关于人工智能生成艺术的版权的公众意见：自我中心性、竞争和经验的作用

研究背景与问题

• 发现的问题或挑战： 本研究探索了生成式人工智能（GenAI）突破在艺术和法律领域引发的争议，尤其是围绕AI生成艺术品的版权保护问题。法律和公众舆论在这些问题上的分歧，以及现行法律如何适应人工智能这一新技术，成为研究的主要挑战。
• 问题的重要性： GenAI用于生成图片的能力已经革命性地改变了艺术创作过程，直接影响了人们对创意的界定和所有权归属的认知。这些争议既关乎人类对艺术和创作的哲学思考，也涉及法律实践和政策制定的民主基础。
• 研究动机： 大量关于AI生成内容的研究主要集中于规范性讨论，而鲜有涉及公众对这些问题的看法。理解公众对AI生成内容的版权归属的态度，既可以衡量法律的民主合法性，也有助于避免法律与公众期望之间的潜在冲突。
• 相关工作： 法律领域关于AI生成内容的保护和归属、公众对知识产权的认知、以及人类对AI输出感知的研究均为本研究提供了背景支持。

解决方案

• 提出的方法： 作者设计了一场AI艺术作品展览作为实验场景，以检验公众对AI生成图像在创造性、努力和技能方面的认知，并研究参与者在不同情境下归属作者身份和版权的倾向。
• 创新之处： 较少已有研究从公众视角系统调查AI生成内容如何与版权法融汇。本实验结合了受激励的艺术比赛和对AI与人类协作输出的法律分析，是将理论应用到实际场景的典型案例。
• 实施步骤与关键技术：
  • 设计一个线上AI艺术展览，允许用户通过"DALL-E 3"生成和提交作品。
  • 参与者分为三种角色：创作者、相关评估者（同时提交作品并评估他人作品）和无关评估者（仅评估他人作品）。
  • 提交作品基于多个版权相关属性进行评估，包括创造力、努力、技能、作者身份和权利归属。
  • 实验设计测试自我中心效应（egocentric bias）、竞争效应和使用经验对公众态度可能产生的影响。

研究成果

• 具体成果：
  1. 参与者认为创造力和努力（但不是技能）是生成AI艺术需要的关键因素。
  2. 用户和AI模型训练数据的贡献者被认为是最可能的图像作者，但AI模型和开发公司得到的归属感较低。
  3. 在实际存在金钱奖励时，由AI创作者对自己作品的评估表现出明显的自我中心偏好，但这种偏好在纯理论性版权问题上的表现不显著。
• 与现有解决方案的比较： 本研究提供了更多关于公众认知的证据，与主要集中在理论分析或法规修改的研究形成互补。这些结果强调了多方利益（如用户、数据贡献者）的分配组合模式的重要性。
• 实验和评估结果：
  • 创作者的评价通常高于评估者对相同作品的评价。
  • 人们倾向于认为数据贡献者应在权利分配中得到更明显的认可，这提示目前集中于模型开发公司利益的模式可能与公众期望背离。
  • 使用经验对人们对生成作品的态度有正面影响，说明用户越熟悉这一工具，越倾向于认可用户的主导作用。
• 局限性与未来方向：
  • 本实验无法区分自我中心偏好和使用经验的独立效应分量。
  • 假如金钱收益需要在用户和数据贡献者之间分配，公众是否会实际支持分配权尚未调查。
  • 法律问题分析可以进一步扩展到其他生成形式（如音乐、小说等）。
  • 未来研究可以设计更复杂的实验，观察当用户有编辑AI生成内容的能力时，会如何影响对版权相关因素的评价。

通过这项研究，作者突显了公众在AI与创作相关法律问题中的关键角色，并为未来有关生成式AI的法规和系统设计提供了有效的参考依据。