媒体数字内容AIGC版权实践的模仿伦理：争议、界限与原则

【摘要】生成式人工智能广泛采集媒体数字内容数据进行模型训练，并将模型用于生成可替代新闻内容的人工智能产品，造成媒体版权利益的严重受损和内容危机。生成式人工智能及生成作品的可版权性和著作权归属等关键问题仍处于探索阶段，迫切需要过渡性版权伦理框架，以规范媒体数字内容在生成式人工智能中的版权实践。跳出技术中心主义的传统视角，重返柏拉图和康德的模仿伦理传统，强调模仿行为本身的道德有效性和伦理规则，文章提出模仿的行为公开性、数据关联性和结果建设性三重伦理界限，以及非贬损性、非表达性、非消耗性使用三条伦理原则，为媒体数字内容在生成式人工智能的版权实践提供紧急情况下的伦理框架。

【关键词】生成式人工智能；媒体数字内容；模仿伦理；媒体版权

当前，生成式人工智能（Artificial Intelligence Generated Content，缩写为AIGC）开发主体在采集模型训练数据的过程中，追求公众使用成本最低化和开发者利益最大化的平衡，致使公共化、低成本的媒体数字内容成为训练数据集和模型学习的重要来源，而这也导致媒体版权利益在AIGC版权实践中的广泛受损。2023年11月，美国新闻/媒体联盟（The News/Media Alliance）《白皮书》指出：新闻和数字媒体在Google C4训练集中的所有类别来源中排名第三，数据集来源排名前十的网站中有一半是新闻媒体网站[1]。2023年12月27日，《纽约时报》以侵犯版权为由起诉OpenAI和微软擅用报道训练大模型，成为第一家起诉这两家公司侵犯其文字作品版权的美国大型媒体[2]。

然而，实践层面AIGC时代媒体日益严峻的版权危机并未得到理论层面的有效回应，学界就AIGC生成内容可版权性或不可版权性等问题展开激烈讨论，迟迟无法对AIGC生成内容的法律和伦理地位做出确切结论。基于AIGC严重损害媒体版权利益这一现实图景，规避AIGC的版权伦理争议，构建技术急速发展这一紧急情况下的过渡性版权伦理框架，具备理论紧迫性和现实意义。

一、技术与德性之间：AIGC中媒体数字内容的版权伦理争议

与隐私问题类似，版权问题本质上是伦理问题，核心关注点在于如何道德地使用知识产权。在当前版权实践环境和技术手段日趋复杂的情况下，对新技术造成的版权问题应该先在伦理层面讨论，因为版权法的更新和完善相对滞后，况且版权法也需要回应版权实践中的道德问题。因此，面临AIGC技术造成的媒体数字内容版权困境，需要优先讨论AIGC使用媒体数字内容的道德地位和伦理依据，探讨AIGC技术与媒体数字内容的伦理冲突。

（一）创造性争议

媒体数字内容有创造力吗？按照现有的版权伦理理论，创造力被认为是检验文学或艺术作品是否应受保护的关键伦理标准[3]，作者权传统中的版权制度也将创造力置于保护的核心位置。媒体数字内容是否属于版权范畴，本质上取决于如何界定媒体数字内容的创造力。从内容原创性和作者劳动角度看，媒体数字内容显然具有创造力。媒体数字内容源于媒体从业者的创造性劳动，反映特定主体个性并能在内容中实现自由表达和创意性选择。媒体数字内容风格、发布规律等非版权数据也能被视为“最低程度的创造力”的“作者作品”[4]，具备创造力劳动这一正当理由，存在合理的版权主张空间。

当前，辩论焦点并不在于媒体数字内容是否具有创造性，而是AIGC使用媒体数字内容生成的作品是否具有创造性。如果AIGC作品具有创造性，媒体数字内容应作为机器借鉴学习和版权“合理使用”的必要组件，缺乏纳入版权保护的合理性。如果创造力不被定义为一种典型的人类能力，而是可以被理解为一组“特征或行为”[5]，创造力确实可能存在于AIGC的输出结果中而且能对媒体数字内容做出额外原创贡献。传统创造力要求在人类创造者和物体之间存在特殊联系，作者的人类“个性”是版权原则的基石。AIGC程序虽不符合这一原则，但已造成创造伦理（Creativity Ethics）的普遍争议和实践困境。

（二）透明性争议

生成式人工智能采集和使用媒体数字内容应当透明吗？自20世纪60年代以来，推动人工智能伦理研究的一个关键概念是彻底透明的理念[6]，即信息的透明伦理（Transparency Ethics）。算法透明度可以定义为与人工智能算法工作相关的所有信息的公开可用性，如果媒体无法对AIGC算法和模型运作方式及过程进行观察和评估，确认可能的版权侵害行为便不具备可行性。透明性伦理要求数据输入、加工和输出过程向媒体数字内容主体公开，建立媒体向算法开发者版权问责的基础——算法的可见性，这对媒体数字内容的版权保护至关重要。

透明性伦理的争议在于人工智能开发主体是否应该无限制披露使用的算法模型和数据。如果披露是无限制的，AIGC的深度学习模型属于披露对象，导致潜在的复制和剽窃风险，尤其是开发成本极其高昂的高性能模型。如果披露是有限的，已披露的数据和处理过程同样有限且不准确，因为仅提供部分数据和模型访问权限存在“揭示其他事实来掩盖某些事实”的算法风险[7]。保密是透明的构成要素，而透明则将自身定义为对保密的反应。主张媒体数字内容的算法透明度，须避免成为胁迫技术开发者的“透明暴政”，将关注重点放在算法实践主体所承诺的透明原则以及应当披露的数据和信息。

（三）公平性争议

AIGC对媒体数字内容的大规模使用，对媒体内容主体是否公平？

就现阶段而言，答案显然是否定的。技术伦理和道德准则要求人工智能技术的发展必须公平且普惠，对少数群体和个别对象的剥削和损害将造成算法技术的整体性不公。媒体数字内容在AIGC中的大规模使用将削弱媒体行业内容的创造力，文字、图像、视频等全媒体内容被广泛纳入AIGC模型以生产各类自动化内容产品，媒体行业将面临“灵性”消亡、盈利能力受损等困境。同时，AIGC算法过度依赖媒体数字内容，并不符合“广泛代表性”的数据公平伦理要求[8]。

假设以上争议都已解决且媒体数字内容受版权保护，这样的结果对包括媒体、模型开发者和使用者在内的社会整体也并非公平。版权保护的目的在于促进创造力和社会整体性进步[9]，版权法的存在是确保作者的创造力得到公平的回报，这种保护和激励是达到最终目的——即为公众利益而激发创造力的手段。由于现阶段缺少替代媒体数字内容的数据来源，AIGC在媒体数字内容使用层面的受限，可能阻碍先进人工智能技术的迭代，对技术发展的整体性社会福祉和公平造成损害。实现媒体数字内容的版权保护和AIGC发展的平衡需要允许公平使用包括媒体数字内容在内的数据资源，同时保护媒体的盈利能力和创造力。

二、“道德化模仿”：模仿作为媒体数字内容AIGC版权实践的伦理框架

AIGC媒体数字内容的版权实践造成的伦理争议不同于传统的媒体伦理问题，AIGC技术仍处于爆发状态，对这种技术的伦理担忧远未结束，建构媒体数字内容在AIGC版权实践中的伦理框架应更为谨慎。发展后人工智能时代媒体数字内容的版权伦理应告别技术中心主义视角，因为对悬而未决的技术做出轻率的伦理结论，将导致更严重的道德认识论障碍。这里，通过回顾一种被遗忘的伦理传统——模仿的伦理（Imitation Ethics），选择将其将作为媒体数字内容AIGC版权实践的伦理框架。

自柏拉图起，模仿（Imitation）就成为西方的伦理和美学传统。柏拉图跟随苏格拉底将模仿的道德实践实在化，绘画、雕塑和诗歌的艺术都被纳入模仿的伦理考量。在《理想国》中，柏拉图通过对诗歌模仿的讨论阐述两种模仿的伦理状态，即良好意义上的模仿和坏的意义（不被承认的）模仿[10]。在柏拉图看来，在良好意义上模仿的诗歌（或绘画或演讲或任何其他艺术）能够模仿理想世界，发现美的本质并将善的形象印在作品上，模仿帮助读者和诗人成为真正有道德的人。从坏的意义上来说，模仿性的诗歌（或其他艺术）是指盲目模仿外部特征的对象，仅仅抓住对象的不真实的方面，而没有表达其内在的意义或本质。

此后，模仿在西方历史上一直有着“悠久而光荣的传统”[11]，被认为是创作中人类良善的体现。古典时代和中世纪时代的模仿是对作家或艺术家的赞颂，阅读的果实是模仿别人身上发现的好的东西，并通过适当的调整将别人身上最钦佩的东西转化为自己所用。

模仿的伦理基础被康德彻底巩固。在18世纪70年代早期，康德使用“典范独创性”表达原创的属性，他认为独创性必须是“它（天才）的首要属性”且本身“不是从模仿中得来的”[12]。出于对道德典范的模仿危险，康德拒绝任何有可定义先例的模仿关系，认为模仿会破坏审美品位并造成偏见。在文克尔曼、泰滕斯等人的影响下，康德对模仿的理解变得更加微妙，他意识到模仿具有道德性并相信其能够“促进品位的培养”。随后，康德的道德哲学打破原创和模仿的抽象对立，认为模仿不仅是一种机制，还存在着一种引导自由模仿的可能性。在康德这里，有道德的模仿不同于临摹，模仿是天才（原创）的真正向导，个人能够遵循前人的写作方式的指导而非复制他们的思想模式。

从柏拉图到康德的模仿伦理传统，无不强调模仿行为本身的道德有效性和伦理规则，从而避免对AIGC和媒体数字内容的伦理属性和版权地位进行持续性辩论，为媒体数字内容AIGC版权实践提供技术急速发展这一“紧迫情景”下的伦理框架。

因此，当前媒体内容数据版权实践的伦理关注重点，并非是AIGC开发者该或不该使用媒体数字内容来生成人工智能内容，而是AIGC模仿媒体数字内容的行为是否在伦理上合理，以及AIGC对媒体数字内容的使用是否需要伦理限制。应该说，判断模仿的伦理有效性关键在于，AIGC对媒体数字内容的版权使用是否在模仿的伦理界限之内。

三、媒体数字内容AIGC版权实践的模仿伦理界限

媒体数字内容在AIGC版权实践中的模仿伦理界限呈现出以下三个特点：

（一）模仿行为的公开性

模仿行为必须是公开的，这是保障媒体版权利益的前提。在模仿伦理中，模仿行为需要公开，公开为模仿提供道德正当性。康德驳斥榜样作为模仿模式的“主导地位”[13]，将公开暗示为模仿的前提，认为天才的模范功能在于提供一个“模式”。因此，AIGC的模仿行为，即对媒体数字内容的版权使用应当是公开的，这要求AIGC开发者需要主动地标记模型中哪些训练数据来源于媒体的数字内容，并向媒体和公众履行告知义务，避免私自、隐秘和非法的数据抓取和训练行为。AIGC对媒体数字内容的模仿公开性保证媒体能够知晓版权使用的事实，从而为双方建立版权契约提供基础。

公开的模仿提供了AIGC合理使用媒体数字内容的正当性。模仿的公开性伦理不仅用于规范AIGC开发者，同时也用于规范媒体数字内容生产实践。在模仿的伦理传统中，作家或艺术家脱离模仿私自创作的材料本身就存在危险，是一种对人类知识和美德的忽略。康德也认为“拒绝模仿”是错误行为，并将其称为“原创的胡说八道”[14]。因此，AIGC模仿行为的公开不应成为媒体拒绝向AIGC开发者提供数字内容的依据，而是媒体业和AIGC技术协作的关键步骤，AIGC需要借助媒体数字内容实现技术进步，媒体也能与人工智能技术协作共赢。

（二）模仿数据的关联性

模仿数据必须存在关联，这种关联是技术上也是内容上的。模仿的关联性早在柏拉图那里就已经得到确认。回到柏拉图对模仿一词的“好坏”辩论，他认为好的模仿包含“其他但相似的东西”，但坏的模仿只能产生“看似相似但不相似的东西”[15]。这种区别实际上是柏拉图对模仿与原创在知识和美德层面关联的划分，而AIGC对媒体数字内容的版权使用也应该基于“柏拉图式”的知识（技术和内容）和道德上的关联性。在“好的”AIGC模仿中，模型训练和学习媒体数字内容的最终目的是对现有内容的关联式创新，以产生“真正相似”同时具有“其他东西”的人工智能内容产品。

具体而言，模仿的关联性伦理规定了AIGC技术对媒体数字内容抓取和使用的道德范围和界限。柏拉图认为，脱离知识的所谓美德仅仅是“一种场景绘画”[16]，即一种幻觉和虚假，是一种对真正美德“奴性、不健全或缺乏真理”的虚假模仿，所以“坏的”模仿诗歌是虚假的诗歌[17]。为了避免“坏的”AIGC模仿，就技术层面而言，开发者应当谨慎地采集和使用与训练模型或提升算法性能直接相关的媒体数字内容，避免训练数据“量”的无序扩张。就内容层面而言，AIGC模型应当控制对无关联媒体数字内容的训练和模仿，尤其是当模型生成内容与媒体数字内容仅存在风格（看似相似）关联而非实质内容的关联时，模仿应当被杜绝。

（三）模仿结果的建设性

模仿的结果必须具有建设性，对内容或形式的重复是毫无意义和空洞的。关于模仿建设性，苏格拉底的讨论最为精彩。他认为一个人不仅必须“模仿”身体的行为，而且必须“模仿”灵魂的活动，模仿“灵魂”是模仿与复制的界限，体现对人内在意义的建设。那么，AIGC对媒体数字内容的模仿“灵魂”是什么呢？显然，这一“灵魂”在于产生相对于原有媒体数字内容的建设性结果，即额外的原创贡献。AIGC在媒体数字内容基础上需要生成新的内容风格、新的内容产品并探索新的内容模式可能性，重复且空洞的复制和挪用不仅无法产生额外的内容价值，而且会使同质化内容涌入数字空间，导致“劣币驱逐良币”，损害并消解媒体内容创新能力。

关联性和建设性是一体两面，关联性强调数据（输入）的关联式创新，而建设性则聚焦生成内容（输出）的额外原创结果。因此，媒体数字内容在AIGC版权实践中的建设性伦理还需要结合关联性的伦理考量，即当一个文本对另一个文本的模仿不仅相关，而且产生建设性的“最小差异”[18]时，模仿才具有道德上的合理性。模仿和抄袭的道德界限不在于AIGC模型开发者是否使用某一媒体的数字内容，而在于对媒体数字内容的模仿是否在数据上相关且在生成作品上具有额外原创贡献。事实上，对AIGC技术的模仿建设性的伦理期待更高，因为AIGC技术相较于以往的人工智能，其具备更强大的内容创作能力，在多个领域展现出辅助和改进媒体创作的潜力，对媒体行业的长远发展和内容生态具有建设性意义。

四、媒体数字内容AIGC版权实践的模仿伦理原则

确定媒体数字内容AIGC版权实践的模仿伦理界限仅仅是绘制AIGC数据版权伦理地图的第一步，因为“行动在哪”比“伦理在哪”更重要[19]。因此，需要进一步探讨模仿伦理视角下媒体数字内容在AIGC版权实践中的原则。

（一）非贬损性使用

非贬损性使用（Non-derogatory Use）规范了一种版权实践的特殊情况，在合乎版权法与“合理使用”原则的情况下，版权的使用依然可能对模仿伦理造成损害[20]。非贬损性使用规定了版权使用必须服从人类知识传递和文化存续这一最大利益，从长远角度考虑版权使用对文字、艺术和知识的影响是否有益。如果对文字和艺术作品的版权使用将导致对人类知识和经验的贬损性使用，那么这种模仿在道德上是有害的。如果对文字和艺术作品的版权使用将造成对作者的诽谤性后果和对作品的事实歪曲，这种模仿在道德上也应当被禁止。

从模仿公开性伦理和媒体公共属性出发，非贬损性使用原则应当成为媒体数字内容在AIGC版权实践中的首要原则，因为媒体的数字内容是人类知识和文化的重要组成部分，同时也是数字空间中人类的公共遗产。非贬损性使用原则代表了对AIGC技术自身的伦理规制，大模型不应将媒体数字内容用于制造威胁新闻和知识真实性以及信息公正性的工具，如谣言机器人和宣传机器人。AIGC开发主体必须对媒体数字内容在模型中使用的真实性负责，因为先进人工智能技术一旦用于贬损人类知识和经验的真实性，后果将是灾难性的。

（二）非表达性使用

非表达性使用（Non-expressive Use），指版权允许对创作作品“表达”主张，而不能涉及其中的“思想”[21]，是版权法律和道德实践的关键概念。非表达性使用下，版权的主要功能是通过控制作品向公众的公开传播来保护作者免受表达替代行为的侵害，而不是限制作品的获取或使用。就这一角度而言，对媒体数字内容的AIGC版权讨论似乎是多余的，事实上这一原则并不适用于媒体数字内容。正如前文所述，媒体数字内容在当前版权法或版权伦理中，很难被简单归为版权范畴或非版权范畴。如果将媒体数字内容归为版权范畴，AIGC对其的训练和学习自然不会涉及媒体的“思想”，因为媒体数字内容在经过模型处理加工后，生成的内容自然也不会带有媒体原始作品的“思想”痕迹，但媒体版权利益依然会受到生成式新闻内容产品的表达替代性损害fdGTFPlJijTzlbLeXp7wVQaxSMFHAKwrUYeAbZfkoQA=。

基于模仿关联性伦理，本文将非表达使用原则扩展至版权实践的结果层面而非使用过程，即AIGC版权实践中媒体数字内容的非表达使用不要求AIGC开发者做出输入数据的非表达性保证，而是确保模型输出结果不会对媒体版权利益造成表达替代性损害。对于风格、行为特征等属于不在版权范畴内的媒体数字内容，AIGC开发者不能利用其模拟和预测目标媒体的内容风格、模式等版权要素，因为这些要素即便不涉及“思想”但能造成表达替代性损害；对于属于版权范畴的媒体数字内容，AIGC开发者不能在数据加工和模型训练过程中，掩盖对媒体数字内容的表达性使用痕迹，因为媒体难以在输出端的生成物中获取版权的使用痕迹和证据。

（三）非消耗性使用

2011年，英国知识产权框架的审查《哈格里夫斯报告》提出一项独特的人工智能训练数据版权辩护理由。该报告支持出于机器学习目的对受版权保护的材料进行合理使用首先并不构成“复制”，而是构成对版权的非消耗性使用（Non-consumptive Use）[22]。非消耗性使用原则为媒体数字内容的AIGC实践提供了伦理的“例外”原则。在非消耗性使用下，版权中的复制不是一个技术概念，而主要是一个伦理和法律概念，只有复制导致对原创经济利益的损害，复制的罪恶性才能成立。在没有经济竞争和剥削的情况下，单纯的复制品并不是道德和法律意义上的复制品，仅为复制品不应成为道德和法律的触发条件。

显然，非消耗性使用原则与模仿建设性伦理不谋而合。当AIGC开发者基于非营利目的且模型不用于经济用途，对媒体数字内容的抓取、训练和学习并不会损害媒体的版权利益。在现实中，这类模型往往具有科研或公共用途，本质上有利于媒体乃至社会的整体福祉。遵循非消耗性使用原则，AIGC不能损害媒体行业的内容利益，对媒体数字内容的复制、训练不能用于与目标媒体展开商业竞争。此外，由于非消耗性使用原则建立在公共利益基础之上，因此，该原则隐含AIGC模型向媒体开放的义务，这就要求基于媒体数据开发的新闻机器人等工具应向媒体行业无偿或部分有偿提供模型服务。

五、结论

生成式人工智能技术对媒体数字内容的抓取、训练、模仿造成媒体版权利益的普遍受损。版权是法律问题更是道德伦理问题。先前对AIGC媒体版权实践的讨论集中在法律层面，学界对AIGC生成内容的可版权性或不可版权性进行了持续辩论，然而这些讨论即便有助于未来AIGC的版权立法，但也无益于指导当前媒体版权危机这一现实问题的应对。生成式人工智能对媒体数字内容的训练抑或“学习”能够被概括为人类最原始的内容创作活动——模仿，而模仿恰恰具有悠久的美学和伦理传统。

基于柏拉图到康德的模仿伦理传统，强调AIGC模仿媒体数字内容这一行为本身的道德有效性和伦理规则，从而避免对AIGC本身或其生成物的伦理属性和版权地位的冗余辩论。当AIGC对媒体数字内容的“模仿”行为符合模仿的行为界限与原则，AIGC使用媒体数字内容的伦理正当性也就形成，基于这一正当性，AIGC技术能够实现技术向善，媒体也能借助技术实现智能化跃升，全面提升信息采集、编辑、生产、分发等内容流程的效率与质量。

［本文为中央高校基本科研人文社科专项（编号：2022CDJSKPY27）的阶段性成果］

参考文献：

[1]The News/Media Alliance （N/MA）.White Paper：How the Pervasive Copying of Expressive Works to Train and Fuel Generative Artificial Intelligence Systems Is Copyright Infringement And Not a Fair Use[EB/OL].（2023-10-31）[2024-04-07].https：//www.newsmediaalliance.org/generative-ai-white-paper/.

[2]Grynbaum M.，Mac R.The Times Sues OpenAI and Microsoft Over A.I. Use of Copyrighted Work[N/OL].（2023-12-27）[2024-04-08].https：//www.nytimes.com/2023/12/27/business/media/new-york-time

s-open-ai-microsoft-lawsuit.html.

[3]Sch？nberger D.Deep copyright：up-and downstream questions related to artificial intelligence （AI） and machine learning （ML）[J].SCH？NBERGER Daniel，Deep Copyright：Up-and Downstream-Questions Related to Artificial Intelligence（AI） and Machine Learning （ML） in Droit d’auteur，2018（4）145-173.

[4]Stevenson C，Baas M，van der Maas H.A minimal theory of creative ability[J].Journal of Intelligence，2021，9（1）：9.

[5]Bridy A.The Evolution of authorship：work made by code[J].Colum. JL & Arts，2015（39）395.

[6]Felzmann H，Fosch-Villaronga E，Lutz C，et al.Towards transparency by design for artificial intelligence[J].Science and engineering ethics，2020，26（6）：3333-3361.

[7]Moors A.The trouble with transparency：Reconnecting ethics，integrity，epistemology，and power[J].Ethnography，2019，20（2）：149-169.

[8]Baird A，Schuller B.Considerations for a more ethical approach to data in AI：On data representation and infrastructure[J].Frontiers in big Data，2020（3）25.

[9]Geiger C.Promoting creativity through copyright limitations：Reflections on the concept of exclusivity in copyright law[J].Vand.J.Ent.& Tech.L.，2009（12）515.

[10]Tate J.Plato and ‘Imitation.’[J].The Classical Quarterly，1932，26（3-4）：161-169.

[11]Frow J.An Ethics of Imitation[J].Angelaki：Journal of Theoretical Humanities，2009，14（1）：77-86.

[12]Gammon M.“Exemplary originality”： Kant on genius and imitation[J].Journal of the History of Philosophy，1997，35（4）：563-592.

[13]Hounsokou A. Exemplary Originality in the Ethics and Aesthetics of Kant：The Case of Naiveté[J]. Ruch Filozoficzny， 2020，76（4）：49-66.

[14]伊曼努尔·康德.判断力批判[M].邓晓芒，译.北京：人民出版社，2002：151.

[15]Nehamas A.Plato on imitation and poetry in Republic 10[M]//Greek Literature and Philosophy.Routledge，2016：105-136.

[16]Belfiore E. A theory of imitation in Plato's Republic[J].Transactions of the American Philological Association （1974-），1984（114）121-146.

[17]Jonas M E.Plato on the Necessity of Imitation and Habituation for the Cultivation of the Virtues[J].Varieties of virtue ethics，2017：233-248.

[18]Pavani A.The Essential Imitation of Names： On Cratylean Mimesis[C]//Platonic Mimesis Revisited. Academia-Verlag，2021：81-102.

[19]Kass L R.Practicing ethics：where's the action？[J].The Hastings Center Report，1990，20（1）：5-12.

[20]Hess L.Practices of slur use[J].Grazer Philosophische Studien，2020，97（1）：86-105.

[21]Cohen A B.Copyright law and the myth of objectivity：The idea-expression dichotomy and the inevitability of artistic value judgements[J].Ind.LJ，1990（66）175.

[22]Mitra-Kahn B H.Copyright， evidence and lobbynomics：the world after the UK's Hargreaves review[J]. Rev.Econ.Rsch.on Copyright Issues，2011（8）65.

作者简介：刘海明，重庆大学新闻学院教授，博士生导师（重庆 401331）；陶鹏辉，重庆大学新闻学院硕士生（重庆 401331）。

编校：郑 艳