人工智能创造艺术作品所有权归谁？

过去几年，许多艺术家使用所谓的“神经网络软件”来创作艺术作品。

用户将现有图像输入到软件中，软件对图像加以编程、分析，从而学习其中的特定美学规律，最终输出艺术家可以再组织策划的新图像。通过操纵这些模型的输入以及参数，艺术家便能够创造出一系列生动有趣、让人念念不忘的图像。

但是，同曾经的开创性艺术运动一样，神经网络艺术也带来了一系列难题：倘若这些艺术作品归功于众多不同的创意性个体、算法，我们该如何看待作品著作权以及所有权?我们又该如何确保所有相关艺术家都能够得到公平对待?

运动已然兴起

过去几年间，神经网络艺术走入人们的视线，迸发活力，部分原因归功于计算机科学的蓬勃发展。

一切始于2015年，一位谷歌工程师意外开发了一款名为DeepDream的程序。他希望找到一种能将神经网络系统(常被用作图像分析)工作原理可视化的方法。为此，他在系统中输入了一张图像，并要求“增加图像中被探测到物体的数量”。最终得到了一整套奇怪又难忘的图像。

他将自己的方法公布在互联网上，立刻引发了艺术家们的热切尝试。不到一年时间，人们便推出了首次DeepDream艺术展。

这种开放式的共享对我们看待艺术的方式造成了冲击。2018年11月，佳士得拍卖行以近50万美元的价格售出了一幅名为《Edmond de Belamy, from La Famille de Belamy》的AI画作。这确实说明了一些问题。

为什么?因为制作这幅画作的艺术家团体Obvious使用了另一位艺术家Robbie Barrat在互联网上分享的源代码与数据。

Obvious的确有权使用Barrat的代码，并保留作品的著作权。但是，许多人批评佳士得拍卖行的行为抬高了原本在创作中仅起到小部分作用的艺术家的地位。人们大多认为这是佳士得的败笔，尤其“败”在它错误性地推销作品，却没有考虑到AI艺术作品的著作权。

上述问题在Ganbreeder网站上变得无法回避。Ganbreeder是一家新成立的、颇具吸引力的神经网络图像创作网站。

Ganbreeder于去年11月由Joel Simon组织发起。每张图像都是由用户通过自行修改站点上其他图像的参数而创作的。该网站储存着每个图像的“谱系图”，以便用户可以看到所有为最终图像做出过贡献的人。

让创作者得其所应得

但是，有一位艺术家已经将作品冠上了自己的名字。

Alexander Reben在展出他用Ganbreeder制作出的画作时，Baskin曾指责称这是剽窃行为，因为这些图像是她和其他艺术家花了几小时在Ganbreeder网站上制作出来的。为了证明自己的清白，Reben指出，他在Ganbreeder上选择图像时，这些图像还是匿名的;直到2月份网站才添加了用户登录入口以及图片“谱系图”。

现有的法律及公约已经解决了有关合作制作或再合成图片相关的争议。

但是，神经网络作品则似乎完全是另一种情况。神经网络模型以及网站其他用户的贡献都与最终成果密不可分。没有任何一方可以宣称自己是“创作者”。

看待这些新型艺术作品的一种可行方式是将其视为开源软件。如果没有软件、数据的开放共享，我们就无法创造新型神经网络艺术作品。

开源项目有明确的软件使用及冠名规则：部分软件可以扩展、销售，而其余项目则必须免费分享使用。每位 程序员 的贡献都会被记录下来，最终如何冠名也将取决于项目本身。

与开源软件一样，像Ganbreeder之类的网站可以为艺术著作权、所有权建立明确规则。规则内容应包括如何冠名艺术作品、冠名权归属问题以及作品在什么情况下允许售卖或受到版权保护。

报酬分配也是一个棘手问题。倘若Ganbreeder的图像被商用——比如用作书籍封面或电影制作，事情会怎样?为了鼓励更多世界性贡献，Baskin建议，所得报酬可以在众多贡献者之间分享。这还可能是件有利可图的事：一个广告活动所获的报酬就可能解决许多艺术家的温饱问题。

“想象事物的摄影术”

接下来就是价值和意图问题。这些作品能否跻身“伟大艺术作品”的行列?

一些艺术作品的价值仅在于其内在的审美特性。但我们也重视工作过程，因为这凸显了艺术家的想象力、意图以及技巧。而开源艺术作品的定位则在于二者之间。这种图像代表着许多人经过深思熟虑后所做出的艺术性选择。但它的意图是什么?显然，初期创作者并不知道这幅作品将作何用途。

过去的艺术科技，尤其是摄影术的发明，也引发过类似问题。当“媒介”首次出现时，人们根本不承认摄影是一种艺术。他们认为，一切都是机器的功劳——这种情绪同如今“AI创造了自己的艺术”的谬论不谋而合。虽说花上了一段时间，但摄影术最终被视作自己的艺术媒介。

而神经网络艺术就是一种“想象事物的摄影术”。

同摄影术一样，神经艺术可以创造出看似无限的图像集，而其中任何一张图像都不具备太多自身价值。它们的价值来源于艺术家使用这些 工具 的独特方式——如何设置参数、选择主题、调整图像细节或是策划一组意义更为深远的图像。

新型神经模型问世速度极其惊人，而随着越来越多或精彩、或古怪、或启发性图片的出现，解决上述问题将变得更为急迫。（华盛顿大学计算机科学委任教授为世界经济论坛撰文）

责任编辑：张薇