2016年，谷歌公司研发的AlpahGo横扫世界围棋冠军。2017年，第三代AlphaGo Zero通过自我学习轻松击败前两代，人工智能的发展程度震惊世界。2016年，美国NITRD人工智能研发工作组（NITRD Task Force on Artificial Intelligence R&D）制定了《国家人工智能研发战略计划》（National Artificial Intelligence R&D Strategic Plan），这项研究的最终目标是产生新的人工智能知识和技术，为社会提供一系列积极的好处，同时尽量减少潜在的负面影响。[1]该项计划只是人工智能研发战略框架的一部分，其他相关计划还包括联邦大数据研究与发展战略计划、联邦网络安全研究与发展战略计划、国家隐私研究策略、国家纳米技术倡议战略计划、国家战略计算倡议、大脑研究通过推进创新神经技术倡议、国家机器人倡议。a Federal Big Data Research and Development Strategic Plan,May 2016; Federal Cybersecurity Research and Development Strategic Plan, February 2016; National Privacy Research Strategy, June 2016; National Nanotechnology Initiative Strategic Plan,February 2014; National Strategic Computing Initiative Strategic Plan, July 2016; Brain Research through Advancing Innovative Neurotechnologies (BRAIN), April 2013; National Robotics Initiative, June 2011.此外，还有协同的专门领域的子计划正在研究阶段。2017年，NIRTD一份补充预算报告也指出，这些新的基于人工智能的产品和服务能够创造新的市场和提升现存多个行业的货物和服务的质量和效率，以促进国家经济繁荣发展。[2]自1956年“人工智能”概念提出以后，人工智能技术不断发展，人工智能在多个领域和行业已经能完成传统观念上仅限人类完成的工作，写歌、写新闻、写小说这些在科学技术上已经不是天方夜谭，自然科学和人文社科存在相互影响。就本文而言，主要在著作权法内探讨这些人工智能生成物的性质问题，即人工智能生成物是作品吗？如果是，权利人是谁？

一、人工智能及其生成物的分类

人工智能的发展目前大致可以分为三个技术浪潮。第一个浪潮是从1980年代开始，这时的人工智能主要集中在人工规则，即在明确领域内的以规则为基础的专家系统，人类专家收集某个领域专业知识，用“如果—那么”规则表示并编写在人工智能的硬件上。换言之，这个阶段的人工智能只能根据人类输入的预先设定的条件输出结果，解决特定的问题，而不能解决不特定的问题，更遑论进行学习。第二个浪潮是从2000年至今，这个阶段以机器学习的兴起为主要特征，尤其是2006年Geoffrey Hinton等提出“深度学习”概念，其目的在于对人脑的模拟，进而完成很多人脑的功能。该阶段的人工智能基于大数据的有效性、相关的计算能力和改进的学习技术获得了新生，突破了前一阶段的僵固计算与输出，实现了一些图像、文字和语言的识别、理解以及转换。现在我们用的智能手机就是一大例证，如手机解锁界面的面部识别功能，社交APP中的语音转换文字功能，输入法的手写功能等。在人类特殊技能方面，从2017年谷歌公司的AlphaGo Zero通过自我学习完胜前两代AlphaGo，让科学家们看到了实现算法突破、打造通用的改变人类命运的工具的可能性。这也意味着第三个浪潮的可能，在这一浪潮中人工智能技术正尝试转向一种解释的和通用的人工智能技术。美国康奈尔大学正研发给予“元认知”的机器人，扩言之，这类机器人最初没有被人为编程，而是能够自由地进行自我学习和进化。[3]也就是说，这类人工智能具有一种广泛的通用的能力，可能实现像人一样自然地沟通交流、学习、解释和处理新问题和新情况，不再局限于设定好的固定的问题解决能力，即它们能够自我感知，自我决定，像人类一样“我思故我在”。

基于以上人工智能的三个浪潮，可以分为三类人工智能生成物，从而对其性质进行分析。第一类生成物主要是根据人类的设定完成特定任务，过程不能摆脱人类控制并且结果是人类可以直接预测的，如小型马达设计专家系统的设计图样，因此后两类生成物才是本文讨论的重点。第二类生成物利用神经网络、大数据和算法进行深度学习，诸如2015年Gatys等人利用人工智能实现利用特定画派风格将相片转化成绘画，Kiros等人利用人工智能写出一定风格的故事。[4]2017年，音乐人Taryn Southern发布了一张完全由人工智能创作的专辑《I AM AI》。[5]目前，学界讨论的大多是这个阶段人工智能生成物著作权问题，主要包括两大问题：一是生成物是否是作品，即生成物独创性问题；二是生成物如果是作品，则该权利的权利人是谁，即生成物权利归属问题。至于第三类生成物，由于现有技术的局限性，这类基于神经网络、突破算法和大数据的人工智能生成物[6]，严格来说还是个将来式，但一旦这个将来成为现实，必然会给现有的著作权法传统理论和原理以及成文立法和判例法带来变革，为此，可能需要我们保持一定程度的开放性态度。

二、人工智能生成物法律性质分析

（一）著作权法教义学分析

通常认为，作品是著作权的客体，即具备独创性的外在表达形式的智力创作成果。换言之，判断作品的两个要件是“外在表达”和“独创性”。

1.外在表达

课题组成员与专家共同确定调研内容，主要包括老年康复服务对象情况、老年物理治疗（PT）师工作岗位任务、老年作业治疗（OT）师工作岗位任务、言语治疗（ST）师工作岗位任务等。

然而，现有著作权法通常认为这种外在表达应该是一种对思想的具体表达。b 如“著作权法保护……思想的具体表达”，参见王迁：《著作权法》，北京大学出版社2007年版，第23-24页。“客体是以一定的思想表现形式体现的……”，参见冯晓青：《著作权法》，法律出版社2010年版，第43页。“著作权法一个基本原则是只保护对于思想观念的表达”，参见李明德、许超：《著作权法》，法律出版社2009年版，第24页。从法教义学的角度而言，法律保护的是思想和智慧的成果，机器目前被认为是无思想物，即便是会作曲、会写书的人工智能，产生生成物的过程仍然是依靠人工设计的程序来实现的，其本身不具有人类的思想、情感。但是倘若在面对科技带来的新生事物时总仅以现有法律教条去解释，那么有可能会产生以偏概全的效果，它有时候会因为缺乏实证经验而充满不确定，有时候会显得荒谬、不公平或无效率。[9]1192尤其是对于第三类生成物，我们需要慎重考虑，因为这类生成物很可能是具备自我意识的人工智能产生的，如何解释这种特殊的“自我意识”，这种“自我意识”能否被认为是“思想”，是对现有法律及法律解释的挑战，从法教义学的角度很难给出正面回答，这里我们留待稍后借助其他方法论进行分析。

邱柏生主编的《思想教育接受学》(1992)对思想政治教育接受的概念做了界定，从接受的环境、接受的生理心理条件、教育者、教育方式、教育材料等方面对思想教育接受的影响因素做了系统的分析。陈秉公的《21世纪思想政治工作创新理论体系》(2000)中的第四章，分析了思想政治教育接受过程的概念、结构、矛盾、规律及优化原则。赵卫民主编的《世纪之交青年接受马克思主义教育问题研究》(2000)，以实证的方式调查了世纪之交青年接受马克思主义教育的基本状况。

2.独创性

电话响了，是刘建平告诉罗云他不回来吃晚饭了，罗云放下听筒露出失望的神情，她愣了一下神，就开始张罗弟弟妹妹吃饭。

独创性主要包括“独”和“创”两方面，即智力成果是由劳动者本人独立完成且具有一定标准的个性创造性。

首先，独创性的“独”要求成果源于劳动者本人，而不是抄袭他人的已有作品。例如，两个人先后对同一个物品作画，画的结果很相似，但只要后者的画是自己独立完成的，就具备“独”这个要件。我国司法解释对此也做了确认，就“同一题材”的不同创作，只要成果是“独立完成并具有创作性”，那么就应承认其享有著作权。c 《最高人民法院关于审理著作权民事纠纷案件适用法律若干问题的解释》第15条。首先，这里不得不承认“抄袭”是专属于人类的，是其劣根性所在，而就人工智能而言，目前并没有任何程序设定了人工智能“抄袭”程序或算法。也就是说，现有技术的人工智能“创作”生成物的过程虽然依靠算法和人类提供的协助，但最终的表达的确源于人工智能本身对数据和信息的处理、挑选和融合，并非直接将数据输出，从这个意义上，目前的人工智能生成物完全符合“独”的要求。

氧化石墨烯材料表面富含多种活性基团，如羧基、羟基、羰基以及环氧基等基团，该特性使其拥有超大比表面积。氧化石墨烯复合材料优异的比表面积使其具有良好的吸附性能。常见制备类型有Fe3O4磁性-氧化石墨烯复合材料、壳聚糖-氧化石墨烯复合材料、薄膜类-氧化石墨烯复合材料、TiO2-氧化石墨烯等。

其次，关于独创性的“创”的标准，英美法系和大陆法系的认识有所不同。无论是德国“个性特征”和“公有领域”的区分，“个性特征”中“特殊个性”和“单纯的个性”的区分，还是美国从“额头出汗”原则到Feist案在“独立”之上至少要求“极端低的创作”的转变[10]，本质都涉及了法律保护的“创”这一活动的潜在空间的大小。比如，在小说、诗歌、音乐等这些领域内，人类创作者能够具有富有个性的判断和选择，这是由文字、音符等这些客观领域条件和人的因素共同决定的。不同作者面对同一个主题独立创作的作品不会是一样的，因为每一个人的阅历、思考路径、情感等都不会完全相同，进而对如何选择与组合文字或音符也会不同。更有甚者，同一位作者在不同时期就同一个主题创作的作品也会不同，因为作者的阅历和情感很可能已经发生很大变化。又如，像历史研究、摄影、地图等，它们基于客观的历史事件、场景和人物、地理特征等，为了保证客观性而导致的创作空间可能性较小，只要这种可能性不是零，即表达不是唯一的，那么这种不可避免的相似性就不能否认创作物的独创性。质言之，人工智能生成物的实质形式存在“不可预测性”[11]，也就是说，人工智能生成物能够存在一定程度的“创作空间”，也许这个空间的范围大小已经由程序或算法决定，但这并不妨碍生成物被认为是“个性的表达”。例如，固定给人工智能几个旋律，每次做出的曲子都会有所不同，尽管我们不能否认程序员和使用者在这个过程的贡献，但人工智能确实进行了挑选，尽其所能尝试将数据进行各式各样的融合。[9]1199

3.1 量表汉化过程 本研究严格按照量表引进原则对英文版N-QOL进行汉化，对源量表及中文版量表进行比较、分析后基本实现了语义及内容的对等性。研究者运用标准化指导语对预试验对象进行指导后，对象能够准确理解各条目的含义并根据自身实际情况作答。

（二）著作权法哲学分析

上文的阐述中，我们可以看到高职教育供给侧改革结构中存在的问题和不足，各职业院校若能及时发现这些问题，意识到这些危害性，尽早采取有针对性的措施对其进行完善和优化，对专业设置、师资培养以及课程安排等方面进行系统的分析和研究，采取有针对性的措施加强人才培养的质量，促进学生更优质地就业，是可以显著缓解当前这种困境局面的[3]。

“工具主义”是一种实用主义，认为人通过“观念”这一工具主动地与环境打交道，欲图获得一种与未知实在的符合，获得一种解决问题的满足和效能。简言之，“工具主义”的基本要求是对工具的有用与否的价值评判。就本文而言，有学者总结指出，“工具主义”者可以将人工智能视为科研工具，其生成物就是人通过工具创造出的人类智慧成果，从这个角度可以认为人工智能生成物是作品。[12]另外，雇佣作品规则的诞生也被认为是“工具主义方法”的具体体现，在创作作品中雇员仅仅是最初的权利人的一个概念，他确实是实际创作者，但在雇佣关系里并不需要。[13]换言之，在雇佣作品中，雇员只是雇主实现创作成果的一个路径。在这个社会关系中，雇主被认为是创作的主体，也是受激励进行创作的主体，从这个意义上达到了鼓励创作的著作权保护效果。因此，我们借鉴“工具主义方法”对人工智能生成物进行著作权保护，以视是否能满足历史环境下智能生成物客观出现这一具体问题的要求，是否能对公众和客观条件产生良好的结果。通常认为，著作权法所追求的目的和效果是鼓励创作（良好的结果），基于这一基本认识，我们来分析著作权法保护人工智能生成物是否能维持这一效果。首先，笔者认为，无论生成物是否被认定为作品，客观发展下当其大量投入市场，都会一定程度上挤压人类作者版权空间，在工具两难的情况下，我们需要择其更有益者而为之。其次，保护生成物对于编程者、投资者和邻接权人而言都有益处，编程者和投资者获得更多的动力去创新技术，最终反映在生成物独创性的提高，而基于人工智能较低的创作成本，邻接权人实现更低的传播成本，最终反映在演绎作品的繁荣创新；反之，无版权保护的生成物进入公共领域，没有传播成本的情况下，则会助长“不劳而获”的行为，无版权的内容被人稍作修改成为受保护的作品，这类似于一种正当抄袭行为，这样的结果与著作权对人类作者、编程者、投资者、使用者和邻接权人的保护创作、鼓励创作的初衷南辕北辙，更有甚者会对版权“劣币逐良币”效应，造成版权市场的退化进而演化成文明的退化。[14]从前文分析可知，针对人工智能生成物可版权性问题，适用著作权制度保护，人类可能会获得比较好的效果。

三、人工智能生成物权利归属

（一）人工智能能否成为作者

从表面上看，人工智能是智能作品的直接创作者，那么它们能否成为作者？对于这个问题，目前研究的观点基本都是否定的。这个问题实质上可以归纳为人工智能的伦理问题，即人工智能与人的关系问题，从这个意义上，这不是知识产权法能首先做出解释的，需要依赖于更基础的民法理论。[15]首先，伦理上，有学者认为，从伦理基础上理解人机技术关系其实是探讨人机伦理关系，从智能哲学的角度看这种关系可以追溯到对人类的意义、价值和地位的理解。[16]2017年1月，由该领域专家签署的“阿西洛马人工智能原则”（Asilomar AI Principles）中明确提出，人工智能研究的目标应该是造益人类而不是不受人类控制的智能，以及人工智能的价值应该符合人类价值。g 参见ASILOMAR AI PRINCIPLES. https://futureoflife.org/ai-principles/.2017-01-08.这些基本认知都否认了人工智能的权利主体地位。其次，法理上，从民事法律主体的基本概念上看，民法意义上的人需要具备独立的人格，即权利能力，包括生物意义上的自然人和法律拟制的法人的独立人格，其概念的意义在于揭示民事主体内在统一性和其本质，区分主体与客体之间的界线。例如，《德国民法典》就是以“权利能力”这一概念来构建主体制度的。[17]从民事法律主体基本要素来看，民事主体享受权利、履行义务并能够独立承担法律责任，自然人和法人都能够以行为或财产承担民事法律责任，但人工智能缺乏支配财产的能力。[18]因此，否定人工智能是作者的可能性。从民事法律主体与客体的私法原理上，主客体是严格遵循对应关系的，彼此不可互换，即民法体系所称的“主客体二分法”，而人工智能作为人类的客体存在，应只能处于客体受支配地位，不可能形成客体支配客体的关系而成为作者，享有主体权利。[15]4-5再者，立法例和司法实践上，现有世界上已经承认或在讨论智能作品的国家也都一致将权利归属于人类。美国国家版权作品新技术使用委员会（CONTU）报告中曾指出，计算机生成物的作者显而易见是计算机的雇主。[19]同时，美国一些法院以及学者们认为版权不仅应保护为可识别的人类作者，还应保护源于人类的受版权保护作品的人类作者身份。[13]286基于以上分析，笔者认为，人工智能在目前的理论和实践下不能作为著作权的主体，即使是算法突破后具有“思想”的第三类生成物，都应该将其权利归属于人类，这是人工智能与人类的伦理关系决定的，所以我们应该在人类范围内探讨权利归属。

（二）人工智能生成物权利归属

1.权利归属的一般原则

如前所述，人工智能生成物虽然在外在表达和独创性上具备作品可能性，但在“思想的表达”上被否定了其可版权性。不可否认，传统著作权保护都是以人为核心的，不论大陆法系的天赋人权理论下的人格论，还是英美法系的财产论。d 大陆法系人格权论注重作者的精神权利（moral rights），旨在保护作者的人格和作品的完整，而英美法系财产论注重经济权利（economic rights）。人作为一根“有思想的芦苇”，传统著作权法对于打破这个传统可能尚存芥蒂，但是，我们也看到已有一些国家或区域法律对人工智能生成物是作品进行了认定。e 如英国1988年《版权、设计和专利法案》第9条第3款规定了计算机生成物的作者是“为作品创作实施必要安排的人”；欧洲共同体委员会曾指出，计算机生成的程序受版权法保护，因为本质上是人类通过计算机工具的产出物，版权法应对其进行版权保护。Learned Hand法官曾指出，受版权法保护的照片不需要考虑作品中的人格程度。f 参见Jewelers' Circular Publishing Co. v. Keystone Publishing Co., 274 F. 932, 934.这也说明“思想”这个藩篱并不是牢不可破的，而在于用什么方法论去解释。质言之，如果当新事物的发展与现有的法律规范之间产生了不可忽视的矛盾，即发展的新事物客观存在，但现存法律对其存在空白或不确定性，这种空白或不确定性的结果会对社会生产和生活产生现实的或未来可预见性的影响，溯回具有终极解释意义的哲学不可谓不是一个好的选择和解释。

著作权属于创作作品的作者，是著作权归属的一般原则。此外，世界各国立法一般都存在一些例外，即非创作者被视为或者被法定转让为作者的立法例。如美国版权法上的雇佣作品的雇主视为作者，享有著作权。又如，德国著作权法规定，电影作品的著作权归属于主要参加创作的作者，但自始就被视为已经转移给制片人。[20]从法理上看，一般有自然权论和激励理论作为支撑。从这个意义上说，著作权归属问题其实与创作物可版权性问题是一体两面的关系，换言之，自然权论下要保护“人们创造了某物”这一劳动成果，其实也可以理解为保护“谁创作了某物”这一劳动成果。激励理论认为，避免一些搭便车的行为能够促进更多的人创作，进而产生更多的公众利益，其实也会涉及到规制搭便车行为会促进谁创作的问题。自然权论和激励理论被认为是他人自由获得知识财产正当化的消极根据和积极根据。[21]也就是说，自然权论是从一个创造性标准的、内在的、固有的视角去保护创作活动，消极地规范他人获取作品；激励理论是从一个外部约束的、激励式的视角去保护创作活动，积极地规范他人的行为；但这并不意味着此二者之间是彼此对立的。故此，从这个意义上作品著作权归属，其实体现的是立法者在自然权论和激励理论、积极依据和消极依据之间寻求平衡的结果，在这个过程中，二者的指向有可能是一致的，如自然人创作了一个作品的情况，也有可能是指向不一致的，如雇佣作品下自然权论指向雇员而激励理论则指向雇主。因此，对于人工智能生成物权利归属也需要在具体问题具体分析。

2.人工智能生成物的权利归属

相关分析发现，父母来生信念、死亡话题亲子谈话与儿童来生信念间存在中等程度的相关(表6)。建构中介效应路径图如图1所示，并分别对各个路径进行回归分析。首先，以父母来生信念为自变量，死亡话题亲子谈话为因变量进行回归分析，结果发现父母来生信念对死亡话题亲子谈话预测作用显著，β=0.66，SE=0.03，p<0.001。

从前述分析我们知道，第二类和第三类生成物在生成过程中，人类的控制度和贡献度是不同的，而不同的人类因素意味着法律需要思考和评估方向不同，即如何在自然权论和激励理论之间进行取舍、融合、平衡。换言之，法律需要对不同类别的生成物区别对待，尽可能最大化地实现著作权立法目标。第二类生成物主要还是依靠人类的协助，例如，日本研究人员称其人工智能写的小说《计算机写小说的那一天》人类的贡献度占80%，而人工智能的贡献度仅20%。h 参见《日本人工智能撰写小说 通过文学奖首轮评审》，http://world.huanqiu.com/exclusive/2016-03/8751146.html，访问时间：2017年11月24日。而对于第三类生成物，技术的突破使得人类因素急剧下降，甚至微乎其微。目前，相关文献对于人工智能作品的版权归属大致可分为编程者独立权说、操作者独立权说、类职务作品说、共有权说、虚拟法律人格说等一系列理论。[22]这些理论基本上涉及了人工智能生成物可能的法律关系主体，包括人工智能软件编程者、对人工智能创作实际使用者、对人工智能创作进行投资的投资者。

首先，笔者认为，人工智能软件编程者与生成物联系甚微，生成物并不是基于编写的软件程序而直接或演绎式地被创作出来的，因此这里应排除编程者的主体可能性。职是之故，对于第二类生成物的权利主体而言，人类因素占据比例很大，在人工智能不能成为权利主体的法理前提下，实际使用并负责进行创作活动的人应该被认为是“直接创作作品”。例如，有学者认为，澳大利亚电话簿案中真正设计者可能是负责协调、指导这个创作活动的人。[11]945同时，这应该认为是属于自然权论和激励理论指向一致的情况，当然需要说明的是，如果实际负责人属于雇佣或职务关系、委托关系或其他法律关系下，不妨碍适用这些法律关系的规范。概言之，第二类生成物权利归属应以实际负责人为著作权人为原则，同时适用职务、委托作品等法律规定。对于第三类生成物而言，这类生成物或许能够真正摆脱人类的控制，几乎完全自主地进行创作，“人类作者”在这种情况下可被视为出现了身份缺失，即这种情况下说“实际使用者”已经没有什么意义。因此，在自然权论的一端找不到答案的情况下，激励理论的一端可以弥补这种由客观情况造成的不足。在这类生成物的关系中，人工智能的所有人似乎是处于激励的中心位置，所有人所有的人工智能在微弱人类因素环境下独立创作知识财产，此时作为人工智能的所有者是最大激励对象，这有些类似于美国法院在雇佣作品判例中形成的“创作动机测试法”（motivating factor test），该方法认为雇主是作品创作得以实现的诱因[23]，这里的所有人应包括自然人和法人。

四、结论

在人工智能技术迅猛发展的今天，我们需要谨慎针对现有已开发的人工智能程度来认定其生成物的性质，同时又要对第三类生成物性质的规范研究预留出应对未来新发展的可能性。著作权法的历史经验已经说明，如美国版权由最初仅包括书籍、图表、地图等几类客体不断地扩大其保护的范围和权利，如今人工智能已经能或涉及不同程度的人类因素或独立地生成内容，不论是翻译成的作品、新文本、绘图、音乐作品还是新计算机程序。[24]我们似乎又一次来到了历史的节点，这需要法律予以正视。人工智能生成物可版权性的关键在于其创新可能性空间的大小，虽然人工智能生成物还难以达到人类艺术创作中蕴含的瞬间的灵感和潜在的闪光点这样的高度，但著作权对作品的保护从来就不是以作品的价值或艺术水平为标准的。著作权的权利归属实际上是一种权利配置，其背后需要我们在不同理论下进行抉择，需要我们针对生成物的类别具体分析。总之，对包括著作权在内的知识产权的解释、分析和正当性论证，最终应归结于人类环境和体验的改善[25]，这是我们讨论的原点。

参考文献：

[1] The National Artificial Intelligence Research and Development Strategic Plan[EB/OL].(2016-10-13)[2017-11-15].https://www.nitrd.gov/PUBS/national_ai_rd_strategic_plan.pdf.

[13] Robert C.Denicola.Ex Machine:Copyright Protection for Computer-Generated Works[J].69 Rutgers University Law Review,2016:251,276-286.

在6个100mL容量瓶中分别加入Li、Na、Mg、Ca混合标准工作溶液，使用0.5% HNO3(体积分数)定容，摇匀。此标准溶液系列I中Li、Na、Mg、Ca的质量浓度分别为0、0.10、0.25、0.50、1.0、2.0mg/L。

18Cr2Ni4W为高淬透性渗碳钢，无珠光体及铁素体转变区，心部在渗碳空冷后获得贝氏体及局部马氏体组织（见图7），其高淬透性特征可保证大模数行走轮心部完全淬透，轮齿心部以及壁厚中部为完全马氏体组织，马氏体的比体积大于热处理前的贝氏体比体积，淬火后马氏体组织含量越高，行走轮体积膨胀量越大，组织转变产生的淬火应力越大。

[3] 韦康博.人工智能[M].北京:现代出版社,2016:173-174.

著作权仅保护外在表达而不保护内在思想，区分“思想”和“表达”，这是著作权理论的基本原则，即“思想和表达二分法”。概言之，形成某种思想而没有表达出来，则不受著作权保护；反之，具有相同思想的不同表达不一定存在侵权，只要表达是不同的。按照这个理论，不论何种类别的人工智能生成物，只要落入著作权法保护的对象范围内，那么就应该认为其符合了该要件，即具有一般可视的具体表达。这就是所谓的“在表现形式上构成”，这是判断生成物是否是作品的第一步，即仅从内容的外部表现形式比较它和人的作品是否相似。[7]以目前出现的人工智能写歌、写小说为例，一项名为“即兴演奏者”的程序模仿巴赫等伟大音乐家的作品而生成音乐，并拥有一批粉丝，这意味着人工智能的生成物并不比人类作品差。[8]另外，日本人工智能生成的小说入围了日本文学奖初审，这也说明了人工智能生成物外在表达实质上与人创作的作品并无二致。但是，诸如现在新闻报社应用的“智能记者”或“新闻机器人”，可以根据设定的模板格式，填充新闻事实形成时事新闻，平均每天产出成百则时事新闻，这些生成物就不属于著作权法保护的对象范围，因为客观事实本身不受著作权法保护，时事新闻中的事件发生的时间、地点、人物、过程、结果等都是客观的，不受人类思想的影响，也不论是人工撰写还是人工智能生成。

[4] Chu H,Urtasun R,Fidler S.Song From PI:A Musically Plausible Network for Pop Music Generation[EB/OL].(2016-11-10)[2017-11-18].https://arxiv.org/pdf/1611.03477v1.pdf.

[5] Musician Taryn Southern on composing her new album entirely with AI[EB/OL].(2017-08-27)[2017-11-18].https://www.theverge.com/2017/8/27/16197196/taryn-southern-album-artificial-intelligence-interview.

[6] 刘影.人工智能生成物的著作权法保护初探[J].知识产权,2017(9):45.

[7] 王迁.论人工智能生成的内容在著作权法中的定性[J].法律科学(西北政法大学学报),2017(5):149.

[12] 曹新明.人工智能对知识产权制度的挑战与应对措施[EB/OL].(2017-11-09)[2017-11-20].http://www.iprcn.com/IL_Xsjt_Show.aspx?News_PI=6213.

[9] Samuelson,P.Allocating ownership rights in computer-generated works[J].University of Pittsburgh Law Review,1986,47(4):1192-1199.

[10] 李伟文.论著作权客体之独创性[J].法学评论,2000(1):84-86.

[14] 易继明.人工智能创作物是作品吗?[J].法律科学(西北政法大学学报),2017(5):143-144.

[11] McCutcheon,J.The Vanishing Author in Computer-Generated Works: Critical Analysis of Recent Australian Case Law[J].Melbourne University Law Review2013,36(3):930-945.

[8] [美]库兹韦尔.机器之心[M].张文卓玛,吴纯洁,译.北京:中信出版社,2016:207.

[2] NITRD Supplement to the President's FY2018 Budget[EB/OL].(2017-10-27)[2017-11-15].https://www.nitrd.gov/pubs/2018supplement/FY2018NITRDSupplement.pdf.

3.通过预习，可以对课堂上所学知识当堂消化和吸收，大大提高学生做作业的正确率，从而减少学生改正错题的时间。教师为了使学生掌握某一道试题，常常用做错一道重做10遍甚至更多遍的方法，如果我们减少了错误率，就会大大节省因做错题而被惩罚重复做题的时间，从而提高我们学习的效率，这何乐而不为呢？

[15] 熊琦.人工智能生成内容的著作权认定[J].知识产权,2017(3):4-7.

[16] 齐昆鹏.“2017人工智能:技术、伦理与法律”研讨会在京召开[J].科学与社会,2017(2):126-127.

[17] 吴汉东.人工智能时代的制度安排与法律规制[J].法律科学(西北政法大学学报),2017(5):131.

[18] 王小夏,付强.人工智能创作物著作权问题探析[J].中国出版,2017(17):35.

[19] Arthur R.Miller.Copyright Protection for Computer Programs,Databases,and Computer-Generated Works:Is Anything New Since CONTU?[J].Harvard Law Review,1993,106(5),1056.

[20] 冯晓青.著作权法[M].北京:法律出版社,2010:131.

[21] [日]田村善之.田村善之论知识产权[M].李扬,等译.北京:中国人民大学出版社,2013:31-32.

[22] 曹源.人工智能创作物获得版权保护的合理性[J].科技与法律,2016(3):491.

我把鸡料理干净，盛进瓦罐，放到灶膛煨着。刚烧的是棉花秆，这会儿明火灭了，灶膛里的棉秆扭动着血红的虬枝，漫出一波一波的热浪。我坐在灶门口，听着鸡汤在瓦罐里轻轻地跳动，不时有几个小泡泡冒出来，把罐盖儿顶得一颤一颤的。

[23] 熊琦.著作权法中投资者视为作者的制度安排[J].法学,2010(9):83.

[24] 世界知识产权组织.著作权与邻接权法律术语汇编[G].刘波林,译.北京:北京大学出版社,2007:52.

[25] [澳]彼得·德霍斯.知识财产法哲学[M].周林,译.北京:商务印书馆,2017:296-297.

通沟污泥主要由无机成分组成，同时含有部分有机物质。长期以来，大量未经处理的通沟污泥直接运往填埋场，不仅造成国家土地资源日益紧缺，同时消耗巨额的处理处置成本[5]。因此，目前急切需要对各大城市的通沟污泥进行减量化、稳定化处理，并尽可能实现资源化利用，从而大幅度减轻对生态环境的污染。