人類與人工創意：差異的真正所在（以及為什麼吉卜力風格能教導我們一些東西）
2024-2025 年，有關人工智慧與著作權的爭論急遽加劇。這些不再是理論上的討論：《紐約時報》控告 OpenAI 侵犯版權（2023 年 12 月）、Getty Images 控告 Stability AI，以及數以千計的藝術家提出集體訴訟。AI 公司回應說，他們的系統就像人類一樣「學習」，但事實真的如此嗎？
人類的創造力總是透過聯繫而發展：莎士比亞的靈感來自歷史記事和民間故事，梵高研究日本版畫，披頭四則從演奏美國搖滾樂開始。藝術家總是重新詮釋之前的作品。科技公司說，人工智慧也是一樣。但「吉卜力風格」的案例揭示了這種說法有多簡單。
在 Midjourney 或 DALL-E 中輸入「Ghibli 風格」，您會看到與宮崎駿大作極為相似的畫面：粉嫩的色彩、蓬鬆的雲朵、如夢似幻的風景、大眼睛的人物。這在技術上令人印象深刻。這也是一個深刻的問題。
吉卜力工作室花了數十載才發展出這種獨特的美學：精準的色調選擇、傳統的動畫技術，以及植根於日本文化與宮崎駿個人願景的藝術哲學。當人工智能模型在幾秒鐘內複製出這種「風格」時，它是否真的像宮崎駿從迪士尼動畫和日本漫畫中學習到的「學習」？還是只是在未經允許的情況下，重新組合從數以千計的吉卜力畫面中擷取的視覺模式？
這並非哲學上的差異，而是法律與經濟上的差異。根據發表在 arXiv (Carlini 等人，2023) 上的一項史丹福分析，擴散模型 (例如 Stable Diffusion) 在特定提示下，約有 3% 的情況下可以從訓練集中重新產生幾乎相同的圖像。這不是「靈感」，而是儲存與重現。
波蘭數位藝術家 Greg Rutkowski 發現，他的名字出現在 Stable Diffusion 的 120 萬條提示中，無意間成為被要求最多的「風格」之一，卻從未給予同意或收取報酬。正如他告訴 MIT Technology Review 所說：「我不覺得受寵若驚。我覺得我多年來建立的東西被偷走了。
人工智能訓練的規模已經達到前所未有的程度。LAION-5B 是使用最廣泛的圖像模型資料集之一，包含從網際網路收集的 58.5 億個圖像-文字對，其中包括受版權保護的作品。GPT-4 是在網際網路的大量資料上進行訓練，包括付費文章、書籍和專屬軟體程式碼。
正在進行的重大法律行動：
AI 公司引用美國法律中的「合理使用」為這種做法辯護：他們辯稱訓練是「轉換性」的，並沒有取代原本的市場。但多家法院正在挑戰這種解釋。
法官 Katherine Forrest 在 Getty v. Stability AI 案中，於 2024 年 1 月駁回撤銷申請，允許案件繼續進行：「關於訓練 AI 模型是否構成合理使用的問題相當複雜，需要徹底審查事實。翻譯：AI 公司不能簡單地援引合理使用就完事。
面對法律壓力，AI 公司開始談判授權。OpenAI 已與下列公司簽訂協議：
Google 與 Reddit、Stack Overflow 及多家出版商簽訂類似的協議。Anthropic 已與出版商洽談書籍使用事宜。
但這些協議只涵蓋有談判能力的大型出版商。數百萬的個人創作人──藝術家、攝影師、自由撰稿人──仍未因已完成的訓練中使用的作品而獲得報酬。
AI 像人類一樣學習」的說法在技術上有誤導性。讓我們來看看根本的差異：
規模與速度：人類藝術家一生中可能會研究數百或數千個作品。GPT-4 已經在數以萬億計的文字上接受過訓練。Stable Diffusion 針對數十億張圖像。其規模是無可比擬的，超越了任何「靈感」的合理定義。
語義理解：當凡高研究日本版畫時，他並沒有機械式地複製視覺模式--他理解了基本的美學原則（負空間的使用、不對稱的構圖、對自然的強調），並通過他的歐洲後印象派視野重新詮釋了這些原則。他的作品是有意識的文化綜合。
人工智慧模型並不是人類意義上的「理解」。正如聖塔菲研究所教授 Melanie Mitchell 在她的《人工智能：思考人類指南》（Artificial Intelligence: A Guide for Thinking Humans）中所說：「深度學習系統擅長模式識別，但缺乏因果理解、抽象推理或世界的心智模型。Stable Diffusion 不會「理解」Ghibli 的與眾不同之處 - 只會在數百萬個貼上「Ghibli 風格」標籤的像素之間抽取統計關聯。
創作意圖：人類藝術家會基於個人願景、想要傳達的訊息、想要喚起的情緒，做出有意識的創作選擇。宮崎駿將環保主題、和平主義、女權主義融入他的電影--有意識的道德與藝術選擇。
AI 根據統計概率產生：「給出提示 X 和訓練集 Y，哪個像素配置最有可能？沒有意圖、沒有訊息、沒有願景。正如 Ted Chiang 在《紐約客》雜誌中所寫的：「ChatGPT 是一種模糊的網路 jpeg」--一種有損的壓縮，恰恰失去了使原始內容變得有價值的特質。
轉型 vs. 重組：Pablo Picasso 學習非洲面具，卻創造了立體主義 - 一個全新的藝術運動，重塑了繪畫的空間表現。這種轉變是徹底而原始的。
生成式 AI 模型透過潛在空間中的插補運作：它們將訓練集的元素重新組合成新的配置，但仍受限於其所訓練的資料的統計分布。它們無法發明違反已學習統計規律的真正新美學。正如麻省理工學院的研究（Shumailov 等人，2023 年）所證明的，在先前的 AI 輸出上反覆訓練的模型會逐漸退化 - 這種現象稱為「模型崩潰」。
這就是核心的悖論：AI 可以產生看似原創的輸出（人類從未見過吉卜力風格的特定圖像），但在統計學上卻是衍生的（它們是現有模式的內插）。這是一種表面上的原創，卻沒有根本性的創新。
這具有深遠的意義。正如哲學家 John Searle 在其著名的「Chinese Room argument」（中式房間論點）中所說：模擬認知過程不等同於擁有認知過程。AI 可以模擬創造力，但卻不具備人類意義上的創造力。
面對爭議，各種解決方案正在開發中：
藝術家的保護工具：
選擇退出登錄器：
補償架構：
政府法規：
歐盟 AI 法案（2024 年 8 月生效）要求生成式 AI 模型的提供者公布所使用的受版權保護訓練資料的詳細摘要。這是第一個強制透明度的監管嘗試。
田納西州 ELVIS 法案（2024 年 3 月）特別保護聲音和肖像表演者免於在未經授權的情況下被使用，在人工智能先行的美國各州，針對深度語音和視覺偽造進行了具體立法。
向美國國會提出的提案包括要求明確選擇加入受版權保護的作品（而非選擇退出），以及建立訓練資料集的公共註冊處。
兩種對未來的想像互相對峙：
樂觀的看法 (AI 公司)：AI 是放大人類創造力的工具，就像 Photoshop 或音樂合成器。藝術家將利用 AI 加速工作流程、探索變化、克服創作障礙。人類引導視覺、AI 執行技術部分的混合藝術形式將會出現。
具體的例子已經存在：電影「The Frost」（2023）使用 AI 來產生背景與紋理，並由人類藝術家指導藝術方向。音樂家使用 Suno 和 Udio 來產生伴奏音軌，以便即興創作。作家使用 GPT 作為「橡皮鴨」來討論敘事構想。
悲觀的看法（許多創作者）：AI 將使創意商品化，侵蝕創意工作的經濟價值，直到只有擁有特殊技能的精英才能生存。平均創意」將會被廉價的產生器取代，摧毀創意中產階級，就像 19 世紀工業自動化淘汰工匠一樣。
初步證據支持這項疑慮：在 Fiverr 等自由職業平台上，2023 年對插畫師與文案撰稿人的請求減少了 21%（Fiverr 2023 年第四季資料），而「AI 藝術創作」的請求則呈爆炸性成長。Greg Rutkowski 自從他的風格在 Stable Diffusion 上流行後，直接委託的工作減少了 40%。
真相可能介於兩者之間：某些形式的創意工作將會自動化（一般的圖庫插圖、基本的文案行銷），而高度原創、概念性、文化根基的創意則仍屬於人類的領域。
人類與 AI 內容之間的區別將變得越來越困難。時至今日，在沒有水印或公開的情況下，通常無法區分 GPT-4 文字與人類文字，或 Midjourney 影像與照片。當 Sora（OpenAI 視訊產生器）公開時，這個區別就會延伸到視訊。
這引起了關於真實性的深刻問題。如果 AI 產生的吉卜力風格影像能喚起與原作相同的情感，它是否具有相同的價值？哲學家 Walter Benjamin 在其《技術複製時代的藝術作品》（The Work of Art in the Age of its Technical Reproducibility）（1935）一文中指出，機械複製會侵蝕原作的「光環」--其時空獨特性與真實性。
生成式人工智能將這個論點推向極端：它並非複製現有的作品，而是產生無窮無盡的變體，模擬原作而非原作。這是 Baudrillardian simulacrum - 沒有原作的複製品。
然而，有意識的創作行為有其不可或缺的人性化特質：藝術家在選擇每一筆觸時，都知道他想要傳達什麼；作家精心創作每一個句子，以喚起特定的情感；作曲家用心建立張力和決心。AI 可以模擬結果，但無法模擬過程，而創意的真正價值或許就在於過程。
吉卜力工作室在一份聲明（2023 年 11 月）中寫道：「我們電影的靈魂不在於可以複製的視覺風格，而在於我們一格一格為我們想說的故事所做的創意決定。這是無法自動化的'。
藝術的價值最終來自於它能夠與人類的經驗深入連結，讓我們感受到被理解、挑戰與轉變。人工智慧能否達到這一點，仍是一個有待商榷的問題。但只要藝術是由人類為人類創造、談及人類的狀況，它就能保留任何演算法都無法複製的東西：將生活經驗的真實性轉化為美學形式。
資料來源：
.svg)
.svg)
.svg)
.jpeg)
.jpeg)
.jpeg)
.jpeg)