哪些贡献值得认可？人类与AI共同创作中的归属感认知

研究背景与问题

发现的问题或挑战

• 随着利用大型语言模型（Large Language Models, LLMs）的AI系统在创作流程中的广泛应用，如何对人类与AI的协作创作进行归属认定成为一个关键问题。
• 当前，现有的归属政策主要采用二元化方法（要么没有AI参与，要么给出统一的归属），缺乏对AI的具体贡献类型和水平的差异化处理。
• 研究表明，人们对AI在共同创作中的归属感认定高度依赖贡献的类型、数量和主动性，但这些细节尚未得到充分研究。

重要性

• 在人类与AI的共同创作中合理界定归属非常重要，不仅关乎创作者的认可，还涉及道德、法律和技术透明性方面的重要议题。
• 当前出版和法律框架的不足可能导致不公平的归属判定，阻碍AI技术的透明应用。

研究动机与相关工作

• 作者基于相关研究（例如，如何分配归属感和所有权）开展更深入的探索，尤其是关注更细粒度的创作情境。
• 该研究聚焦知识工作者（knowledge workers）对AI贡献归属的看法，旨在探索如何在多样化创作场景中公平地分配归属，并设计未来的AI归属框架。

解决方案

方法与解决方案

• 研究提议通过一项基于场景的调查（N=155）来系统地评估人类和AI在不同创作情境下的归属感看法，从而获得对归属模式的更细粒度分析。
• 针对三大维度（贡献类型、贡献数量、主动性）进行了量化和定性分析，解析人类对AI贡献应获归属级别的认知。
• 提出设计灵活的AI贡献归属框架，不仅明确AI的参与，还通过归属声明（attribution statements）透明化AI的贡献细节。

创新之处

• 相较于传统的“二元化归属”（是否有AI参与），作者提出了基于贡献类型和质量的更为复杂的“光谱化”归属框架。
• 研究首次较系统地探讨了用户对归属的心理机制，并结合贡献与流程因素提出改进建议。

实施步骤和关键技术

1. 调查设计：
   • 探索六种情境组合（AI或人类搭档，学术、技术和专业写作背景）下的归属观念。
   • 按三大维度（贡献类型、贡献数量、主动性）量化参与者对归属的评定偏好。
2. 数据收集：
   • 包括问卷中的作者级别归属评定（7点Likert量表）和开放性问题。
3. 数据分析：
   • 使用非参数测试（如Wilcoxon秩和检验）对归属评分进行量化分析。
   • 通过反身性主题分析（Reflexive Thematic Analysis）提取额外的归属影响因素和人类的归属决策过程。
4. 创新设计：
   • 探索基于用户输入生成的归属声明模板，可动态展示AI的参与深度、类型和主动性（灵感来自Creative Commons许可证框架）。

研究成果

具体成果

1. 主要发现：
   • 不同贡献类型显著影响AI的归属级别：内容类贡献比形式类贡献（如拼写修订）更易获得更高程度的归属。
   • 在AI与人类同样贡献的情况下，AI往往被分配更低的归属权重（即，对AI贡献的认可偏低）。
2. 影响归属的关键维度：
   • 贡献类型：内容贡献（如新想法）比形式贡献（如语法修正）更重要。
   • 贡献数量：贡献越多，归属越高。
   • 主动性：某些情况下由AI主动生成文本比被要求生成文本更容易获得归属。
3. 人类对归属决策的权衡：
   • 质量与原创性、技术透明性、既定伦理和现有规则显著影响归属决策。
   • 人类往往更关注对AI工作的控制权和责任分担。

与现有解决方案的比较与优势

• 相较于构建简单的披露声明（如“本文使用了AI辅助”），该研究提供了更具细粒度的归属模型，明确AI在创作过程中的具体角色和贡献。
• 调查揭示了用户对AI作为创作“工具”还是“合作者”的不同认知，为政策和设计未来的归属框架提供了科学依据。

实验或评估结果

• 统计分析表明，人类普遍倾向于将更高的归属权留给“人类搭档”，甚至在AI与人类贡献相等的情况下依然存在这种偏见。
• 提出的归属设计工具（如AI贡献声明生成器）有潜力被集成到未来的政策工具中，以满足公众对AI透明性的需求。

局限性与未来方向

• 局限性：
  • 参与者主要来自技术公司，可能代表性不足。
  • 对具体写作形式和领域的覆盖相对有限，尚未探索视觉、音乐等多模态内容的共同创作归属。
• 未来方向：
  • 扩展至全球更广泛的多样化人群，涵盖不同文化与职业背景。
  • 探讨将研究融入AI实际使用场景中的“动态归属”决策机制。
  • 针对细粒度归属设计框架的用户接受度、易用性和可操作性进行进一步评估。

本研究深入揭示了人类与AI共同创作的归属分配复杂性，并提出具有实际意义的解决方案，可为学术界、工业界及政策制定提供重要参考。