如果用人工智能技术创造艺术作品，所有权到底归属哪方？

过去几年来，许多艺术家开始使用所谓的“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，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，艺术家便能够产出一系列生动有趣、让人念念不忘的图像。

通过画廊展览、媒体报道以及两次备受瞩目的艺术品拍卖会，目前，这种创作方式已经得到了人们的广泛认可。

作为一名学术研究员、艺术科技开发者以及业余艺术家，看到现在的艺术家们如此热衷于用新技术来创造新型艺术表达形式，着实让我很震惊。

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？

过去几年间，神经网络艺术世界走入人们视线，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。不到一年的时间，人们便推出了首次DeepDream艺术展。

由于软件在线免费共享，因而，数字艺术家们可以试验这些模型，再分享他们的成果与改动。

推特上有一个活跃的神经网络艺术家创意社区，在那里，人们讨论彼此的实验成果以及最新的发展与争议。另外，主流艺术家也接受了这些创作工具，包括Trevor Paglen，Refik Anadol以及Jason Salavon在内的艺术家们都开办了展览。

尽管如此，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是各种各样图像的源头，里面充满启发性的、有趣的、古怪的、迷人的图像。DeepDream的图像往往会出现重复，Ganbreeder则大不相同，似乎仅凭人类思维根本无法产出像Ganbreeder那样丰富多样的原始图像。

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它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。

如果用户喜欢自己找到或创作的图像，可以从一位名叫Danielle Baskin的企业家、艺术家那里定制木质印刷品。她用颜料为印刷品上色，但不会签名，而是在作品背后标上二维码，扫描二维码后，页面将跳转到该作品的“谱系图”。

她之所以这样做是因为每张图像都是多人贡献的成果，很难将任何一件新的艺术作品归功于任何一位艺术家。

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；直到二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。人们普遍认为，艺术家可以选择最终版图像来表明著作权，但如果可能的话，他们应当提前说明图片来源。而有关“剽窃”的指控也似乎是在效仿曾经对Andy Warhol以及Richard Prince等传统“挪用艺术家”（appropriation artists）的指控，后者以扩大、修改Instagram用户上传的图片而闻名。

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。开源是一种软件开发模型，任何人都能够贡献或使用开源的软件包。它催生了一些主流软件工具，如Linux及主流神经网络软件。倘若没有开源，上述软件都将是天方夜谭。同样的道理，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。

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与其内在的审美特性，从这个角度看，一座山也可以是美丽的。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。

这种做法就好比询问一座美丽的山背后到底有怎样的意图？做出最终决定的艺术家又能否成为意图的唯一来源？

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。此外，通过迫使艺术家不再盲目“膜拜”现实主义，摄影术还催生了现代艺术运动。由于现实主义永远无法与相机的真实感相匹敌，因而人们需要找到新的创作方法来创作出机器无法复制的作品。

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。

作者：Aaron Hertzmann，华盛顿大学计算机科学委任教授

本文由世界经济论坛与The Conversation联合发表，转载请注明来源并附上原文链接。

翻译：张欣蕾

编辑：万鸿嘉