A
G
C
当人工智能创作出现技术性失控，导致不符合道德规范或社会价值观的作品产生时，建立明确的独创性与伦理评价标准，对于确保AIGC技术的健康发展，实现工具性与价值性的有机统一具有重要意义。
自ChatGPT问世以来，AIGC（人工智能生成内容）技术迅速发展，对艺术设计领域产生了深远的影响。
AIGC借助海量数据和强大的算法实现高效的数字生成，为艺术创作与传播提供了前所未有的技术支持。然而，AIGC因缺乏主体性，仍是一种工具，工具性对价值性的冲击，导致AIGC在艺术设计领域备受关注的同时也引发了争议。
AIGC在艺术设计中的工具性优势显著，通过深度学习、生成对抗网络（GAN）、扩散模型（DDPM）等技术，能够模仿并融合多种艺术风格，实现即时互动与创意辅助。
然而，这种高度模仿与融合的机制使AIGC在独创性与伦理方面面临挑战。一方面，AIGC依赖庞大的数据集与复杂算法进行模仿与生成，作品往往与现有艺术风格相似，导致独创性争议。另一方面，AIGC的模仿与生成机制可能侵犯现有作品的知识产权，甚至可能对传统文化产生侵蚀，进一步加剧了审美异化的风险。
AIGC艺术设计的独创性与伦理争议日益凸显。在此背景下，本文将从工具性与价值性的双重角度探讨AIGC在艺术设计中的独创性评价与伦理问题，重点分析AIGC艺术设计的模仿机制、知识产权与文化侵蚀问题，并为AIGC艺术设计建立独创性与伦理评价标准提出建议，以实现工具性与价值性的有机统一，确保AIGC技术的健康发展。
AIGC在艺术设计中的应用与挑战
01
人工智能是认知心理学与计算机科学相结合所产生的新兴技术方向。深度学习代表着人工智能技术研发的最前沿，而人工神经网络是深度学习的重要技术特征。人工神经网络的架构和运作方式受到认知科学在人脑研究领域的启发，认知科学的进展大大推动了人工智能技术的研发和应用。
以深度学习为核心的人工智能技术能够直接从海量数据中识别规律，并通过机器训练完成各种任务。大型预训练模型的兴起和生成式人工智能技术在艺术创作领域已经取得了丰硕成果。人工智能已经能以接近人类的智商水平进行工作，通过运用机器学习方法生成近似人类创造的文本、图像和视频，并将这项技术应用扩展到绘画、音乐创作等过去只能由人类完成的工作领域。
当前的机器学习技术能够更好地借鉴人类学习的特征，并适当地举一反三，生成学习过程中未曾出现的示例，形成新的创作。可以预见，未来的人工智能技术将愈加完善地模拟人类的认知过程，并将这种模拟的速度、复杂度和精准度提升，从而在逻辑思考相关的领域中与人类展开竞争，甚至超越人类。
生成对抗网络（GAN）是一种通过生成器与判别器相互博弈生成数据的深度学习模型。2014年，Goodfellow等人提出了这一模型，现已广泛应用于AIGC的图像生成和风格迁移等领域。扩散模型（DDPM）是一种通过噪声生成逼真图像的生成模型。DDPM通过对图像逐渐添加噪声，将其转换为随机噪声，再通过逆过程从噪声中生成逼真图像。Stable Diffusion和Imagen是代表性技术。
目前，微软小冰、Midjourney和DALL·E等生成式人工智能项目通过对大量艺术作品的模仿与融合，实现了创作流程的优化与风格迁移，展示了人工智能在艺术创作领域的潜力和突破性发展。微软小冰通过学习世界上过去400年236位著名画家的作品，融合风格并实现即时互动，完成了绘画作品集《或然世界》。DALL·E通过自然语言输入文本描述生成多样化风格的图像，显示出AIGC在风格融合方面的能力。Midjourney通过深度学习模型生成艺术作品，形成了大量独特风格的艺术设计。
数字时代，AIGC的出现不仅引发了媒介的变革，也触动了整个艺术的变革。AIGC能够重复和再现人类艺术创作的过程，并独立完成具有创作意义和特征的艺术作品。
然而，这种高度模仿与融合的机制使AIGC在独创性与伦理方面面临挑战。一方面，AIGC作品往往与现有艺术风格相似，导致独创性争议。另一方面，AIGC的模仿与生成机制可能侵犯现有作品的署名权等知识产权。例如，2022年由人工智能生成的作品《太空歌剧院》在美国科罗拉多州博览会数字艺术类别的比赛中获奖，就曾引发争议。此外，从文化侵蚀与审美异化的角度来看，AIGC作品可能引发审美同质化与异化的风险。
面对艺术设计领域AIGC作品的独创性与伦理争议日益凸显，有必要从工具性与价值性的双重角度，探讨AIGC在艺术设计中的独创性评价与伦理问题。
AIGC艺术设计的工具性与价值性
02
AIGC技术作为当代艺术设计领域的革命性力量，不仅极大地扩充了设计师的工具箱，还在审美性与独创性方面提出了新的议题。通过高效利用庞大的数据与复杂的算法，这一技术为艺术创作过程中的工具性与价值性赋予了全新的诠释，引发了艺术与技术交互的深层次变革。
AIGC的工具性主要体现在其为艺术设计带来的高效率和新的创作可能性。通过自动化设计生成，AIGC能够快速提供多种设计方案，缩短了从概念到原型的时间，显著提高了工作效率。
例如，使用如Artbreeder或DeepArt这类工具，设计师可以迅速生成具有特定风格或特征的图像，无需从头开始创作每一个细节。此外，AIGC在设计流程中提供即时反馈和迭代支持，使得设计师能够在短时间内根据反馈调整和优化设计。这种动态的设计过程在很大程度上依赖算法的实时计算能力，如RunwayML提供的实时风格迁移功能，它能够帮助设计师即时看到不同风格应用于同一设计元素的效果，从而快速决定最终的艺术表达形式。
具体来说，AIGC的工具性主要表现在以下几个方面：其一，AIGC基于深度学习模型，能够生成大量不同风格的图像，为设计师提供丰富的创作灵感和素材。其二，AIGC能够在设计流程中提供创意辅助与即时互动，实现设计流程的优化，包括风格迁移与调整、快速原型生成、自动化生成与筛选、设计协同与互动等。其三，AIGC能够通过数据分析与趋势预测帮助设计师把握行业潮流。其四，AIGC在人机共生的设计模式下，可以实现设计协同与互动。AIGC既可以与设计师共同创作，由设计师负责创意指导，AIGC提供辅助生成，也可以通过大量数据与算法独立生成设计方案，再由设计师进行筛选与调整。
尽管AIGC显著提高了设计效率，但在艺术的独创性和审美价值方面引发了广泛讨论。AIGC生成的艺术作品常常被质疑无法达到人类艺术家创作作品的独创性和深度。由于其创作过程高度依赖预先输入的数据和既定的算法，AIGC创作的作品往往被批评为缺乏深层次的创意和对人类情感的真实体现。
然而，另一种观点认为，人工智能的艺术创作及其对艺术史的经验分析，能够更好地反映人类的共同经验，并超越个人经验，从而呈现出独特的艺术研究结果。美国哲学家约翰·杜威认为，各种艺术创作的共同实质，就是艺术创作来源于人类经验：“经验似乎将我们引入了现实世界之外的世界之中，而这个世界不过是比我们日常经验世界更深的现实。在这里，我们超越自我，探寻自我”。
AIGC艺术设计的独创性与伦理争议
03
AIGC作为一种革新性技术，在艺术设计领域引发了关于独创性与伦理方面的广泛争议。这些争议主要体现在作品的模仿与融合机制、署名权等知识产权问题以及文化侵蚀与审美异化风险三个方面。
AIGC艺术设计作品以其丰富的创意和多样的风格广受关注，但其生成机制依赖庞大的数据集和复杂的算法，通过深度学习与风格迁移技术模仿与融合不同风格，实现高度相似的风格生成，这种高度模仿与融合的机制使AIGC作品在独创性方面受到质疑。
例如，在设计领域，DeepArt通过深度学习算法模仿并融合不同风格，生成新的艺术作品；在音乐领域，OpenAI的Jukebox项目通过对数千首歌曲进行训练生成新的音乐作品，引发音乐界对其作品是否具备独创性的质疑。同样，在电影与文学创作领域，AIGC也面临类似的独创性争议。GPT-3生成的短篇小说因其风格模仿著名作家而引发是否具有独创性的讨论；ScriptBook的AI剧本生成系统则因其剧情结构与经典电影相似而被质疑缺乏独创性。
由于AIGC作品生成过程高度依赖预设算法与数据集，其署名权等知识产权问题变得尤为复杂。
首先，知识产权问题集中在数据集的使用与风格模仿上。AIGC生成作品依赖于训练数据集，可能包含受版权保护的作品，导致知识产权侵权问题。例如，Stable Diffusion的数据集因包含大量受版权保护的图像而导致版权纠纷；Getty Images同样起诉Stable Diffusion侵犯其作品的版权。
其次，AIGC生成的艺术设计作品在署名权方面尚无明确规范，共同创作的作品归谁仍无明确规定。
AIGC的模仿与融合机制不仅对知识产权构成挑战，还可能导致文化侵蚀与审美异化的风险。文化侵蚀风险体现在AIGC通过模仿和融合不同文化符号，可能使传统文化符号被模糊化和商品化，从而削弱文化多样性。而审美异化风险则在于AIGC生成的艺术作品可能因高度模仿而呈现出风格的同质化，难以形成独特的审美风格，导致审美趋同加剧。
在广告与营销领域，AIGC的应用也可能使传统文化符号商业化和商品化，削弱其审美价值。2021年，日本软银公司推出的广告中使用AIGC生成的舞蹈作品展示日式舞蹈风格，但该广告被批评过于商业化，未能体现日本传统文化的精髓。同样，谷歌的MuseNet项目通过融合不同音乐风格生成新的音乐作品，但这种风格融合可能导致音乐文化的同质化与审美异化。
AIGC艺术设计的独创性与伦理评价标准
04
当人工智能创作出现技术性失控，导致不符合道德规范或社会价值观的作品产生时，建立明确的独创性与伦理评价标准，对于确保 AIGC技术的健康发展，实现工具性与价值性的有机统一具有重要意义。
AIGC艺术设计的独创性评价应当基于对原创性和风格的科学评估，确保AIGC生成的作品具备独立的创新性与艺术价值。
在原创性评价标准方面，应重点考虑以下几点：其一，数据来源与合法性。明确AIGC生成作品的数据来源，确保训练数据集的合法性和透明度，避免侵犯他人版权，应核查数据集的使用协议，确保其中包含清晰的法律条款。其二，生成过程的独立性与创新性。通过分析生成算法的创新性，判断其是否只是模仿既有风格，还是具备独立的创意表达，并核查生成过程是否引入新的创意机制或风格融合方式。其三，风格与主题上的独特性。对比AIGC作品与既有艺术风格的作品，判断生成作品的风格独特性、主题创新性以及与现有风格的相似度。其四，突破性与新视角。通过专家评审或用户反馈，评估作品表达的新颖性、突破性以及是否展现了新的视角与主题表达。
在风格评价标准方面，应考虑以下几个方面：分析AIGC作品在风格融合上的新颖性，是否展示了新的融合方式或多样性，并评估风格融合的技术难度；检查作品在色彩、构图与表现形式等方面的一致性、完整性与统一性，并分析整体风格与主题表达的契合度；通过专家评审或用户反馈，评估作品的美学表现、情感传达度与观众认可度。
建立完善的伦理评价标准有助于规范AIGC艺术设计的合作与创新模式。在合作伦理标准方面，首先，应检查合作协议中是否明确规定了合作模式、责任划分和贡献声明。其次，应确认AIGC与设计师在创作过程中的角色与贡献划分，并通过专家评审或协议文本，评估合作过程的公平性与透明度。例如，微软和谷歌在合作协议中明确规定了AIGC与设计师之间的贡献划分和合作流程。此外，需要检查数据集的合法性，确保不会侵犯用户隐私，并确保在数据采集与使用过程中遵循法律法规与相关规范。
为规范AIGC作品的署名问题，应确保AIGC与设计师共同创作的作品有明确的署名方式，并通过协议或贡献声明，确保贡献者权益得到保障，同时建议制定统一的署名规范，确保署名方式符合相关的行业标准与规范。
为更好地保护相关知识产权，还需要通过协议或声明，明确AIGC生成作品的版权归属，并确保作品的知识产权保护符合法律法规与行业规范；确保AIGC在训练过程中使用的数据集符合相关法律法规，并检查数据集的使用协议与版权状况，确保不侵犯他人版权；制定统一的版权授权标准，明确AIGC生成作品的授权方式与范围。
完善艺术鉴赏标准和评价体系，既可以引导AIGC艺术设计朝着真善美的方向健康发展，也可以为解决未来艺术设计的独创性与伦理争议提供行之有效的解决方案，进一步推动中国艺术的繁荣与创新。未来，AIGC技术应继续优化模仿与融合机制，确保数据合规，加强版权保护，为实现人机共生的艺术设计创新模式提供坚实的技术支撑。
（王龙系长沙理工大学设计艺术学院副教授、硕士生导师；何丹尼系长沙理工大学设计艺术学院硕士研究生）
参考文献：
[1]杨立昆.科学之路——人、机器与未来[M].北京:中信出版集团，2021.
[2]亨利·基辛格,埃里克·施密特,丹尼尔·胡滕洛赫尔.人工智能时代与人类未来[M].北京:中信出版集团，2023.
[3]赵毅衡：《人工智能艺术的符号学研究》,《福建师范大学学报》（哲学社会科学版）2020年第5期.
[4]杜雨，张孜铭.AIGC智能创作时代[M].北京:中译出版社，2023.
[5]约翰·杜威.艺术即经验[M].北京:新华出版社，2020.
（文章来源：《创意世界》2024年6月号）
编校：苑宝平，审读：郭丽
/ / / / /
/ / / / /
/ /
/ / / / /
/ / / /
热门跟贴