“著作权保护对象是作品。”6月16日，在湖北武汉召开的第二届版权产业创新与知识产权保护东湖论坛上，中国知识产权法学研究会副会长、中南财经政法大学教授曹新明表示，某些人工智能生成物并非《中华人民共和国著作权法》（以下简称著作权法）意义上的作品。

曹新明解释道，著作权法意义上的作品应满足以下四个条件：由人类创作，具有独创性，是蕴含一定思想内容的表达形式，且不属于法律法规、通用数表、公式等著作权法排除对象。目前AIGC有三种形式，分别是完全由人工智能独立创作、由自然人辅助创作、按照自然人输入的提示词生成。

曹新明说，上述三种形式中，只有一种是人类直接参与的，这种情况下AIGC才可能具有版权。“在剩下两种形式下，将AIGC界定为‘作品’是有问题的。”这是因为人工智能并没有独立的思想，并不能独立地进行“创作”，更遑论具有版权。

南开大学法学院副院长、竞争法研究中心主任陈兵表示，从目前各国的立法状况来看，日本、澳大利亚、英国、美国等国家均未赋予人工智能民事主体资格，因此也谈不上AIGC“具有版权”。

虽然法律对AIGC版权问题的界定尚不明确，但仍应警惕生成式人工智能使用过程中的侵权风险，中国在此方面已有相关案例。陈兵说，在这些案例中，法院通过对AIGC的生成过程进行判断，明确对生成物是否赋予利益。这需要具体问题具体分析，但有一点可以明确：人类对AIGC的简单形式选择并不足以构成著作权法上的独创性。

生成式人工智能涉及从数据抓取到内容生成的全过程。这个过程中，作为生成式人工智能最终产品的AIGC在版权归属上界定模糊，其训练过程中抓取的数据也会有侵权的风险。

“现在人工智能里面有几千亿的元素、数据，其中很多都是受版权保护的资料。这部分资料版权所有者的权利该怎么保护，目前尚不明确。”曹新明说。

陈兵认为，目前国家知识产权局和深圳、上海等地已经开始着手研究数据的确权工作，但具体如何确权还需实践给出答案。“版权的设立是为了鼓励更多创新。”他表示，若不对数据和AIGC进行确权，会导致生成式人工智能开发商喂养成本过高，从而抑制创新。但另一方面，由于大模型具有显著的聚集效应和马太效应，人工智能开发商在训练人工智能时又极易产生数据垄断风险。

针对上述问题，陈兵认为，要理性对待AIGC创新，探索AIGC应用边界，优化对数据爬取的制度设计，分类分级探索场景化和精细化的算法治理机制，夯实算法开发者、应用者相应法律责任。“对于数据垄断风险，要发挥政府对市场的敏捷监管、精准监管作用，推动企业‘开源’发展，并确立多元监管机制。”陈兵同时表示。

此外，曹新明提醒，生成式人工智能可能不止会侵犯版权。例如，未经他人允许使用人工智能模仿其声音、动作、姿势、手势，甚至使用人工智能“盗脸”，就侵犯了公民人格权。

“针对这些问题，可选择安装‘护栏技术’对人工智能予以约束，同时应避免大模型受到某些用户攻击。”曹新明表示。（实习记者 裴宸纬 本报记者 吴纯新）