者可以自由、免费地使用和修改作品。这种开放授权机制后来扩展到文档、图片、音视频领域。知识共享许可协议（Creative Commons license，简称 CC 协议）为传统作品的版权授权开辟了一条新路。
开放授权的共同点包含以下内容：（1）承认著作权，要求署上原作者或著作权持有人的姓名，这是授权最基本的限制；（2）允许免费的私人使用和商业使用；（3）允许使用者修改及修改后再发布；
（4）免责声明：原作者或著作权持有人不承担作品使用后的风险及产生的后果；（5）终止授权：一旦违反开放授权条件时，终止一切授权，回归传统的知识产权保护。
以主流的深度学习框架为例，目前，人工智能软件技术开发都使用开源许可证，主要有 MIT 许可证、BSD 许可证、Apache 许可证等。训练数据库也应多使用开源资源，并推动更多科学作品的开放授权，推动生成式人工智能输出数据的开放许可。
总之，开源和专利是资源共享和保护的两个方面，对于艺术创作具有重要影响。在开放和保护之间找到平衡是一个需要权衡的问题，通过开放许可证和政策合作等方式，可以促进技术的共享和保护，推动艺术创作的发展和创新。
在这一部分中，我们详细探讨了技术和资源对于数字和AI 艺术的多维影响。这些问题不仅影响着艺术创作本身，也进一步复杂化了
160 源于计算机软件领域的开源许可证，是一种对世的著作权开放授权声明。
整个艺术生态系统。希望这些分析能为未来的研究和讨论提供有益的参考。
3.8.2.5 数据知识产权合法性的挑战
在人工智能领域我国已采取多项措施来保护和促进相关的知识产权发展。主要包括知识产权法律法规完善，目前已经制定了一系列法律法规来保护人工智能知识产权，包括专利法、著作权法、商标法等。以下法案和法规均涉及生成式人工智能数据训练知识产权合法性的问题。2023 年国家互联网信息办公室发布的《生成式人工智能服务管理暂行办法》，主要规定了生成式人工智能服务提供者应当依法开展预训练、优化训练等训练数据处理活动，使用具有合法来源的数据和基础模型，不得侵害他人依法享有的知识产权，涉及个人信息的，应当取得个人同意或者符合法律、行政法规规定的其他情形。《办法》旨在促进生成式人工智能健康发展和规范应用，维护国家安全和社会公共利益，保护公民、法人和其他组织的合法权益。《办法》根据《中华人民共和国网络安全法》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》《中华人民共和国科学技术进步法》等法律、行政法规制定。161除此之外，《网络安全法》用于规定网络安全的各种要求和规则。《数据安全法》主要涉及数据的安全和管理。《个人信息保护法》关注个人信息的收集、使用和保护。
161 《生成式人工智能服务管理暂行办法》（国家互联网信息办公室 中华人民共和国国家发展和改革委员会 中华人民共和国教育部 中华人民共和国科学技术部 中华人民共和国工业和信息化部 中华人民共和国公安部 国家广播电视总局令 第 15 号） 中央网络安全和信息化委员会办公室 中华人民共和国国家互联网信息办公室。
这些法律为人工智能相关的发明、创作和创新提供了法律保护框架。既是促进生成式人工智能健康发展的重要要求，也是防范生成式人工智能服务风险的现实需要。162
鉴于当前我国人工智能技术尚处于初级阶段，因此在制定法律法规的同时又需要给予科技创新足够的发展空间。“美国对人工智能研发过程中的知识产权问题采取‘先产业发展后立法’模式，即在 AI研发过程中不提及版权，而是依赖于社会舆论、企业自觉、司法和行政系统的事后回应来解决知识产权争议。”163虽然美国的举措出于推动产业创新、防止法律与技术进步脱节等考量，但未免有些过犹不及。
这项挑战也适用于人工智能艺术领域，特别是生成式人工智能在艺术创作中的应用。与全球相比，我国的AI 艺术发展尚不成熟。为了加速创新和发展，需要建立健康的艺术生态系统，包括培养人才、提供创新支持、鼓励投资、采用开放包容的规范原则等方面的举措。例如生成式人工智能数据来源合法性是生成式AI 艺术合规的必要条件，但是突破与创新离不开相对宽松的法律政策环境和技术生态建设。所以如何保持二者的平衡成为构建和谐艺术生态的挑战之一。
AI 艺术中使用的模型依赖于生成式人工智能数据的数量、质量、多样性、多模态性、实时性、长期演进性、合规性以及多语言性等，因此，数据对于AI 艺术至关重要。已知人工智能数据来源包括两部分：训练数据库和服务用户过程中产生的AI 合成数据。训练数据库
162 国家网信办等七部门联合公布《生成式人工智能服务管理暂行办法》 中央网络安全和信息化委员会办公室中华人民共和国国家互联网信息办公室。
163 张平：《生成式人工智能数据训练知识产权合法性问题探讨》，https://mp.weixin.qq.com/s/8N4-ojQvfmRnhP_HfMinVQ
涵盖广泛的数字化信息，如公共数据、网络信息、图书、对话数据集、报刊、科学论文等。目前，这部分的数据会涉及传统意义上的知识产权纠纷。在未来，当AI 艺术受到法律保护时，相互数据学习将会引发不同的生成式AI 艺术作品之间的知识产权问题。对于 AI 艺术家而言，这无疑增加了创作的复杂度，需要在创作前期做到周全的准备工作。
训练数据来源的法律风险分为三种类型：第一，公有领域内容，不存在著作权问题，但可能涉及人身权问题；第二，通过授权获得的内容，难以完全准确授权；第三，使用爬虫技术爬取的网络信息，受网络爬虫协议条款限制，商业产品开发可能受限。政府在制定法律政策和规范时，应考虑数据来源的多样性和法律风险，同时平衡创新发展和知识产权保护之间的关系。所以AI 艺术的良性发展需要更明确的法律指导，以确保数据的合法使用和维护创作者的权益。当AI 艺术家对AI 模型进行数据训练时则需要根据著作权法预先评估每个阶段的合法性，避免在训练数据库的输入阶段和输出阶段侵犯著作权。这种谨慎的创作方式，一方面保护了知识产权的合法性，另一方面也成为艺术家创作时的限制。总之，AI 艺术创作者需要考虑如何避免侵权风险以确保他们的行为在法律框架内合法合规。同时，又要在有限的创作空间中发挥出更多的创造力。由此可见，掌握创新突破和知识产权保护之间的“度”，无论对于政府还是 AI 艺术家都并不简单。
以上所谈及的“版权与道德”问题是通常意义上讨论人工智能时必然涉及的内容。然而，版权、隐私、数据获取渠道这些并非艺术领域独有的视角。其实，在艺术界并没有对 AI 产生非常大的抵触情绪。以美国版权总局不认可人工智能生成物有版权为例，这仅仅显示出 AI 创作的独特性并不意味着全盘否定。在视觉艺术中，作品的物理实体通常是售卖的重点，而不是版权。只有当作品用于衍生品创作时，版权问题才会涌现。但一般情况下专业、正规的画廊、美术馆会事先
与艺术家签订相应的合同。相比之下，区块链技术在传统艺术中的应用则更为明确，其本质核心就是开发传统艺术品中版权的权益。可以推断出，长久以来视觉艺术并不涉及版权这件事情。那现在AI 艺术要不要调动出艺术的这个版权意识呢？AI 艺术的发展已经引发了对创作者、技术和版权的新思考。虽然在AI 生成的艺术中，版权和原创性的界定变得模糊。但是，在艺术领域引入版权意识仍然可以具有多重意义。艺术界随着版权意识的觉醒必然会激发出这部分的能量，从而有助于保障创作者的权益，防止他们的作品被未经授权的方式使用或衍生。此外，将区块链技术等应用于AI 艺术中，能够为创作者提供更好的版权保护和监控机制，从而构建更透明和公平的艺术生态系统。譬如，在本章第七节中所提及的艺术家宋婷的作品《女娲》便是NFT 与AI 艺术的初步结合。