谁才是AI 生成文本的真正作者？是 AI 本身？数据源的原作者？还是用户？
**本文首发澎湃翻书党，原题及链接为《AI 生成的文本，版权应该属于谁？》，原文略有删减。
无限猴子与结构蜘蛛
假设有一只猴子，它会一直随机地在打字机上敲击键盘。那么只要给它的足够长的时间，它就几乎肯定可以敲出人类任何一本已有的图书的内容，例如莎士比亚的全集。 从数学上讲，在无限次尝试中，猴子可以敲打出任何一部作品的概率都无限趋近于 1。
这就是著名的无限猴子定理，它是「荒诞」的。就像如果把一杯水倒入大海中，在之后的某个时刻，我们刚刚好可以打捞出一杯一模一样的水般。
但是现在我们已经完全不再需要畅想无限猴子了。在自然语言处理（NLP）和文本生成领域，要模仿特定的风格生成文本，如果结合大规模预训练模型、风格特征提取、文本生成调优等技术方法，就可以做到「以假乱真」。
这就是同样基于概率的 deepseek 晚近「震惊人类」的创作，它生成的文本几乎无法分辨是不是人写的，并能够模拟任何风格与作者的文本。
AI 眼中的「文学风格」是什么样的？
如果说类似网文、公文等因其程式化、商业化的文体特征，既没有什么独一无二的「作者性」，也没有什么高明的文学性，很容易找到它们「批量生成方式」的话，那我们不妨直接摆上人类整个文学史上最高段的作家之一——三岛由纪夫为例，让 AI 生成一段三岛式的文段：
暴雨中的剑道场弥漫着铁锈与朽木的气息，汗水顺着少年绷紧的脊梁滑落，在榻榻米上洇出深色图腾。竹刀相击的脆响里，他看见师父眼角的皱纹藏着江户时代某场未竟的复仇。当狂风掀开纸门，携来山茶花的残瓣黏在汗湿的胸膛时，他恍然领悟肉体不过是盛装耻辱的陶器，唯有在彻底粉碎的瞬间，方能窥见永恒澄明的月光。
三岛的文风「汪洋恣肆，波云诡谲」，比喻惊世骇俗，往往「语不惊人死不休」，令人拍案叫绝，难以名状。 而Deepseek 交出的答卷，即使还不能说已经足够「以假乱真」，但文风的确已经相当有极具辨识度的三岛韵味了。 那么 AI 是怎么做到的呢？
当我们说「三岛由纪夫式的段落」时，我们首先在表达的，是一种极度抽象、模糊的文本特征，亦即一种经过后人总结与概括出的美学风格。
相信很少有人可以否认，三岛由纪夫的核心风格至少是包括以下几个方面的：
- 极端美学：三岛强调死亡之美、肉体之美、秩序与毁灭的共存。他的文字往往冷峻、华丽，带有仪式感。
- 日本传统与西方现代性的交融：他擅长描绘日本传统武士道精神、神道教意象，同时又深受西方文学影响（如尼采、波德莱尔）。
- 强烈的视觉意象：他的描写极富画面感，常用光影、色彩、质感等细节来增强感官刺激。
- 短促有力的句子与复杂华美的句群交替：他能够在冷静、简洁的描述和繁复的抒情段落之间切换自如。
- 有美与毁灭的共存、个人意志与时代洪流、武士道精神的绝对化等思想冲突：「唯有被烈焰吞噬的建筑，才能显现其真正的轮廓」「他宁愿让自己的信仰碎裂成光辉四溅的玻璃，也不愿在时代的尘埃中沉默」「肉体不过是意志的器皿，若器皿已破，则意志亦得解放」等。
不仅如此，嗜读三岛的人们也很容易就可以总结出三岛有以下这些鲜明的修辞风格，甚至可以说风格鲜明到了若是不如此，就根本「不像」三岛作品的程度：
- 对自然的高度拟人化：如「秋日的阳光像一柄锐利的匕首，斜斜地刺入庭院，那金色的光芒在枯叶上燃烧，宛如即将自焚的舞姬。」
- 对肉体的极端关注：如「他脱下衬衫，背肌绷紧，皮肤因寒冷而泛起淡淡的青白色，像是刀刃轻抚过的瓷器。」
- 华丽的比喻与象征：「在夜色中，寺庙的影子倒映在水面，仿佛一匹黑色的战马正在湖心饮水。」
而以上三岛核心美学特点与修辞特点的描述正是 AI 自己的「体会」，已经非常准确与出色了，相信很难有人可以否认，即使与专家精心编撰的文学史教材中对三岛风格的概括相比，AI 的概括在知识的深度与准度上也毫不逊色。
然而上述这些在人类看来是美学风格的东西，在进行过语料库构建与风格学习的机器眼中，却全然是另一番景象。
机器在收集收集足够的三岛由纪夫文本后，会首先进行预处理。 三岛由纪夫的作品会被机器进行分句、分词，处理日语/中文/翻译英文版本等，并「确保数据格式一致」。 此后，机器会采用 TF-IDF、BERT embeddings 等方法分析三岛文本的常见词汇与独特短语，比如他偏好使用的比喻、色彩词、身体意象等。
有了上述准备工作，机器就可以对文本进行句法分析，从而识别出三岛句子的结构模式，比如：
- 修饰性强的长句（多层定语、隐喻、插入语）
- 简短有力的断句（刀锋般的短句，强调死亡、决绝）
其后，机器就可以训练风格分类器（Style Classifier），用以区分三岛文本与其他作家的文本，并让模型学习他的词汇分布、句法模式、修辞风格，从中提取独特的风格特征了。
AI 是怎么生成特定风格的文本的？
当模型根据人类给定的条件来调整输出，并生成特定风格、主题或情感的文字时，比如生成三岛由纪夫风格的文字，就叫做「受控文本生成」。
大模型会限制输出自己句子的平均长度、从句嵌套深度、比喻使用率等，使其符合三岛的句法特点，并优先使用“死亡、美、毁灭、身体、宗教”等高频词，以保持风格一致性。
而且如果降低温度（Temperature），就可以控制词汇分布、减少生成随机性，使生成文本更符合训练数据风格，并更具连贯性，不至于过于发散。
人类也很容易训练一个句法转换模型（Syntax Transfer Model）和比喻生成器（Metaphor Generator），用以将普通文本转换成三岛风格，比如：
- 普通句子：「落叶在风中飘零」「他的手指微微颤抖」
- 三岛风格：「秋风撕裂枝头，枯叶如烧尽的诗篇，沉默地坠落」「他的指尖如风中残烛，颤抖着，仿佛即将熄灭」
甚至还可以结合情感分析模型（Sentiment Analysis），调整文本的情绪参数，让生成更具三岛式的“悲壮美感”或“压抑感”。
最后是大模型的评估与优化环节，机器可以自己计算三岛文本与生成文本的困惑度。（Perplexity），评估其可读性与风格一致性，并使用 BERTScore（计算生成文本与参考文本之间单词片段的重复率）、BLEU（衡量生成文本覆盖了多少原文的关键内容）、ROUGE（将文本转化为上下文语义向量，计算生成文本与原文在深层语义上的相似度） 等方式，衡量生成文本与三岛原文的相似度。
再加上人类「专家」的最后的评估与调优，机器就可以把文学、美学风格转化为数据、概率，并由此模拟任何人的写作风格。
作者应该是 AI 本身，还是「原作者」，亦或是问问题的用户？
卡夫卡在临终前给了好友布洛德一份遗嘱，要求他死后销毁所有未发表的手稿，其中包括《城堡》、《审判》等公认最伟大的文学作品。 卡夫卡此前就多次表达过类似的意愿，并甚至亲手销毁过自己的手稿，但布洛德选择了"背叛"他最好朋友的遗愿。他不但没有销毁这些手稿，反而倾尽毕生精力整理、编辑并出版了它们。
米兰·昆德拉正是以这个故事展开他的著名的文论作品《被背叛的遗嘱》的，而且恐怕没有人会对此抱有异议：布洛德救赎了文学，即使他背叛了作家本人的意愿与友谊，他还是干得漂亮，他做得太对了！
然而如果我们思考昆德拉在这本书中提出的另一个有趣的问题，答案似乎就不如此黑白鲜明了。 斯特拉文斯基坚持认为，演奏者必须严格按照自己乐谱演奏，他反对任何形式的擅自改动。即使在有些时候，经过改动后的乐谱演出效果更好。 那么这种有悖于作曲家或一艺术家原意的「更好」的改动，是可以被允许的吗？昆德拉借题发挥道：
毫无疑问，人们完全可能把《追忆逝水年华》中的某个句子写得更好些。但上哪儿去找这么个愿意读一本修改后的普鲁斯特作品的疯子呢？
即使在实质意义上，被改动后的文本是比原来的文本「更好」的，这种改动也是不被允许的。 这个问题在昆德拉这里之所以是不证自明的，根本原因在于他认为作者的作品是一个有机的整体，任何改动都可能破坏其内在的逻辑和意义。后人首先应该尊重作者的创作意图，并尽量理解和还原作者想要表达的思想和情感。
所以昆德拉并没有在这个问题上更进一步，这个被改动了个别词句的，甚至已经改变了作者原意的「文本」，他的作者，到底应该是普鲁斯特，还是应该是普鲁斯特以及改动了这段文本的那个人两人合著呢？
而昆德拉之所以没有考虑这个问题，主因或许是印刷时代的纸质图书生成方式，被其他人改动了个别字句的《追忆似水年华》因为没有人愿意看的「市场性」原因根本被印出来的价值，而且著作权也不允许这样的著作被印出来。
所以文本的作者是普鲁斯特与一个没有经过普鲁斯特允许的改写者的情况是不可能发生的。在信息的生产与流通并不依赖纸质图书的印刷、出版的数字时代，一般出现这种偷偷改动原文个别字句并据为己用的情况，自然会被判定为洗稿。
但如果这段文本的创作者是具有生成能力的大语言模型呢？尤其是大语言模型生成的文本是在它学习了原作者的大量文本后，利用上述手段生成了在人类可以识别的「风格」上完全相同的新的文本。 如果 AI 生成文本的风格与原作还有差距，那也只是 AI「还」不能出色地完成仿写任务，而不是 AI「不能」完成这个任务。
那么AI 通过仿写生成的文本，他的「作者」到底应该是 AI 本身，是原始文本数据的提供者「原作者」，还是那个通过提问词一步步引导 AI 生产出了这段文本的用户？
很多人认为AI 生成的内容应视为“委托作品”，著作权归属于终端用户。但另一种观点认为，AI 生成的内容缺乏人类创作者的直接参与，不应视为作品，因而不受著作权法保护。纯粹由 AI 生成的艺术作品不应该获得版权保护，因为 AI 提示本身不足以使用户成为作品的作者。
而AI 在生成内容时，未经授权使用他人作品进行训练，已经出现过实际的侵权案例。例如，Thomson Reuters在与Ross Intelligence的诉讼中，法院裁定Ross未经授权复制其内容用于AI训练，侵犯了其版权。
不过美国的版权所有者态度与法律尺度比其他国家更为严苛。据传，几乎所有的著名 AI 公司都曾向数字图书馆安娜的档案提出过合作邀约，但最后美国公司都因为对于版权问题的担忧而最终放弃了合作。
随着AI技术的不断进步，AI生成内容的著作权归属和相关法律伦理问题只会更加复杂。具有推理与文本生成能力的 AI 技术将为人类社会的方方面面的格局都带来无比重大的改变，版权的概念与相关的法律条文亦莫能外。
而在 AI 时代继续笨拙产出 AI 可以生成的内容的传统创作者，恐怕已经不再有被称之为合格创作者的资格了。
在 AI 时代继续笨拙产出 AI 可以生成的内容的传统创作者，已经不再有被称之为合格创作者的资格了。
与现在的版权法同样必将完全为时代所抛弃的，还有创作者所创作的「内容」到底是什么的看法。
前 AI 时代（无论是纸张与印刷术开启的机械复制时代，还是电子计算机的普及开启的数位复制时代）对于内容的理解，将渐渐完全不适用了。
质言之，时下的很多具有创作者创作意义的「内容」，在 AI 时代，已经不能够再被称之为「内容」了，就像在曾经的印刷时代，让威廉莫里斯名垂青史的装饰艺术，在数位时代它只是可以被「调用」的背景模板而已。
至于「对于所有那些已经衰朽的、遗弃的、消亡的风格样式，就是我们需要的」，那些人类对于消亡之物所特有的「乡愁」，那种 AI 无法体验与计算的，「只属于宇宙间最大的奇迹」的情感，我想我的这种「乡愁」恐怕不会比任何人少。
但「乡愁」之所谓为「乡愁」，正是因为我们已经离开了自己的故乡，并且我们已经再也回不去了。
