人工智能如何生成艺术和音乐，以及为什么'真正的创意'仍然存在争议

生成式AI工具现在可以从短文本提示生成图像、歌曲和完整曲目，其背后的技术已成为一场激烈的法律和文化争论。2026年10月，音乐发行商Reservoir在美国加州北区地方法院向Suno和Anthropic提起诉讼，指控两家公司在未获许可的情况下用数千部受版权保护的作品训练AI系统。除了这场争论外，研究人员继续争论另一个问题：这些输出中是否有任何内容符合创意的定义，还是完全是另一回事？

AI生成的图像如何构建

Stable Diffusion、Midjourney和DALL-E等工具依靠所谓的扩散模型。在训练过程中，系统会显示真实图像，同时逐步向其添加随机噪声，直到原始图像无法识别。根据Cloudinary发布的技术指南，模型随后学习反向过程——如何再次去除噪声。生成过程颠倒了这个过程：系统从纯随机噪声开始，分阶段去除噪声，早期步骤产生宽泛的形状和构图，后期步骤精化纹理、光照和细节，直到出现一致的图像。文本提示引导每个去噪步骤，告诉模型要朝什么主题、风格和背景方向移动。

AI如何从文本提示创作音乐

Suno和Udio等音乐系统在细节上工作方式不同，但原理相似。由于原始音频密度太高——每秒数百万个数字——无法直接输入类似语言的模型，这些系统首先使用神经音频编解码器将声音压缩为数量较少的离散'令牌'，压缩率大约为600倍，根据AI-TLDR的技术概述。音频转换成令牌后，一个transformer模型——与大型语言模型相同的架构——预测下一个令牌，然后是下一个，逐块构建完整歌曲。文本提示（和任何歌词）首先被扩展为一个粗略计划，涵盖流派、节奏和歌曲结构，然后再生成音频令牌。这些模型在大型音乐库上进行训练，并按照那个概述中使用的描述，充当'作曲引擎'，吸收和弦进程和歌曲结构，而不是检索特定的现有歌曲。

技术背后的版权之争

训练这些系统需要大量现有的创意作品，这现在是活跃诉讼的主题。根据《法律评论》审查的诉讼摘要，Reservoir在2026年10月21日提起的诉讼指控Suno使用了1050部受版权保护的音乐作品，Anthropic使用了853部作品的歌词——包括Madonna、Johnny Cash和Joni Mitchell的作品——未经授权。Reservoir正在寻求从Suno获得约1.864亿美元的法定赔偿金，从Anthropic获得约1.514亿美元，加上《数字千年版权法》下的索赔。Suno辩称在受版权保护的材料上训练AI可以符合合理使用条款，并已分别与Warner、BMG和Believe签订许可协议；Anthropic表示打算为此案进行辩护。Reservoir的投诉引用了这些许可协议作为证据，证明使用音乐的合法市场已经存在。

这其中有任何'创意'吗？研究人员意见不一

除了法律问题外，学者们对这些系统的输出是否符合任何合理的创意定义的问题意见不一。根据海德堡桂冠基金会对这场辩论的评论，计算语言学家Emily Bender和她的同事将大型模型描述为'随机鹦鹉'，在统计上回应训练数据中的模式，而不是产生想法。计算机视觉研究员Alexei Efros在封闭、规则束缚的领域（如象棋或围棋——AI系统可以说在固定规则内创新）和开放式领域（如艺术，其中不存在固定目标）之间做出了区分。

其他研究人员从不同角度进行反驳。AI研究员Selmer Bringsjord辩称，当前AI输出相当于'混音'训练数据而不是真正的创作，他提出了Lovelace测试，根据该测试，只有当系统产生其自身设计者无法解释的输出时，才能被称为具有创意——根据BrainFacts.org发布的摘要，他表示今天的模型未能通过此标准。心理学家Mark Runco补充说，意图是人类创意的核心：人们有意识地选择创作，而AI系统则响应反映用户意图而不是其自身意图的提示。从测试角度来看，同一份BrainFacts.org摘要指出，包括GPT-4在内的一些模型在衡量生成不同想法能力的发散式思维测试中的得分高于平均人类——尽管顶级人类创意表演者仍然超过所测试的AI系统。

这场辩论让艺术家和听众何去何从

海德堡桂冠基金会的评论指出，鉴于人类创意的定义在研究人员中已经是有争议的，对AI的明确答案可能仍然难以捉摸。该评论中引用的几位评论员将更实际的前进道路框架化为将AI视为增强人类创意工作的工具，而不是独立的创意代理——这种框架与关于这些系统最初如何训练的持续版权争议并行，但无法解决。