AI畫作所有權歸屬于誰？

在過去幾年里，許多藝術家開始使用所謂的“神經網絡軟件”來創作藝術品。用戶將現有的圖像輸入軟件，然后軟件會對這些圖像進行分析，學習其中特定的美學因素，并生成藝術家想要的新圖像。通過控制這些模型的輸入和參數，藝術家可以產生各種各樣有趣而又令人回味無窮的圖像作品。

這些作品通過畫廊展覽、媒體報道和高調的藝術拍賣，獲得了一定程度的認可。作為學術研究人員、藝術技術的開發者以及業余藝術家，看到藝術家們擁抱新技術來創造新的表達形式總是讓人感到興奮。但是，就像之前開創性的藝術運動一樣，神經網絡藝術也帶來了許多難題：當這些藝術品來自許多不同的個人創意和算法時，我們如何看待作者及其所有權？我們如何確保所有參與創作的藝術家都得到公平對待？

新的運動正在誕生

活躍的神經網絡藝術的興起，部分原因得益于計算機科學的發展。2015年，DeepDream團隊的一位工程師偶然啟動了這個項目。他想找到一種方法來可視化分析圖像的神經網絡系統的工作原理。為此，這位工程師在神經網絡中輸入照片，并要求它增加圖像中檢測到的物體部件數量。結果，他得到了一系列怪異而令人回味的圖片。

這位工程師通過互聯網分享了他的計算機算法，藝術家們立刻開始嘗試。在不到一年的時間里，DeepDream藝術畫廊舉辦了第一次展覽。因為這款軟件是免費在線共享的，數字藝術家可以用這些模型進行實驗，并進行修改。Twitter上有個活躍的神經網絡藝術家創意社區，便于討論他們的實驗結果，以及最新的發展和爭議。部分主流藝術家也試著接受了這樣的藝術創作方式，特雷弗·佩格倫、瑞菲克·阿納多以及杰森·薩拉文等藝術家都舉辦了大型展覽，并接受了各種創作委托。

這種開放的分享對我們看待藝術的方式提出了挑戰。佳士得在2018年11月以近50萬美元的價格拍賣了《貝拉米家族的埃德蒙德·貝拉米》，這是一幅AI繪制畫作，由巴黎藝術團體Obvious利用算法，基于14世紀至20世紀的15000幅經典肖像作品完成，這場拍賣本身已經給出了警示。

為何會如此？為了創作這張圖片，藝術家團隊顯然使用了另一位藝術家羅比·巴拉特在網上免費分享的源代碼和數據。雖然藝術團體Obvious完全有權使用巴拉特的代碼，并聲稱自己是該作品的作者。但許多人批評佳士得的做法幫助提高了那些只在作品創作中發揮了很小作用的藝術家地位。這通常被解讀為佳士得的失敗，尤其是在推廣作品的誤導方式上，而不是反思AI藝術的原作者權益。

谷歌旗下的Ganbreeder資源享網站，于去年11月由喬爾·西蒙推出。每張Ganbreeder的圖像都是使用輸入參數創作，你可以通過修改站點上其他圖像的參數來選擇。該站點存儲了每個圖像的譜系，以便你可以看到最終圖像的所有貢獻者。如果你喜歡自己發現或創作的某張圖片，可以從一位名叫丹妮爾·巴斯金的企業家和藝術家那里訂購定制的木版畫。

巴斯金用顏料潤色了這些木版畫，但并沒有簽名，而是在作品的背面貼上二維碼，表明這幅作品具有獨特的血統。巴斯金之所以這樣做，是因為每張圖片都是許多人貢獻的結果，這使得很難將任何一位藝術家的名字與每幅新作品聯系起來。

?該是誰的就是誰的

現有的法律和慣例已經可以應對藝術品以某種合作或聯合形式創作的情況。人們普遍認為，藝術家只要創作出一張最終的圖片，就可以聲稱自己是作者，不過如果可能的話，他們應該對圖片的來源開誠布公。

然而，這些神經網絡的工作似乎是另一種類型的工作。神經網絡模型的貢獻和網站其他用戶的貢獻都與創作結果密不可分。似乎沒有任何貢獻者屬于“藝術家”。看待這些新藝術作品的一種可能方式是像看待開源軟件那樣看待它們。開源是一種軟件開發模型，任何人都可以在其中貢獻或使用開放軟件包。開源促使大量主要軟件工具誕生，如Linux和主要的神經網絡軟件。同樣，如果沒有開放的軟件和數據共享，新的神經網絡藝術品也不可能被創造出來。

開源項目為軟件如何使用和記錄貢獻指定了明確的規則：有些軟件可以擴展和銷售，而其他項目必須始終免費分發。每個程序員的貢獻都被記錄下來，他們如何獲得酬勞也取決于個人項目。像開源軟件一樣，Ganbreeder這樣的網站可以為藝術作者及其貢獻建立清晰的規則。指導方針應規定如何評估作品貢獻度、還有誰做出了貢獻以及作品何時可以出售或獲得版權。

支付報酬也是一個棘手的問題。如果Ganbreeder圖像被用于商業工作，比如書籍封面或電影制作，會發生什么？對于更平凡的貢獻，巴斯金建議可以在作品的眾多貢獻者中分攤報酬，這可能會有利可圖，因為一場大型廣告活動的版稅足以支付很多藝術家的餐費。

?“想象事物的攝影”

還有價值和意圖的問題。這些作品能成為偉大的藝術嗎？有些藝術品的價值僅僅在于其內在的美學屬性，比如某座山的美麗。但我們也重視作品，因為它展現了藝術家的視野、意圖和技巧。開源藝術品位于兩者中間的某個位置。這一意象代表了許多人經過深思熟慮的藝術選擇結果。但目的何在？當然，早期的貢獻者并不知道他們的作品將被如何使用。

這就像在詢問創作美麗山景背后的意圖嗎？還是藝術家最終的選擇是唯一的意圖來源？以前的藝術技術也提出過類似的問題，尤其是攝影的發明。當這種媒介首次出現時，許多人聲稱攝影根本不可能是藝術。他們認為，所有的工作都是由機器完成的。如今，這種觀點在“AI自己創作藝術”的誤導性言論中得到了呼應。

這種爭論延續了很長時間，但攝影最終被認為是其自己的藝術媒介。此外，它還通過迫使藝術家停止把所謂的現實主義作品放在基座上，從而催化了現代藝術運動。因為藝術家的畫作永遠無法與相機帶來的真實感相匹配，所以他們需要找到一種方法來創作出任何機器都無法復制的作品。

神經網絡藝術現在是就像“想象事物的攝影”。因為就像攝影一樣，神經網絡藝術可以創造出一組看似無窮無盡的圖像，而這些圖像本身似乎沒有多大價值。價值來自藝術家使用這些工具的獨特方式，比如他們如何設置參數、選擇主題、調整圖像細節或創作更大的圖像。不過，隨著新的神經模型以驚人的速度發布，這些問題只會隨著更奇妙、更怪異、更鼓舞人心的圖像的出現而變得更加緊迫。