1. 引言
人工智能的进步跨越了近一个世纪，经历了多个关键阶段并取得了突破性进展。技术的革命性进步推动了人工智能产业的繁荣发展，人们通过各种AI软件创作出带有技术特征的文本、图像以及音乐等成果，被学界界定为人工智能生成物。随着人工智能生成物的广泛传播，诸多法律问题涌现，当前，学术界的讨论热点则聚焦在人工智能生成物著作权法保护这一核心问题上。为系统把握学术界关于人工智能生成物著作权的理论争议，厘清研究进展，揭示人工智能生成物著作权研究的热点方向，并梳理其未来发展趋势，本文利用CiteSpace 6.4 R1软件对中国知网(CNKI)收录的相关文献进行了可视化分析，为后续对人工智能生成物的法律研究提供了思路和方法。
2. 工具及方法介绍
“CiteSpace 6.4 R1软件，作为一款知识可视化工具，凭借其知识图谱的显著特点，迅速获得了广泛的应用”[1]。CiteSpace 6.4 R1软件广泛应用于自然科学领域的可视化分析中，但在诸如法律、哲学、艺术学等人文社会科学领域中的应用却尚未普及。面临大规模的可视化分析任务，利用CiteSpace 6.4 R1软件等知识图谱软件可以有效地协助读者快速掌握文章的核心内容。此外，这类软件还能通过数据统计的方式，来揭示研究主题在不同阶段的关注焦点。
人工智能生成物著作权的研究自生成式人工智能出现以来层出不穷，相当多的文献收录在知网(CNKI)中。本文以“人工智能 + 著作权”为主题在中国知网(CNKI)进行高级检索，共检索到1868条结果，其中期刊论文1156篇，硕博论文549篇，会议论文56篇，报纸96篇，图书10本，成果1个，为了得到与本文主题相关性最密切的文献，通过分析对以下类型文献进行剔除：(1) 非属人工智能生成物研究；(2) 非纯法学领域；(3) 与著作权缺乏实质性联系。最终获得1086篇文献。
本研究将1086篇文献转换为Refworks格式并导入CiteSpace 6.4 R1软件进行可视化分析，围绕“关键词”字段实施可视化分析，分别生成关键词共现图谱、关键词聚类图谱、时间线图谱及关键词突现图谱。得出目前人工智能生成物著作权研究的热点以及趋势。
3. 可视化结果分析
为全面呈现人工智能生成物著作权研究的热点领域与发展趋势，基于CiteSpace 6.4 R1软件的功能框架，从以下维度开展可视化分析：研究现状、研究热点及研究趋势。
3.1. 国内人工智能生成物著作权研究热点
3.1.1. 关键词共现图谱分析
为探究人工智能生成物著作权领域的研究热点，本研究对关键词共现图谱与聚类图谱展开分析，关键词是论文中不可缺少的一部分，能够反映整篇论文的研究重点。关键词共现图谱能够直观反映一个领域内的关键词分布情况。其中节点代表关键词；连线代表关键词共现关系，连线越粗，两个关键词联系越紧密；圆圈代表关键词出现频次，圆圈越大，关键词出现频次越高。在CiteSpace 6.4 R1软件中选择“关键词”对1086篇文献进行可视化分析，可以得到关键词共现图谱分析如图1所示。其中，人工智能、著作权、独创性、可版权性、权利归属这类关键词圆圈比较大，出现频次较高。这表明，对于人工智能生成物著作权研究的重心更多的集中在独创性、可版权性、合理使用、权利归属上。该图谱中有408个节点，479条连线，表示有408个关键词和479次彼此之间的联系，网络密度为0.0058，网络较为稀疏，关键词之间的共现程度较低。
Figure 1. Keyword Co-occurrence Map
图1. 关键词共现图谱
为实现关键词信息的精确统计，本文将CiteSpace 6.4 R1软件导出的研究机构发文数据进行整理，形成关键词出现频次前15的排名。在剔除“人工智能”、“著作权(版权)”、“创作物”、“生成内容”等研究范畴内固有关键词后，出现频次前5位的关键词依次为：独创性、权利归属、作品、可版权性、合理使用。可见，既有研究主要围绕以下问题展开：人工智能生成物的作品属性界定、独创性判定、可版权性分析、权利归属认定以及人工智能领域合理使用制度的适用。
3.1.2. 关键词聚类图谱分析
为探究人工智能生成物著作权领域的核心研究主题，本研究对关键词聚类图谱展开分析“聚类视图侧重于体现聚类间的结构特征，突出关键节点及重要连接”[2]。在关键词共现图谱的基础上进行聚类，得到关键词聚类图谱如图2所示。其中Q值为0.448，大于0.3，S值为0.7541，大于0.7，表明该图谱有良好的聚类效果。图中有九大聚类，分别是#0著作权、#1版权、#2权利归属、#3合理使用、#4独创性、#6邻接权、#7版权保护、#8作品、#9创作者。
Figure 2. Keyword clustering map
图2. 关键词聚类图谱
为了使本研究更加详细，使用CiteSpace 6.4 R1软件的LLR算法对各聚类所包含的主要关键词进行分析，得到各聚类后最大4个关键词如表1所示，各个聚类紧密程度均大于0.5，证明聚类效果较好。其中，节点数最多的聚类标签是#0著作权，#1版权，#2权利归属，#3合理使用紧跟其后，这表明在人工智能生成物著作权研究的主题之下，著作权(版权)问题研究、权利归属问题研究以及合理使用制度研究涵盖的关键词比较丰富，但是著作权(版权)问题研究的重点在于探究生成物的独创性以及生成物的著作权人，权利归属研究与生成物的可版权性以及作品属性相关联，而合理使用研究则与著作权法以及数据训练相关联。
Table 1. Statistical analysis of keyword cluster labels
表1. 关键词聚类标签的统计分析
聚类标签 |
包含节点数 |
紧密程度 |
LLR算法包含标签值最大的4个关键词 |
#0著作权 |
58 |
0.545 |
著作权(67.87)；独创性(24.7)；生成物(16.44)；刑法保护(16.24) |
#1版权 |
51 |
0.858 |
版权(54.33)；知识产权(45.4)；人工智能(38.23)；著作权人(12.33) |
#2权利归属 |
48 |
0.769 |
权利归属(82.05)；可版权性(71.93)；作品属性(20.84)；人工智能生成物(15.04) |
#3合理使用 |
47 |
0.866 |
合理使用(94.14)；著作权法(28.02)；训练数据(22.86)；数据训练(20.4) |
#4独创性 |
46 |
0.63 |
独创性(92.28)；法人作品(16.34)；创作意图(16.34)；作者(15.34) |
#6邻接权 |
25 |
0.824 |
邻接权(59.44)；创作物(35.24)；主体(19.55)；激励理论(17.23) |
#7版权保护 |
23 |
0.888 |
版权保护(43.7)；保护路径(22.51)；版权治理(14.97)；出版(14.97) |
#8作品 |
23 |
0.714 |
作品(67.39)；原创性(16.28)；思想(10.84)；犯罪对象(10.84) |
#9创作者 |
12 |
0.977 |
创作者(19.28)；版权归属(19.28)；版权侵权(15.48)；版权规制(9.58) |
根据以上可视化分析结果，从研究热点角度分析，目前人工智能生成物著作权的热门研究方向主要集中在权利主体、可版权性、权利归属、合理使用制度适用、著作权保护；从研究阶段角度分析，通过关键词聚类标签的统计，在著作权、作品聚类下都包含了与刑法领域相关的关键词，这表明目前国内的人工智能生成物著作权研究进入了与刑法相结合的阶段。这与人工智能技术广泛应用于各行各业所引发的负面影响有关。
3.2. 国内人工智能生成物著作权研究趋势
3.2.1. 时间线图谱分析
“时间线视图侧重于勾画聚类之间的关系和某个聚类中文献的历史跨度”[3]。在CiteSpace 6.4 R1软件的控制界面中选择“布局”选项，进一步选取“Timeline”功能，生成时间线图谱，如图3所示。图谱横线上的节点表征关键词的出现时间。通过对该图谱的分析可知，关于著作权、人工智能、作品、版权保护的研究于2016年初步兴起，并持续至今；有关独创性、版权归属(权利归属)、可版权性的研究则相继展开，于2017年进入学者的研究视域并延续至今。其原因在于，在人工智能生成物著作权主题研究中，人工智能生成物是否应受著作权保护是可版权性研究、权利归属研究的逻辑前提，而在可版权性研究中，对独创性的认定及作品属性的认定又构成其核心内容。
相较之下，对于合理使用的探讨则相对较晚，直到2018年才开始展开对人工智能训练数据是否适用合理使用制度的讨论。这是由于在人工智能生成物著作权主题研究的初期，学者将关注点放在了人工智能输出端，即对于其生成物的属性认定上，进而忽视了人工智能输入端所涉及的著作权侵权问题，直到学者们在探究人工智能生成物是否具有独创性这一问题时，提出要从人工智能生成物的生成过程中进行考察，才意识到人工智能之所以具有智能性，其前提是在设计过程中加入了大量数据进行数据训练，而这些数据又涉及到未经许可使用作品的著作权侵权问题，在此基础上，学者提出了在输入端进行数据训练时，未经许可使用他人作品能否适用著作权法中合理使用制度的疑问。
Figure 3. Timeline map
图3. 时间线图谱
3.2.2. 关键词突现图谱分析
为进一步研究人工智能生成物著作权的研究趋势，对重点关键词展开分析。为了使研究结论更具有准确性，打开CiteSpace 6.4 R1软件中的控制板中的“热点”。“Year”表示关键词起始研究年份，“Strength”表示关键词突现强度、表示某一关键词在短时间内的频率增长幅度，“Begin”和“End”分别表示关键词突现的起始时间和结束时间。将γ值设置0.2，可以得到9个突现词，如图4所示。
Figure 4. Keyword burst map
图4. 关键词突现图谱
从关键词突现强度分析，在2022~2024年发文量激增阶段(即生成式人工智能技术出现并快速发展时期)，“合理使用”、“作品属性”、“机器学习”三个主题词的突现强度位列前三。其原因在于，该时期生成式人工智能更为强大的学习能力，引发了关于其生成物是否构成“作品”的新一轮探讨；同时，生成式人工智能技术机器学习过程对海量数据训练的需求，导致著作权侵权问题更趋复杂，而未经许可使用他人作品是否适用“合理使用”制度，成为亟待深入研究的重要课题。这一研究态势表明，在生成式人工智能技术演进的新阶段，学界研究重心已逐步转向人工智能生成物的法律属性界定及其衍生的著作权侵权问题探究，并且这一研究趋向在未来仍将持续深化。
4. 重要文献分析
基于CiteSpace 6.4 R1软件的可视化分析可见，2016年以来人工智能生成物著作权研究持续保持较高热度。作为可视化分析工具，CiteSpace 6.4 R1软件主要基于数据进行表层分析，若要挖掘该领域深层次的研究观点，需对相关文献进行文本分析。本研究基于北大核心与南大核心期刊在学术领域的权威性，从可视化分析的1086篇文献中进一步筛选，以北大核心与南大核心期刊论文作为精读对象，剔除下载量较低且缺乏代表性的文献，最终确定156篇核心文献作为研究样本。通过对这156篇文献的深度研读，提炼出学者关于人工智能生成物著作权研究的热点方向：人工智能作为权利主体的适格性、人工智能生成物可版权性的判定、著作权权利归属的法律界定，以及人工智能数据训练场景中合理使用制度的适用规则。
4.1. 人工智能生成物可版权性的判定
为了对人工智能生成物著作权问题进行深入研究，学者在探究人工智能生成物能否受著作权法保护的基础之上，提出人工智能生成物是否具有可版权性的疑问。目前，就人工智能生成物的可版权性研究，学界形成了两种对立的观点。
4.1.1. 肯定说
部分学者从著作权保护客体——作品的维度展开论证，主张以人工智能生成物符合作品构成要件为依据，认定其具有可版权性。有学者指出，在当前技术条件下，人工智能通过深度学习网络与强化学习机制所创作的内容，已满足著作权法中“独创性”的基本要求[4]。有学者进一步解构作品构成要件中的“独创性”概念，将其分解为“独”与“创”两个要素：一方面，人工智能根据用户指令独立生成内容，符合“独”的标准；另一方面，从生成内容的结构、逻辑及格式来看，具备创新性特征，满足“创”的要件，同时，人工智能生成物的过程包含了人类的知识投入，本质上类似于人类脑体力劳动的过程[5]，基于此类投入产生的成果应认定为智力成果。由此推论，当人工智能生成物既满足“属于文学、艺术和科学领域”，又符合“可通过某种有形形式复制”的法定要件时，应当将其纳入著作权法的保护范畴。
4.1.2. 否定说
持否定立场的学者指出，即便人工智能生成物在表现形式上与人类作品具有形式上的相似性，但因为其是人工智能应用算法、规则以及模板的结果，它的生成过程不涉及创作所需的“智能”，不具有个性特征[6]。同时，著作权法意义上的作品必须反映人的情感、思想，而人工智能生成物仅是通过算法进行分析，东拼西凑，挑选组合而成的，难以反映人的思想和情感[7]，故不具有可版权性。有学者强调，作品是在人类思维的创新性展现过程中形成的，人们运用独有的意识、经验以及知识对原有的事物进行新的思考和组合，而人工智能生成物不满足著作权法对“独创性”的要求[8]。此外，从创作意图角度出发，有学者认为创作行为作为事实行为，应当在特定意图的驱使下重复进行，而人工智能却并不具备带有创作意图的执行能力[9]。创作意图的缺失将导致人工智能生成内容无法构成作品。
4.2. 人工智能作为权利主体的适格性
在开展人工智能生成物著作权研究初期，争议之一就在于著作权主体的认定。根据国内外已有法律规定，人工智能未被赋予著作权主体的资格。但是，由于人工智能在生成物创作过程中发挥了与以往机器截然不同的作用，人工智能拥有的强大算法能力使得某些学者质疑其作为产品的客体属性，主张人工智能具备如人类一样的权利主体资格。学术界由此引发了对人工智能权利主体适格性的理论争议。
4.2.1. 人工智能可作为权利主体
人工智能是否具备权利主体资格，需以其智能性水平作为判定标准。持肯定观点的学者主张，人工智能主体地位的授予需综合考量经济社会发展阶段，当人工智能达到高度智能化、创作水平与人类相当且具备独立思考能力时，可赋予其权利主体地位[10]，从现阶段技术发展来看，人工智能已能依据使用者输入指令独立完成创作，且创作过程不受人类干预，客观上具备了权利主体的行为能力[11]。从权利能力的法律本质出发，权利主体所必备的权利能力并不依赖于人的生命，而是依赖于一种值得社会尊重的价值[12]，人工智能在创作活动中发挥了巨大的作用，其价值已得到广泛认可，通过法律方式赋予其一定的主体资格，不再是缺乏现实基础的理论假设。
4.2.2. 人工智能不满足主体条件
持否定观点的学者认为，人工智能即便具备高度智能化特征，本质上仍属于如相机、电脑般的辅助工具范畴，无法成为具有独立法律人格的主体。从法理层面来看权利主体与权利客体在法律关系中具有固定地位，人工智能是由人类所设计的，它属于客体范畴，它与具有生命、精神及意思的自然人相对应，也与具有独立意志并作为自然人集合体的法人相区别[13]。同时，人工智能始终处于人类控制之下，其知识储备限于特定领域且依赖人类输入，运行逻辑受预设算法制约，将受人类完全控制的人工智能赋予权利主体地位，在法理上缺乏合理性基础[14]。有学者指出，人工智能作为科学技术的产物而非自然人，无法像人类一样拥有思想并进行独立思考[15]。同样人工智能也缺乏权利主体所需的独立意思表示能力，亦无法承担法律责任，且不具备固有的人格属性，不符合权利主体的构成要件[16]。由此可见，人工智能不满足成为著作权法定主体的构成要素，不具备取得法定主体资格的可能性[17]。
4.3. 著作权权利归属的法律界定
在认可人工智能生成物应受著作权法保护的前提下，学界就其著作权权利归属问题形成了理论争议。学者从人工智能本体及其创作过程涉及的主体要素出发，对权利归属的法律界定展开分析，目前主要形成以下几种代表性观点：所有者说、投资者说、使用者说、设计者说。
4.3.1. 所有者说
持所有者说的学者认为，人工智能生成物是代表人工智能的所有者的意志的行为，在人工智能生成物满足作品的条件下，可以以人工智能是代表所有者的意志进行创作为由认为著作权归属所有者[18]，以投资激励为视角，所有者在取得人工智能所有权的过程中进行了投资，为了迎合市场规律，进行了投资的所有权人不仅享有对人工智能的所有权，同时享有该人工智能创造出来的成果[19]。在所有者权属模式基础之上，有学者主张人工智能属于物的范畴，其生成相应内容等同于“物生物”的关系，人工智能生成物是人工智能这一原物所产生的孳息，根据“人生物”的原理，将著作权归属于所有者，能够使作品与所有者之间的关系更紧密[20]。同时，将权利归属于所有者不仅可以使其获得收益的权利得到保障，进一步激发新作品的利用以及再创作[21]，从而保证产业链的完整，维系产业的发展[22]，也有利于人工智能作品的传播，实现公共利益的增长[23]。
4.3.2. 投资者说
有学者明确提出，著作权归属应当采用投资原则，将著作权归属于投资者，可以有效保护各公司投资权益，同时契合人工智能市场发展的需要[24]。有学者认为，人工智能作为多元利益主体(实际控制者、使用者、投资者等)的技术载体，财产权利应当由其投资者、使用者等按照“参与贡献力”或“实际控制力”的大小分享[25]，为了确保权利归属的细致和公平，根据价值增值理论，在作品创作过程中，若投资者的经济投资作用显然超过智力劳动时，权利归属应当倾向于实际投资者[26]。此外，从效益最大化理论视角出发，著作权归属于投资者有助于降低创作信息搜寻成本，同时通过激励投资行为以实现效益最大化[27]。
4.3.3. 使用者说
持使用者说的学者主张，人工智能生成物的著作权应归属于指令人工智能软件生成特定内容的用户。该观点认为，人工智能生成物的独创性实质取决于使用者的创作意志，其生成过程是使用者通过内心意思表示实施创作的外化体现。将著作权赋予使用者，既符合作品创作依赖于使用者操作行为的客观事实，有利于提升作品利用与传播的效率[28]，也有助于实现法律促进公共交流、文化发展等立法目标[29]。主张创作激励理论的学者提出，人工智能使用权人通过贡献创造性思想，推动体现自然人情感的人工智能生成内容产生[30]，为了激发文化创作的积极性，应当将权利合理分配给使用权人。
4.3.4. 设计者说
持设计者说的学者提出，人工智能的设计开发是由研发团队借助先进技术设备、通过成员间技术协作完成的创造性活动。从激励设计者持续投入人工智能开发的视角出发，著作权应当归属于设计研发主体[31]，从现行法律制度框架出发，有学者指出，根据《中华人民共和国著作权法》第十一条规定，著作权归属于创造人工智能的自然人；若存在劳务作品情形，依据第十八条，由法人提供创作条件的，视为劳务作品，权利归属于法人[32]。基于“创造主义”理论，人工智能的设计者因设计了人工智能“创作”所必不可少的程序，并完成数据储备等基础性工作，其付出的劳动与人工智能生成物之间形成法律上的相当因果关系[33]。由于设计者作出了实质性贡献，应当依据“创造主义”原则赋予其相应权利。
4.4. 人工智能数据训练场景中合理使用制度的适用规则
解决人工智能输出端的问题之后，输入端的问题也亟待解决。学界与业界主要关注输出端也就是人工智能生成物是否属于著作权保护的作品范畴，相比之下，对于输入端所涉及的著作权侵权以及合理使用制度关注则较低，但仍有部分学者关注到人工智能在训练阶段利用他人作品的行为。在人工智能应用中的合理使用这一研究方向中，学者研究的主要问题是人工智能在研发期间未经他人许可利用他人享有著作权的作品进行数据训练，是否应当适用著作权法中的合理使用制度。学术界对此有两种不同的观点。
4.4.1. 肯定说
持肯定观点的学者主张，人工智能训练过程中对作品的使用符合著作权法中的合理使用要件。该理论支持者虽认可人工智能训练作品的著作权侵权风险不可避免，但强调若要求开发者承担侵权责任会阻碍人工智能产业的发展，为了促进数字技术和数字经济的发展，应当将人工智能训练作品纳入到“合理使用”范畴[34]。部分学者基于技术发展与著作权保护的动态平衡理论，提出在数字时代背景下，一味地对著作权实行严格保护，将训练过程中未经授权使用作品的行为认定为侵权，很可能对技术的发展带来影响，进而阻碍人工智能时代的整体进步与社会发展[35]。通过分析现行著作权法中获取版权作品的三种合法途径，认为合理使用制度是确保人工智能创作行为合法性的最佳选择[36]。
4.4.2. 否定说
持否定观点的学者认为，人工智能训练过程中对作品的使用行为，并不符合著作权法中合理使用的构成要件。有学者从合理使用制度的法理基础出发，指出该制度适用的前提是作品使用行为已构成侵权。而人工智能在数据输入阶段对受著作权保护作品的使用，应属于“非作品性使用”，并不在著作权专有权的控制范围之内，因而不构成侵权行为，故无需适用合理使用制度进行调整[37]。此外，从著作权人权益保护视角出发，当前人工智能技术公司已经成为作品的重要使用者，其集经济优势和技术优势于一身，相较于权利人处于优势地位[38]，将未经授权许可而使用他人作品进行人工智能训练的行为视为合理使用，可能会出现利用人工智能的大企业滥用合理使用制度，反过去损害相对弱势的著作权人的利益[39]。
5. 研究结论
基于CiteSpace 6.4 R1软件，对人工智能生成物著作权领域的相关中文文献展开可视化分析。通过关键词共现图谱与聚类图谱分析可知，当前该领域的研究核心热点聚焦于四大维度。其一，在权利主体判定维度，核心争议集中于“人工智能能否成为著作权权利主体”。从当前技术发展水平与科技产业实际现状出发，将人工智能排除在权利主体认定范围之外，更符合现有法律体系的适用逻辑与实践需求。其二，在人工智能生成物可版权性维度，鉴于实践中人工智能生成内容已广泛涌现，且结合现有著作权法律制度的立法初衷与价值导向，有必要将符合特定条件的人工智能生成物纳入可版权性审查范畴，以回应产业实践中的法律需求。其三，在权利归属维度，针对现有学说争议，以当前法律制度框架与司法实践经验为基础，将著作权归属于人工智能的实际使用者，更契合权利义务对等原则与产业发展现实，可有效减少实践中的法律纠纷。其四，在合理使用制度适用维度，从保护著作权人合法权益的核心目标出发，应当将合理使用制度适用于人工智能生成物的著作权保护中，在权利保护与公共利益之间实现平衡。此外，算法对关键词聚类的进一步分析表明，现阶段人工智能生成物著作权研究已进入与刑法理论交叉融合的发展新阶段，研究视角呈现多学科拓展趋势。
需特别说明的是，本部分分析仅基于现有中文文献，研究范围存在一定局限性。结合时间线图谱与关键词突现图谱的深度解读，未来研究可在以下方向进一步拓展：一是突破中文文献局限，纳入多语种文献开展比较研究；二是聚焦人工智能生成物法律属性的精准界定；三是深入探究人工智能生成物衍生的著作权侵权问题，包括侵权认定标准、责任划分机制等，为司法实践提供更具针对性的理论支撑。