（二）缺乏经验是困境形成的基本原因
（二）当下与未来：人工智能如何影响内容产业
（一）AI文生内容创作中的人机混合双打
（二）独创性不以自由意志为条件
（三）法律实践中正在形成AI知识产权新共识
法律的经验之所以比逻辑更重要，并非因为这是霍尔姆斯法官的经典台词，而是在于事实如此。民法理论能够博大精深，在于远自汉穆拉比法典就开始对民事关系调整方法的观察和积累。同时人类不仅欠缺治理人工智能的法学经验，在伦理学、社会学、政治学、神学甚至神话中都没有为人工智能预留空间。法学理论是在对社会经验的提炼和验证中逐步建构，而对人工智能而言所有制度和经验都在从零开始。
同样麻烦的是人工智能似乎在很多方面都是和人类行为相反的倒影，从AI认知到思考和决策都沿着和人类相逆向的规律。大模型通过语料训练了解世界，但却并不需要学习语义而是通过分析各类语料的数据分布规律；人类擅长直觉短于分析，大模型长于分析短于直觉；人类不论智商高低都先天具有意识，AI虽然在不少智商项目上得分较高但明显未达到产生意识的程度。
根据伽马数据发布的《中国游戏产业新质生产力发展报告》，99%受访游戏行业从业者所在公司已引入AI技术和工具，近六成头部游戏企业已构建AI生产管线、赋能虚拟内容生产或智能营销。网易大火的游戏《逆水寒》官博也从不掩饰人工智能卖点。
【逆水寒手游GPT】
尽管人工智能对游戏行业的渗透率远远不能代表AI对游戏行业产生同样比例的变革，但没有疑问的是AI已经驶入改变内容行业的高速公路。
1.从巫术到工具
SORA代表强大而反传统的文生视频及文生图大模型，经常给出超乎预期的生成质量，使得普通公众乃至专业人员也会对高水平大模型仅通过提示词就生成复杂而生动图像的过程产生类似咒语显灵的体感。事实上AI文生内容受限三个核心条件：
首先，提示词设计本身就很考验人类使用者对内容的专业把握。而文生内容本质是一个人机共构的过程，考验AI理解和表达同时也考验AI使用者的专业水准和交互能力；
其次，大模型高度依赖数据训练，海量素材的搜集往往取自通用领域而对细分领域需求的适配不足。这就使得大模型一般可以满足各种泛化需求，但在商业标准的细分领域会遇到障碍；
例如乙女游戏用户对游戏角色颜值极为挑剔和敏感，角色设计和描绘中哪怕细微变化都会使用户体验产生重大波动。同时乙女和二次元游戏角色都具有画风类型繁多和高度细分的特点，这些都使乙女角色的绘制不可能像画帕鲁一样直接上手AI；
再次，生成式技术虽然发展惊人但毕竟起步不久，存在难以训练图形大模型对现实世界中物理规律和触觉味觉等的多模态感知，以及图像输出难以保持稳定等非常现实的技术问题。正如前面提到AI动画《山海奇镜之劈波斩浪》制作人陈坤所表述“就单个镜头来说，文生视频可以满足要求，会很好看，很惊喜，但却无法保证下一个镜头与前一个镜头的一致性”。B站一位UP主也在表示用国内几家文生视频大模型，“想要生成和文字描述准确的结果，很多情况下更看运气，尝试10次下来，调整后有3-4次能用，就已经是技术做得很不错的模型了”。
正因为当下人工智能技术发展水平所决定，AI会身兼彩蛋创造机以及正常工具两种职能，并在内容行业越来越多的实际应用中从样版走向标配。
2.内容生成流程的人机大规模协同
AI在内容生产管线中的适用，是AI在创作流程细分化之后具体嵌入到不同流程段，AI使用者和AI在每个细分过程中都保持密切协同。把AI生成的过程塑造成通过人机互动逐步达成结果的流程，既可增加沟通次数以解决对单次交互效果的博彩，也可以在AI尚不能直接完成的环节（如细节要求很高的游戏建模）中进行生成基础素材等辅助但重要的任务。
成功的AI生成往往也是一次奇妙的人机协同过程，这不单是内容行业应用AI的普遍特点，也是包括科研在内各种流程的共同点。科普作家万维钢在介绍自己撰写以AI为主题的新书《拐点》时表示自己并不通过AI写作，但是在写作过程中和AI的互动与互相启发已经使自己感觉离不开AI。无独有偶，颠覆蛋白质研究方式的人工智能AlphaFold2也需要和科研者协作：“AlphaFold虽然是一个强大的预测工具，但它并不是一个无所不知的机器。......它并没有取代生物实验，而是强调了生物实验的必要性”，正如结构生物学家PaulAdams所说：“AlphaFold改变了一切，却也没有改变任何东西”。
3.渐变中突变
人工智能对内容产业的改变并非一日颠覆，而是在潜移默化的渗透中逐步改变。尽管现在大模型还存在不稳定和对物理世界理解欠佳等等问题，但是参考AI花费了几十年区分猫和狗的技术发展史，或者对比2020年时AI连足球和光头都经常识别错误的场景，就会对GPT和SORA引领的生成式革命持续刷新人类预期抱有充分信心。即使不考虑未来出现新的底层技术，只看规模法则（ScalingLaw）推动下的AI增长空间也会带来很大想象力。技术的快速渐变也会酝酿出”GPT-3时刻”同样量级的突变。
【大模型发展速度】
1、AI生成不具有独创性；2、文生内容的提示词不具有独创性；3、即使提示词有独创性，也和AI生成最终内容是否有独创性无关。
【春江花月夜】
再深入一步，即使提示词是如张若虚《春》诗一样独立创作的作品，其作为大模型提示词生成图形作品也不妨碍提示词著作权人对最终生成的美术作品主张改编权。无论是为生图专门创作提示词，还是将单独创作的文字作品作为提示词生成图形，AI文生内容作为人类和AI各自贡献独创性的人机混合双打本质并没有改变。
在国外同样有学者主张以因人工智能缺乏自由意志因而不能创作。曾在哈佛大学法学院担任研究员的RodrigoCetinaPresuelPompeu从约翰洛克的观点出发主张人工智能不能创作。Pompeu教授的论证可以分为以下三段逻辑：
2、缺乏意识使它（人工智能）无法在人类意义上进行创造，因为正如洛克所解释的，这也揭示了它在法律背景下的“非人”身份。
3、模仿无法满足原创性的标准，而原创性是著作权立法激活作者保护的必要条件。机器并不创造，它只是模仿对我们来说类似于创造的行为。
对Pompeu教授的观点，同样用三点逻辑分析，
问题随之而来。既然神学和神话都没有给人工智能预留空间，17世纪的哲学又何曾为AI保留一席之地？图灵和爱因斯坦对大模型都毫无经验，又依据什么认为洛克的经验可以覆盖人工智能？一言以蔽之，仅从逻辑上就无法引用经验主义者的观点去衡量经验主义者自己都毫无经验的事物。
不仅对大模型套用人类路径是无效的，同时人工智能是否具有创造能力是一个事实问题，和人工智能能否和人类具有同等主体地位的法律问题无关。所以不论人工智能是否在法律背景下处于“非人”身份，都不能作为人工智能具有创造力的依据；
再次，模仿始终是原创的基础，对已有作品风格的模仿不妨碍新作品满足原创性。更何况已经有充分的理论依据和技术实验可以证明当下大模型能力远不止数据统计，并且主张人工智能不具有独创能力的中外学者无一例外会主动回避对人类和AI生成内容的独创性进行盲测。
《人工辅助专利的申请指南》第三部分“AI辅助发明不属于不可专利范围”（III.AI-assistedInventionsAreNotCategoricallyUnpatentableforImproperInventorship）规定：“如果自然人对所要求保护的发明做出了重大贡献（见本指南第IV部分），自然人使用人工智能系统并不排除自然人作为发明人（或共同发明人）的资格。专利申请和人工智能辅助发明专利必须将对发明做出重大贡献的自然人指定为发明人或共同发明人（即满足第IV部分所述的Pannufactors）”。
此处Pennufactors是指通过案例法确立申请人应对专利技术方案创造性有实质贡献的原则，而只要自然人申请人对专利技术方案有实质贡献，AI工具是否也对方案具有实质性贡献并不在专利审查范围之类。
有趣的是，《人工辅助专利的申请指南》第30项注脚特别说明：“美国专利商标局承认，对于人工智能系统在发明创造过程中能做出多大的贡献，存在不同的看法。例如，美国知识产权法协会在对RFC的回应第3页表示（“即使人工智能被视为或归类为与人类等同，其贡献也不会达到共同发明人的水平，因为核心发明概念和决策仍在人类发明人的职权范围内。”）；国际知识产权律师联合会(FICPI)在对RFC的回应第3页表示（“FICPI的立场是，人工智能已经变得足够强大和富有创造力，能够对一些发明做出可获得专利的贡献，而人类可以说并没有对这些发明做出创造性贡献，而是指导人工智能努力解决问题”）。
国际知识产权律师联合会对人工智能具有充分创造力的意见，应该是我所见过有专业影响力的法学团体对AI做出的最肯定也是唯一无保留的支持。为便于了解，以下附上FICPI该段意见截图：