AIGC在论文写作中的著作权归属

2023年8月，我国颁布的《生成式人工智能服务管理暂行办法》（以下简称《人工智能管理办法》）确立了发展与安全并重的国家战略方针，强调创新与法治的有机统一，旨在激发生成式人工智能领域的创新活力。2023年公布的《中华人民共和国学位法（草案）》（以下简称《学位法草案》）首次将“人工智能代写”纳入学术不端行为的范畴，并在第三十三条作出规定。正式法律文本并未直接使用“人工智能代写”这一表述，学术界和技术界认为这体现了立法者审慎而开放的态度，为AIGC（人工智能生成内容）技术在学术写作中的合理应用预留了探索空间，有效应对了技术快速发展的现实挑战。一、AI技术应用侵权案例分析2024年2月，广州互联网法院在生成式AI服务侵犯著作权的生效判决中认定〔（2024）粤0192民初113号民事判决书〕。法院认定，部分涉案生成图片保留了原美术作品的独创性表达，并在多个关键特征上与原作高度相似，构成实质性相似。尽管生成图片在保留独创性表达的基础上形成了新的特征，被告的行为仍侵犯了原作的改编权。2024年4月23日，北京互联网法院对全国首例AI生成声音人格权侵权案〔（2023）京0491民初12142号民事判决书〕作出一审判决。该判决明确指出：在声音具有可识别性的前提下，自然人声音权益的保护范围应延伸至AI生成的声音。即便已获得录音制品的授权，也不意味着对声音进行AI化处理获得了许可。未经权利人同意，擅自使用或允许他人使用录音制品中的声音，均构成侵权行为。由此可见，无论是学术研究还是艺术创作领域，AIGC的权属认定都需要从多个维度进行考量。相关人员既要探讨AIGC的主体身份，分析作品客体的特征，也要审视其潜在风险并采取预防措施。这不仅是避免AI生成内容因与原始作品过于相似而构成侵权的必要之举，还是防止学术不端等问题的关键所在。二、AIGC在论文写作中的著作权归属（一）AIGC的主体性探讨：身份类型多元化技术创新与创作实践的深度融合，不仅重塑了著作权领域中传统作者身份的认定标准，更催生出多元化的创作主体格局。在AIGC领域，创作主体的界定呈现出三个主要维度。第一，算法使用者作为直接创作主体，其法律地位值得关注。虽然AIGC依托算法这一技术工具，但其产出内容具有独立性和新颖性，权利归属与控制权仍归于人类主体。《中华人民共和国著作权法》（以下简称《著作权法》）以独创性为保护要件，强调作品必须体现作者的智力创造，这一原则在AIGC领域同样适用。第二，算法开发者的著作权主体地位亟待明确。我国法律在处理天然孳息归属问题时，坚持“原物主义”与“生产主义”相结合的原则，这一理念可为AIGC创作主体认定提供借鉴。若将算法开发者视为原始创作主体，其作品可被视为原始创作的衍生成果。当作品生成过程涉及开发者与投资者的共同参与时，则需要依据职务作品或委托作品的相关规定，审慎认定权利归属。第三，实质性投资者的主体地位不容忽视。在洛克财产权理论的指导下，《著作权法》确立了“创作即所有”的基本原则。当投资行为在创作过程中发挥决定性作用时，权利归属可能倾向于实质性投资者。这一趋势在数据库等投资密集型创作领域尤为明显，充分体现了资本投入对权利归属的重要影响。（二）表现维度：AIGC用于论文写作的客体特征根据AIGC创作过程中的人工介入程度与贡献维度，其生成内容可划分为两大类别：一类是人工智能独立完成的创作成果，一类是在人工智能创作过程中受到用户操作影响的作品。第一，人工智能独立创作作品。此类作品仅需要用户提供基础指令，人工智能系统即可自主完成创作全过程。关于其是否符合《著作权法》中“原创性”与“创造性”的核心要件，学界正积极探索具有说服力的解释路径。在确保权益保障与责任明晰的前提下，通过合同自治的方式，权利主体与使用方可预先达成共识，构建以所有者为核心的权利框架。这种基于意思自治的契约安排，有助于明晰双方的权利义务边界。第二，人机协作型创作作品。在此类创作过程中，需要重点关注人工智能对原始数据的引用问题，首要任务是完成数据清洗工作，并准确评估人工智能的贡献度。同时，著作权的界定必须对人类提供的创造性输入进行精准识别与界定。在确立判断标准时，相关人员应着重考察三个核心要素。创作主体资格，即创作主体必须限定为具有法律人格的自然人或法人。这是确保创作活动符合人类创造力本质和知识产权保护基本原则的前提条件。实质性参与程度，重点评估人类在创作过程中是否作出实质性贡献，这是衡量人类智力投入的关键指标。独创性与个性化表达，作为评估人类智力贡献的核心要素，也是区分人工智能创作与人类创作的本质标准。三、AIGC在论文写作中的现状审视ChatGPT等人工智能工具在学术写作领域展现出了生成高质量文本的能力，但其潜在的滥用风险同样值得警惕。现行法律框架是否具备充分的规制手段应对这一问题，值得深入探讨。《高等学校预防与处理学术不端行为办法》对高等教育机构内各类人员的学术活动进行了明确规范，其中列举的七种学术不端情形中，不当使用ChatGPT生成文本可能涉及两项核心条款。一是“剽窃他人学术成果”。即便文本由AI生成，若未适当标注其辅助性质而直接作为个人研究成果呈现，则构成对“潜在创作者”（包括AI训练数据贡献者及算法设计者）的间接剽窃。二是“由他人代写”。虽然该条款最初针对自然人代写行为，但若将ChatGPT视为创作工具而规避个人研究责任，则其行为本质亦可归入“代写”范畴。在“剽窃”认定方面，我国高校学位论文依赖查重软件进行评估。然而，ChatGPT生成内容多为重新阐述而非直接复制，导致传统查重工具难以有效识别其潜在的学术不端行为。就“代写”行为的判定而言，关键在于确认内容是否由非作者本人完成。查重比例仅影响行为严重程度，而不改变行为性质。但是，确定“代笔者”身份时面临更大挑战。现行法律制定时尚未预见人工智能的介入，传统上“他人”被限定为自然人。从立法本意出发，禁止代写的核心在于确保学术成果的真实性与原创性。因此，“他人”概念可扩展至包括任何非作者本人参与创作的方式或工具。依此严格解释，利用ChatGPT协助完成的论文确实可能构成违反学术规范的“代写”行为。但是，这种解释在实际应用中的合理性与可操作性仍有待进一步探讨和实证研究。若将ChatGPT辅助完成的论文严格界定为“代写作品”，恐有学术不端之嫌。这一观点虽在理论上成立，但实际操作的合理性与可行性仍存争议，其适用范围与边界亟待深入探讨与审慎评估。这一现象既折射出现行法律体系在面对新兴技术时的滞后性，也凸显了重新审视学术诚信评判标准的必要性。因此，在应对ChatGPT等人工智能工具在学术领域的应用时，我们既要保持审慎态度，更需积极探索建立科学、合理的监管机制，以平衡技术创新与学术规范之间的关系。四、AIGC在学术论文写作中的风险应对策略（一）加强对论文造假识别与预防策略大型语言模型为学术创新注入了新的活力，但其创新效能呈现出显著的学科差异性。研究表明，这些模型在组合创新和应用创新领域展现出较强的推理能力，而在原始创新方面则相对薄弱。基于这一特性，期刊编辑应当建立差异化的审稿机制：对具有独创性的研究成果予以优先发表，对模型易于生成的组合创新类论文实施更加严格的审查，对模式化特征明显的应用型论文采用更为审慎的评估标准。这一分类评审体系不仅强化了编辑在维护学术规范中的核心作用，更有效降低了由大语言模型生成论文的误判风险。值得注意的是，随着大语言模型推理能力的持续提高，这一技术正成为人工智能发展的重要方向，未来识别模型生成论文的难度将显著增加。因此，期刊编辑必须保持对技术前沿的敏锐洞察，不断完善评审策略，以应对日益复杂的学术环境，确保学术出版的质量与公信力。（二）高校对学生应用AIGC技术的监管策略现行法律框架并未对辅助写作工具的使用设定明确禁令，这为AIGC技术在学术写作领域的应用奠定了合法性基础。《人工智能管理办法》在规范AIGC技术时，树立“包容审慎”的监管理念，在确保安全合规的前提下，对AIGC技术的创新应用持开放态度。同时，《人工智能管理办法》强调实施“分类分级监管”策略，通过科学划分风险等级，制定差异化监管措施，有效防范和化解潜在法律风险。在此背景下，高等教育机构应当从学术专业视角出发，构建多维度论文检测与评估体系，精准识别并防范抄袭、造假等学术不端行为。同时，学校应引导学生主动承担学术道德建设责任，通过系统学习与内化学术规范，提升对学术不端行为严重后果的认知。（三）科学界定AIGC写作技术的应用边界当前，基于风险分级策略的AIGC技术监管模式已成为国际共识。欧盟将AI系统风险划分为不可接受风险、高风险、有限风险和最低风险四个等级，并配套相应监管措施。加拿大、澳大利亚等国家也相继推出类似立法计划，实施分类分级管理。在论文写作中，合理应用AIGC技术进行文献阅读辅助、研究思路拓展、文章格式优化等，可视为提高写作效率与质量的有效补充。但是，这不应取代学生的独立思考和原创性创作。将AIGC技术的辅助功能等同于“代写”显然有失偏颇。然而，若学生过度依赖AIGC技术，直接使用其生成或复制文本，缺乏个人思考与分析，则违背了学术独立性要求，应被界定为“代写”行为。结语AIGC技术的兴起为学术界带来双重影响：一方面推动知识创新与传播，另一方面也增加了学术不端行为的隐蔽性与复杂性。面对这一挑战，学术界与教育界亟需采取积