一幅图像可以在几十秒内由提示词、参考图、局部重绘、模型微调和人工后期共同生成。问题不只是“它美不美”，而是：谁作出了足以称为作者行为的选择？观看者如何知道它经历过什么加工？训练材料中的既有作品又以何种方式留在输出里？生成式艺术把作者、工具和材料之间原本就不稳定的边界，压缩成了一条可执行的技术流水线。
2025 年美国版权局关于生成式人工智能输出可版权性的报告延续了一个核心区分：使用人工智能并不自动排除保护，但仅凭提示词通常不足以证明对具体表达拥有足够的人类控制；人类对选择、编排、修改等部分仍可能形成可保护贡献。这个判断不是全球统一答案，却把研究问题从“机器是不是作者”移向更可操作的证据：哪些决定由谁作出，决定与最终像素之间能否建立可审查的因果链。
前沿为什么不只是版权争论
传统作品的来源记录依靠签名、合同、展览史、材料年代与专家鉴定。生成作品则可能没有唯一原件，同一提示可产生不同结果，模型版本和随机种子又会改变输出。于是来源研究开始借鉴软件供应链：为捕获、编辑、导出等事件附加可验证签名，形成机器可读的“内容履历”。C2PA 的内容凭证就是这一方向的代表。它能证明某个签名主体对某段履历作过声明，却不能自动证明声明为真，也不能回答训练许可是否正当。
这一区分很重要。水印是在内容中嵌入信号，检测器从成品特征猜测是否为合成，来源凭证则记录一条带签名的事件链。三者各自解决不同问题，也各自会失败：水印可能被裁剪或重编码破坏，检测器会随模型更新而过时，凭证则可能在截图时丢失，或从一开始就没有被写入。可靠系统不能把“没有凭证”误判为“伪造”，也不能把“有凭证”当作审美价值或合法性的担保。
正在形成的研究方法
艺术研究者正在把创作过程本身变成可分析材料：保存提示迭代、蒙版、图层、参考图授权、模型与插件版本，再与艺术家访谈和成品比较。这样才能区分三类实践：把模型当偶然性发生器；通过大量筛选、拼接和重绘形成明确构图；训练或改造模型，使模型行为本身成为作品。三类实践都可能有作者性，但作者性的证据结构并不相同。
另一个方向是把来源界面纳入展览设计。观众是否愿意查看凭证？复杂履历会增加信任，还是制造“技术已经替我判断”的错觉？如果美术馆只标注人工智能参与，却不说明参与位置，标签可能反而遮蔽关键差异。可检验的设计应分层展示：首屏给出人机分工摘要，深层记录提供可验证事件和授权状态，并明确哪些信息未知。
争论与未知边界
- 控制阈值没有自然刻度。 提示长度、迭代次数或劳动时长都不能单独代表创造性控制；未来判准需要结合可预见性、选择空间和可追溯修改。
- 透明与隐私冲突。 完整记录可能暴露艺术家的草稿、客户信息、位置和工作习惯。来源系统必须允许选择性披露，而选择性披露又削弱了完整性。
- 开放训练与许可训练各有代价。 更严格许可可改善权利关系，却可能让只有大机构买得起数据；完全开放则把成本转给创作者。制度设计需要比较收益分配，而不只是讨论抓取是否合法。
- 风格不是简单的文件。 模型可能学习大量作品之间的统计关系，现有复制概念未必能解释“可模仿但无可指认片段”的输出。法学、艺术史与机器学习需要共同设计证据实验。
可检验的下一步
如果过程履历真的提升信任，那么在控制作品质量、作者声誉与标签措辞后，带有分层可核验记录的作品应获得更高的来源判断准确率，而不仅是更高的主观安心感。如果人类控制是作者性判断的核心，盲评者应能根据过程记录较一致地区分“筛选一次输出”和“经过结构性重绘的输出”。若一致性始终很低，就说明现有作者概念需要更深的制度重构。
不应被“人机比例”掩盖的劳动
生成链条还包含数据标注者、平台审核者、模型工程师与被收录作品的创作者。把署名问题缩成“人做了百分之多少、机器做了百分之多少”，会让这些分布式劳动再次隐身。更好的个案档案应区分作者署名、材料来源、技术贡献、权利许可与收益分配：它们可能落在不同主体上，不能用一个作者姓名包办。艺术机构也可把采购条件变成治理实验，要求提交简明过程卡、训练或参考材料的权利说明、内容凭证是否连续，以及发现权利错误后的更正渠道。
这种制度不会自动形成。小型创作者若要逐项完成复杂合规，负担可能远高于大型平台；开源工具、标准化最小字段和公共法律支持因此是公平条件。研究可比较不同规模创作者采用来源工具的成本，检查透明要求是否意外加剧集中。如果只有资金雄厚者能制造“可信”标记，来源基础设施就会把经济权力误译成真实性。
跨域连接
- 生成艺术与人工智能 提供了从规则系统到扩散模型的媒介史。前沿问题不再是模型能不能出图，而是创作决定如何分布在数据、模型、界面与艺术家之间；由此可预测，未来作品说明会越来越像软件版本记录，而不只是材料标签。
- 知识产权 区分思想、风格、具体表达与汇编选择。生成过程迫使法律为“局部人类贡献”寻找可执行边界；如果判准有效，相似流程的登记结果应更稳定，而不应取决于是否使用了“AI”这个标签。
- 来源与归属研究 说明来源从来不是一枚签名，而是一组可相互校验的物证和文献。数字签名只是新增一种证据；一旦它与交易史、创作档案冲突，研究者仍须解释冲突，不能让密码学取代鉴定。
- 数字权利与隐私 揭示透明的另一面：越完整的创作日志越可能泄露个人信息。可持续方案必须允许最小披露、撤销与访问分级，否则“可信来源”会变成对创作者的持续监控。
参考文献
- U.S. Copyright Office. Copyright and Artificial Intelligence, Part 2: Copyrightability. 2025.
- C2PA. Technical Specification 2.2. Coalition for Content Provenance and Authenticity, 2025.
- Chandra, B. et al. Reducing Risks Posed by Synthetic Content. NIST AI 100-4, 2024. DOI: 10.6028/NIST.AI.100-4.
- Epstein, Z. et al. Art and the science of generative AI. Science 380 (2023). DOI: 10.1126/science.adh4451.
延伸阅读
- Zylinska, J. AI Art: Machine Visions and Warped Dreams. Open Humanities Press, 2020.