我院专家赵瑜教授等人的论文《海外生成式人工智能与影视产业研究综述》，发表于《电影文学》2024年第3期。

现刊出全文，以飨读者。

作者简介

张亦弛：浙江大学传媒与国际文化学院博士生

赵   瑜：浙江大学传媒与国际文化学院教授，乌镇数字文明研究院专家

摘 要：人工智能与影视行业的融合有效提升了生产效率，但也引发了伦理与法律挑战。目前海外学术界聚焦AIGC的技术应用、创作主体辨析、版权确权与伦理治理研究，取得了丰富的成果。现有研究认为人工智能有望进一步嵌入影视产业全周期，人机协同创作有助于影视行业的降本增效；但人机协同也模糊了人类创作者的独创性和主体性，带来版权侵害和技术滥用等风险。未来生成式人工智能在影视领域的技术研发和应用优化，版权拥有者与科技公司之间的利益平衡，将进一步成为关键议题。

关键词：AIGC；影视产业；独创性；版权；伦理

项目基金：国家社科基金一般项目“人工智能时代的传播伦理与治理框架研究” （项目编号：20BXW103）阶段性成果

人工智能这一通用智能技术已经深度嵌入影视制作、传播和消费中，智能生产（AIGC）在2023年成为一个产业事实，对它的研究也从工程领域进一步深入人文社科。特别是影视产业受到的赋能和冲击几近同等重大，好莱坞编剧罢工长达148天，明确要求规范人工智能（AI）的使用，防止AI取代编剧的创作权和职位，而历时118天的演员罢工也获得了职业免受AI威胁的承诺。

作为产业事实，AIGC已经获得巨大关注乃至激烈的反抗，对于行业现象，学术界又做出了哪些回应？笔者通过国内外文献梳理，总结出四个主要的研究维度：生产技术研究、创作主体辨析、影视版权和伦理影响。从文献的数量分析，工程学科的技术讨论仍占据主导，但电影理论与传播理论研究也开始逐渐深入这一话题。

 
一、AIGC技术在影视行业的应用研究

从前期筹备，到中期拍摄，再到后期制作，影视制作的各个环节都已经嵌入了AI的应用，研究者也在持续不断地进行新技术研发。

(一)叙事模型突破

在自动故事与剧本生成领域，早在2006年，研究者就已经试图在可以综合AI与人文的叙事模型上进行突破，以寻求更有效的生成方法。常规的故事生成模型会在两种技巧中二选一：计划/问题解决与语法。这些规则通常衍生于传统的叙事学，例如弗拉基米尔 · 普洛普（VladimirPropp）的童话形态学等。并不是所有的叙事模型和结构都能在人文学科与AI之间架起桥梁，从而被用于自动故事和剧本生成领域，尤其是一些更复杂的模型结构。研究者发现，过于简化以至于不清晰的模型，与过于详细与指令明确的故事模型，都不适用于AIGC领域。^[1]

在初步的模型探索后，研究人员失望地发现，早期的自动文本和剧本生成软件无法胜任连贯的长段落写作。著名的两部AI短片《阳春》(Sunspring,2016)与《这不是游戏》(It's No Game,2017)在放映时并不会让人类创作者感受到太大的威胁。不过，后者因其剧情被认为是对于AI讲故事的“元评论”，这某种程度上预言了AIGC在影视行业日后的蓬勃发展。^[2]

在模型不断更新和迭代之后，产出更完整的含有标题、角色、故事节奏、地点和对话的剧本变为了现实。人机合作的剧本得到了行业专家的一定肯定。研究者持续不断地研发新的能够提升时效的方法与模型。通过文本分析，一种新的指令写作的方法被证明可以提升作品的创造性。^[3]另有研究者致力于研究如何更快速又更有质量地将现成的故事转换为剧本。^[4]此外，在输入端，Open AI最新推出的GPT4Turbo能处理长达300页的单一指令，更精细化的指令势必也将生成更高质量的故事文本。

如今，让AI独立完成一个兼具艺术性与商业性的影视剧本仍有难度，但是影视公司已经在用AIGC技术开发能够与观众产生共鸣的故事想法。通过人工智能和机器学习的平台，制片人可以了解到观众的审美与品位，并运用到AI开发故事的过程中。此外，情感分析技术的进步帮助创作者提前预判了观众的情感点，从而更好地提前处理剧本中可能引起观众共情的部分。目前，情感分析和判断技术的研究趋势已从原先的单模态情感分析逐渐发展为多模态情感分析。^[5]

(二)跨模态的自动内容生成

自动剧本视觉化软件可以将自然语言的影视剧本转化为3D多模态的动态场景，从而帮助投资者或者创作者提前评估剧本的视觉效果，以及帮助美术组绘制概念图。这些软件的本质是文本转视频（TexttoVideo）或文本转动画（TexttoAnimation）。不同的软件各有所长。软件ASAP可以根据标准格式的剧本生成自然的动作和对话场景，从而节省创作者前期制作故事板的时间和成本。^[6]SceneMaker会特别关注情感部分在动作连贯度、面部表情等元素中是如何具体反应的，且能根据不同的电影类型做出调整，从而在情感维度上更加逼真地视觉还原剧本。^[7]

在自动图影像生成领域，目前存在将原先的自动图像生成系统提升为自动影像生成系统的技术研究趋势。虽然这种方法提高了效率，但是也存在保持连贯叙事和处理快速的场景构成变化等挑战。有研究者通过研发能将指令分解为针对每一帧的细致描绘，产出了更加连贯统一的影像。^[8]另有研究者通过对比研究专注于自动影像生成等功能的视频分散模型后发现，与文字转图像相比，文字转视频领域缺乏足量的数据集，并且素材的清晰度和质量也有待提升。由于视频的特殊性，模型训练成本高且耗时，亟须探寻更高效的训练方法。^[9]

在文字转3D数字形象（Text-to-3DAvatar）的领域，已经有了不小的突破。旧有的自动3D形状生成无法被直接运用至非刚性的穿着衣服的人物上，从而增加了这项技术的难度。目前，有研究者致力于研发精准编辑人物脸部的技术，以及更简单的互动型材质编辑。^[8]

在影视行业，后期美术创造电子逼真场景的要求不断攀升，普通的建模工具已经无法满足使用要求。生成设计在工程和设计领域已十分流行。AI工具简化了自动生成场景的过程，影视从业者也可从中获益。智能生成设计工具不但在动画片中，而且在需要特效的真人电影的创作过程中可以提供多个场景解决方案，而非追求一个单一的最优解，这使得设计者和创作者可以根据自己的美学想法从中进行选择。^[10]而通过AIGC进行场景生成和特效制作的影片也在不断冲击各大奖项。

(三)人机协同的影视后期 

在自动剪辑方面，也取得了不小的成果。相比电影成片，电影预告片有更强的模板性。IBM的沃森研究中心披露了他们如何运用智能系统进行了第一个人机合作的电影预告片创作。通过多模态的语音提炼，智能系统学习了恐怖电影预告片的元素，并最终和人类剪辑师一起高效完成了恐怖片《摩根》（Morgan,2016）的预告片剪辑。此外，虽然电影成片的自动剪辑相比预告片难度较高，但依靠人脸识别等技术，AI自动剪辑工具可以帮助人类剪辑师快速定位主要角色和叙事序列。^[11]来自著名剪辑软件生产商Adobe公司的研究者认为，机器学习已经引发了整个视频剪辑产业的变革。智能重新构图、电子化妆和调色等方面已经早早嵌入了AI。大量后期公司也已试水自动调色。^[12]在自动素材整理和辅助视频组装这些平日交由剪辑助理的烦琐领域，Adobe创建了一个建立在数千电影场景、名为“视频剪辑解剖”的数据集和基准测试组，将每组镜头的景别、镜头角度等多个属性进行标注。同时，其研究者定义了自动视频素材组装的五大任务，助力了AI自动剪辑的研究。^[13]

在后期配乐中，自动音乐生成工具也将为影视制作赋能。通过学习大量音乐库的音乐，AI自动音乐生成软件可以根据不同的电影类型生成不同风格的音乐。

毫无疑问，AIGC的嵌入在一定程度上不但精简了产业链，也提升了观众的观影体验。未来，AI可以写剧本，进行重复性的背景图绘制，分析并标签素材，对影像进行第一稿的粗剪，而机器人也可以从事群演表演工作。AIGC的技术应当助力于解决影视行业中需要耗费大量时间的烦琐工作。如此，才能把更具有创造性的工作留给人类创作者。不过，也有研究犀利地指出，在目前的实践层面，运用AIGC技术并不一定带来影视制作成本的降低。因为生成连贯图像的过程包含了多层次的复杂组合，要求熟练的人类操作专家和专业模型等超过普通预算的准备。^[14]但相信假以时日，控制预算的难题将被攻破。

二、AIGC的创作主体问题       

不同于制造业、计算机行业等许多早早被技术所占据的领域，艺术创作一直保有自身对人类独创性的强烈需求。才华与天赋被认为是创作的灵韵，并不被普罗大众所拥有。艺术家被形容为是一群有着自身独特审美与风格、敏锐感受力和神秘灵感来源的人，从而某种程度上垄断着艺术的话语权。技术从来只被当作辅助人类创作的工具。然而，AIGC的出现威胁到了人类创作者长久以来的独创性与主体性。

有学者指出，自动剧本和影像生成改变了有关著作权和新媒体审美的观点，这让我们应当重新评估当下新媒体的境况。延续米歇尔·福柯（MichelFoucault）“作者功能”的理论脉络，AI电影应当被当作是一种不同于传统影视、需要被构建独特身份的新影像形式。^[15]我们将曾经独属于人类的情感、审美与体验作为训练数据喂养AI，而AI回馈了曾被认为是主观的作品。这在某种程度上模糊了独创性。AI是否具有真正的创造性，又或是处于某种“准创造”的中间地带，目前学界和业界莫衷一是。有观点强调AI作品带给人类观众的治愈作用，由此承认其有价值的创造性；也有观点认为AI作品污染了人类文化，让人类的技术和知识降级。从这个角度而言，AI仍存在某种“幻觉式的竞争力”。^[16]

难以否认的是，AI在图像生成、声音生成等自动内容生成领域，已经是一个精通而熟能生巧的“老匠人”了。不但能够海量生成内容，为观众提供个人的订制化体验也是一个趋势。从这个角度，很难完全否认AI的创造性。研究者通过采访发现，艺术从业者对于将AIGC融入创作总体持积极开放的态度。尽管如此，在复杂的角色动画、面部表情等领域，AIGC的表现不佳。^[17]这不仅是技术问题，更是独创问题。在可见的未来，AI要替代人类创作者的独创性和审美敏感性都是十分困难的。生成式AI系统做的事是对于现成创作的重混与重组。将贝多芬和舒伯特的作品重组并不会产出佩尔特的作品。有研究者在使用ChatGPT进行电影剧本自动生成的实验后发现，错误和陈词滥调是十分常见的问题。^[18]AI表演者或者换脸技术也难以产生人类演员所带给观众的相同情感体验。艺术仍将频繁地受益于人工智能所难以复制的独属人类创作者的观点、感受与经历。

比独创性更深层的问题是AIGC是否会威胁人类创作者长期占有的主体性。在这场AIGC的变革中，人机关系应当被视为是协同而非竞争。目前，人机合作是最为常用的自动剧本生成流程。在帮助人类作家应对常见的写作瓶颈上，AI的潜力是巨大的。AI软件在提升观众的情感共鸣上也有不可小觑的作用。机器可以预判观众在何时会落泪，这能帮助编剧更客观地审视创作内容，从而提升观众参与度。^[19]而对这个合作伙伴，人类创作者也提出了相应的要求。有研究机构采访多位专业编剧后发现了三个主要的人类创作者诉求，这些诉求与人类创作者试图保有自身的创造性和主体性息息相关。这些要求分别是：将情感价值置于AI的高效创作之上，能够选择不信任AI去完成创作角色和对话等更有挑战性的子任务，以及防止AI出现不匹配人类创作者写作策略的行为。^[20]随着人机合作的推广与广泛应用，从中产生的独属于人机协作作品的审美与创造性是值得被研究的议题。

我们不用将AIGC看作是与英雄对抗的反派。相关突破深深根植于深度神经网络，而这恰恰是在人类的神经系统之上构建的。并且，在AI生成图影像的过程中，懂得电影原理和影视制作流程的人类专家的把控是必不可少的，这可以确保生成的图影像与电影项目的要求一致。

AIGC的最终目的不是替代人类创作，而应是将创作者从基础工作中解放出来，从而能够将时间和精力放在更需要发挥人类智慧独特性的地方。人类应当拥有最终决策权。但同时，AI确实将替代从事重复性与基础性工作的劳动者。如何促进这个群体的迭代升级与利益保护，是一个值得思考的问题。

三、AIGC的版权问题

虽然AIGC挑战了传统的版权法，但是也给予研究者以重新审视现行法律的机会。侵权和公平使用是版权法中一对重要的核心概念。在《机器人会梦到电子版权吗?》中，作者指出了各个国家对于没有人类干预或者干预较少的AI作品是否可被版权保护的分裂看法，并预测了分辨人类作品与AI作品的困难，这给版权保护造成了一定模糊性。^[21]此外，在2021年，就有版权研究者指出，公平使用在判定美国AI公司是否侵权的诉讼中起到了重要作用。^[22]相关的版权例外规定在之后的研究中也被提及。也有研究者认为，以技术中立的态度将AI生成作品和人类创作者的作品一视同仁是不合适的。AI自动生成作品是不应被版权法保护的，AI使用的训练数据也不构成侵权。^[22]

随着时间的推移，对于AI作品是否可被版权法保护的看法产生了变化。在美国，AIGC公司的行为成为美国编剧工会于2023年5月开始的罢工的重要原因之一，并使这些公司面临一系列法律诉讼，诉讼方包括GettyImages等大型媒体公司。有作者将这次从编剧工会开始，再延伸到演员工会，最终波及整个好莱坞的罢工称为“创造性与电子未来的碰撞”^[23]。在欧洲，这场版权的新战争也同样在发生。作者和版权所有者要求，当他们的作品用于AI公司的数据训练时，可获得一定报酬。美国与欧洲的版权法律有所不同。美国更偏向于有资金背景的科技公司，往往可以让这些公司先使用无版权数据，再等待版权所有者提起诉讼，而欧洲的法律则相反。所以，欧洲议会的一些成员提出只使用公域作品进行数据训练。^[24]然而，自动影视内容生成的质量依赖着训练数据的质量，只使用公域内容势必影响产出质量。通过对比分析中美欧对于AIGC版权的相关法律法规，有研究者指出，三者拥有相似性与各自的独特性。在相似性上，中美欧都承认AIGC作品是可以被版权保护的，版权持有者可以行使一系列权利；同时，三者也都给公平使用和公共利益等例外留下了空间。而在独特性上，欧洲承认AI作为一个特殊的权利持有人，针对公平使用的规则更加具体，美国有着更加广泛的公平使用主义，而中国在版权法的执行和高昂的相关法律行动费用上面临挑战。^[25]

2023年发表于《科学》的论文《生成式AI遇到版权》同样指出，在美国的版权法中，公平使用并不构成侵权。这其中包括训练使用量等四个重点因素，均须法官在不同案件中进行综合评估。此外，尽管StableDiffusion被诟病为原作拼贴软件，但要真正证明其侵权须满足多个条件。训练数据量越大，判定侵权就越困难。美国版权办公室在2023年举办了多场倾听会。这些版权诉讼也许多年才会尘埃落定。另有学者指出，尽管在版权方和创作者起诉OpenAI等科技公司的案件中，有一部分法律提供了前者一些准保护，但它们的局限性使得这些案件悬而未决。^[26]

平衡不愿被剥削的版权所有者与AI公司间的利益是这场战争的根本。有研究者提出了一种法定报酬权利的方式，以期平衡双方诉求。^[27]美国专利与商标办公室的行政专利法官认为，是否应当对AI生成作品进行版权保护是一个涉及多方的复杂问题。消费者可以像欣赏人类作品一样欣赏AI创作，这说明这些作品本身是有价值的。并且，剥夺这些作品的版权保护可能性也打击了将想法输入AI软件的人类作者的积极性。作者提倡一种既非版权保护，又非否定版权保护的独特方式。这种方式提供“有限的保护，清晰界定的权利，注册的要求，警示的要求，并且需要提供一个能够促进公共福祉的裨益经济和社会的AI使用的资金来源”^[28]。毕竟，使用AI作品对于好莱坞制片人在经济上是十分具有诱惑力的，而相对弱势的编剧和演员等群体的生存空间势必受到威胁。

最终，在AIGC版权保护领域，应当探寻一种平衡版权拥有者和AI公司双方利益的办法。这既不能挫伤人类创作者的积极性与创造性，也不能阻碍AI公司的创新动力。否则，这场战争将绵延不绝。

四、AIGC的伦理与道德问题

隐私泄露、虚假信息和有害信息、算法偏见与歧视等传统问题，也是AIGC无法绕开的话题。

自动图影像生成领域十分容易存在隐私泄露的风险。这种隐私问题来源于AI系统本身存在的泄露敏感图像信息的脆弱性，以及被人工滥用而导致违反隐私条例的常见现象。^[29]HeyGen等应用不但可以换脸，也可以让同一个人流畅地说多国语言。Deepfakes等技术有可能操纵不知情的人的脸部信息，用于生成视频。

ChatGPT等大语言模型容易产生幻觉，从而导致虚假信息。如果这个弱点被利用于大量传播有害公共利益的故事与视频，界定与清除的工作日益困难，单凭人类的智慧也许难以抗衡。包含虚假和有害信息的恶意和极化的内容传播模糊了虚拟与现实的边界。这些信息和故事有可能绕开传统的安全过滤系统。而多模态的AIGC让虚假信息越发泛滥，传统的检测与干扰方式亟须迭代升级。研究者从信号、感知、语义与人类四个维度探索了AIGC中微妙的操纵，例如信号操纵、语义不连贯和心理策略等，构建了一个新的概念框架，从而助力更加全面与即时的AIGC虚假信息检测。^[30]AIGC虚假信息的数量与速度都是曾经的虚假信息所无法企及的。正因如此，新的检测与缓解虚假信息情况的理念是一个重要的研究方向。

针对女性等群体的歧视和偏见在AIGC软件中广泛存在。当女性肖像被非法用于色情视频时，就引发将女性身体当作视觉消费的物化行为，并且中性化和常规化了异性恋霸权^[31]。还有研究者发现，StableDiffusion在处理“工程师”这样的名词时，往往产出男性图像显著多于女性图像。^[32]生成的剧本与影像会潜移默化地影响观众对于少数群体和社会不平等的感知。

强健的事实评估和偏见检测等持续的监管方法，有害过滤等补救策略，以及健全的伦理法则，以确保负责任的AIGC使用，是刻不容缓的。我们应当遏制类似Deepfakes这样性别歧视的应用，倡导一种女性主义的人工智能。研究者们倡议，公司应将负责任的AI实践融入所有AIGC相关的项目中，在开发AIGC系统、数据收集、建模和前后期处理的步骤中均实践能够缓解潜在风险的措施，以促进更道德和安全的AIGC使用。^[32]视觉信息伦理是应引起全行业重视的问题，信息素养不再只是属于专家的知识。^[33]欧洲议会已经开始要求披露AI做出的决定是可被解释的，以解决算法黑箱的问题。^[34]在AIGC内容传播的过程中，应当让信息接收者有知情权。

结语

AIGC仍处在它的初生阶段，但它将对影视行业进行不断渗透的趋势是毋庸置疑的。也许创作者应以开放的态度，打破认为艺术创作是人类独属活动的理念，积极将AIGC与自己的创作相融合。有研究者在AIGC的基础上，提出了AIGX（AI-GeneratedEverything），暗示了未来生成式AI的无处不在。^[35]

在目前AIGC与影视的研究中，生产技术研究占比较大，影视产业须更多进入此话题。并且，研究者不能仅局限于技术性的深入，例如为AI工程师提供叙事结构的形式理性研究，而应当更多地从艺术对人类思想表达的独特性免受技术宰制的角度进行探讨。此外，研究者还应当更多地进入田野调查，切实分析人机协同生产的现状及对产业和创作者的影响。而在法律和监管层面，不断更新的规章制度在AIGC的发展与应用中起到了防止其被滥用的重要作用。AIGC的发展不应以破坏人类的独创性与尊严为代价。

参考文献

[1]P Gervás. Narrative Models:Narratology Meets Artificial Intelli- gence [ J ] . Toward Computational Models of Literary Analysis, 2006 (01):44-51.

[2]S Thorne. Hey Siri,tell me a story:Digital storytelling and AI authorship[J]. Convergence,2020(04):808-823.

[3]T Cho. A Study on Dramaturgy for AI Screenplays:Writing Alter- native Narratives Using GPT[D]. Buffalo:State University of New York at Buffalo,2023:5.

[4]K Eldhose. Alyce:An Artificial Intelligence Fine-Tuned Screen- play Writer[J]. Innovative Data Communication Technologies and Appli- cation,2021(01):627-636.

[5]Q Lu,et al. Sentiment Analysis:Comprehensive Reviews,Recent Advances,and Open Challenges[EB/OL]. NIH,(2023-07-21) [2023-11-15]. pubmed. ncbi. nlm. nih. gov/37478046.

[6]H Kim. ASAP:Auto-generating Storyboard And Previz with Vir- tual Humans[ J] . 2021 IEEE International Symposium on Mixed and Aug- mented Reality Adjunct,2021(01):316-320.

[7] E Hanser. SceneMaker:Automatic visualisation of screenplays [EB/OL].Springer,(2009-09-15)[2023-11-15]. link. springer. com / chapter / 10. 1007 / 978-3-642-04617-9_34.

[8]S Hong. Large Language Models are Frame-level Directors for Zero-shot Text-to-Video Generation[EB/ OL]. arXiv,(2023-05-23) [2023-11-15]. arxiv. org/ abs/ 2305. 14330.

[9]L Yang. Diffusion Models:A Comprehensive Survey of Methods and Applications[EB/ OL]. arXiv,(2022-09-02)[2023-11-15]. arx- iv. org / abs / 2209. 00796.

[10]G Amato. AI in the media and creative industries[EB/OL]. arXiv,(2019-05-10)[2023-11-15]. arxiv. org/ abs/ 1905. 04175.

[11]H Singh,et al. Artificial Intelligence as a Facilitator for Film Production Process[EB/OL].IEEE,(2023-01-27)[2023-11-15]. ieeexplore. ieee. org / document / 10085082.

[12] L Kavitha. Copyright Challenges in the Artificial Intelligence Revolution:Transforming the Film Industry from Script to Screen[J]. Trinity Law Review,2023(01):1-8.

[13]D Argaw,et al. The Anatomy of Video Editing:A Dataset and Benchmark Suite for AI - Assisted Video Editing [ EB / OL ] . Springer Link,(2022-11-12)[2023-11-15]. link. springer. com/chapter/ 10. 1007 / 978-3-031-20074-8_12.

[14]A Sookhom,et al. A New Study of AI Artists for Changing the Movie Industries[J]. Digital Society,2023(03):1-15.

[15]P Parikh. AI Film Aesthetics:A Construction of a New Media I- dentity for AI Films[D]. Orange:Chapman University,2019:5.

[16]E Bran,et al. The Emerging Social Status of Generative AI: Vocabularies of AI Competence in Public Discourse[EB/OL]. IEEE, (2023 - 08 - 17) [2023 - 11 - 15]. ieeexplore. ieee. org/ document / 10214752.

[ 17] R Gu,et al. Innovative Digital Storytelling with AIGC:Explora- tion and Discussion of Recent Advances [ EB / OL ] . arXiv, ( 2023 - 09-25)[2023-11-15]. arxiv. org/ abs/ 2309. 14329.

[ 18] M Osborne,M. Generative AI and the Future of Work:A Reap- praisal[J]. Brown Journal of World Affairs,2023(01):1-12.

[19]E Chu. AI in storytelling:Machines as cocreators[EB/OL]. McKinsey&Company,(2017-12-11)[2023-11-15]. mckinsey. com/ industries/ technology-media-and-telecommunications/ our-insights/ ai- in-storytelling.

[20]O Biermann,et al. From Tool to Companion:Storywriters Want AI Writers to Respect Their Personal Values and Writing Strategies[EB/ OL]. ACM,(2022-06-13)[2023-11-15]. dl. acm. org/doi/10. 1145 / 3532106. 3533506.

[ 21] A Guadamuz. Do Androids Dream of Electric Copyright? Com- parative Analysis of Originality in Artificial Intelligence Generated Works [J]. Intellectual Property Quarterly,2017(02):1-24.

[22]C Craig. The AI-Copyright Challenge:Tech-Neutrality,Au- thorship,and the Public Interest[J]. Research Handbook on Intellectual Property and Artificial Intelligence,2022():134-155.

[23]J Bonnici. When Hollywood and robots collide[EB/ OL]. Sage Journals,(2023-10-27)[2023-11-15]. journals. sagepub. com/doi/ full / 10. 1177 / 17816858231207215.

[24]K Durantaye. Garbage In,Garbage Out. Regulating Generative AI through Copyright Law[EB/OL]. SSRN,(2023-10-13)[2023- 11-17].papers.ssrn.com/sol3/papers.cfm? abstract_id=4572952.

[25]A Zhuk. Navigating the Legal Landscape of AI Copyright:a Comparative Analysis of EU, US, and Chinese Approaches [ J ] . AI and Ethics,2023(03):1-8.

[26]Z Kahveci. Attribution Problem of Generative AI:a View from US Copyright Law [ J ] . Journal of Intellectual Property Law and Practice,2023,18(11):796-807.

[27]C Geiger,V Iaia. The Forgotten Creator:Towards a Statutory Remuneration Right for Machine Learning of Generative AI[ J] . Computer Law & Security Review,2024(52):1-9.

[28]B Hardman,J Housel. A Sui Generis Approach to the Protec- tion of AI-Generated Works:Balancing Innovation and Authorship[ EB / OL]. SSRN,(2023-08-30)[2023-11-15]. papers. ssrn. com/ sol3/ pa- pers. cfm? abstract_id = 4557004.

[29]Z Li. On the privacy risks of machine learning models[D]. Saarbrücken:The University of Saarland,2023:5.

[30]D Xu,S Fan. Combating Misinformation in the Era of Genera- tive AI Models[EB/OL]. ACM,(2023-10-27)[2023-11-15]. dl. acm. org / doi / 10. 1145 / 3581783. 3612704.

[31]C Ladwig,et al. An Eye Toward the Softer Side of CC2020 Computing Curricula: Professional, Legal, and Ethical Artificial Intelli- gence Issues [ J ]. Proceedings of the ISCAP Conference, 2023 (2473):4901-4902.

[32]C Chen,et al. A Pathway Towards Responsible AI Generated Content[EB/OL].arXiv,(2023-03-02)[2023-11-15]. arxiv. org/ abs / 2303. 01325.

[33]T Wagner,A Blewer. “The Word Real is no Longer Real”: Deepfakes,Gender,and the Challenges of AI-Altered Video[ J] . Open In- formation Science,2019,3(01):32-46.

[34]T Friend. How frightened should we be of AI[EB/OL]. The New Yorker,(2018-05-07)[2023-11-19]. newyorker. com/maga- zine / 2018 / 05 / 14 / how-frightened-should-we-be-of-ai.

[35]H Du,et al. The Age of Generative AI and AI-Generated Eve- rything[EB/OL]. arXiv,(2023-11-02)[2023-11-15]. arxiv. org/ abs / 2311. 00947.

本文转自 | 工业与科幻影视专家委员会