AI如何生成藝術和音樂，以及為何「真正創意」仍有爭議

生成式AI工具現在可以從簡短的文字提示生成圖像、歌曲和完整音軌，其背後的技術已成為一場現行的法律和文化爭執。在2026年10月，音樂發行商Reservoir在美國加州北區聯邦地區法院對Suno和Anthropic提起訴訟，控告兩家公司在未授權的情況下使用數千首受著作權保護的作品來訓練AI系統。除了這場爭執外，研究人員還在繼續討論另一個問題：這些輸出是否符合創意的定義，或者是完全不同的東西？

AI生成的圖像如何製作

Stable Diffusion、Midjourney和DALL-E等工具依賴所謂的擴散模型。在訓練過程中，系統會看到真實圖像，同時逐步添加隨機雜訊，直到原始圖像無法辨認。根據Cloudinary發布的技術指南，該模型隨後學習反向過程——如何再次去除該雜訊。生成過程則反轉了這一過程：系統從純隨機雜訊開始，並分階段移除它，早期步驟生成寬泛的形狀和構成，後期步驟細化紋理、光照和細節，直到出現一致的圖像。文本提示引導每個去噪步驟，告訴模型要朝向什麼主題、風格和背景。

AI如何根據文本提示創作音樂

Suno和Udio等音樂系統在細節上運作方式不同，但原理相似。由於原始音訊過於密集——每秒數百萬個數字——無法直接輸入到類似語言的模型中，這些系統首先使用神經音訊編碼器將聲音壓縮為少量的離散「令牌」，實現大約600倍的壓縮，根據AI-TLDR發布的技術概述。一旦音訊轉換為令牌，一個transformer模型——與大型語言模型相同的架構類型——預測下一個令牌，然後是下一個，逐件構建完整歌曲。文本提示（和任何歌詞）首先被擴展為涵蓋流派、速度和歌曲結構的粗略計畫，然後生成音訊令牌。這些模型在大型音樂庫上進行訓練，根據該概述中的描述，作用為「作曲引擎」，吸收和弦進行和歌曲結構，而不是檢索特定的現有歌曲。

技術背後的著作權之爭

訓練這些系統需要大量現有的創意作品，這現在是活躍訴訟的主題。Reservoir在2026年10月21日提起的訴訟聲稱Suno使用了1,050首受著作權保護的音樂作品，Anthropic使用了853首作品的歌詞——包括Madonna、Johnny Cash和Joni Mitchell的作品——未經授權，根據Law Commentary評論的申訴摘要。Reservoir尋求從Suno獲得大約1.864億美元的法定損害賠償，從Anthropic獲得約1.514億美元，以及根據《數位千禧年著作權法》的索賠。Suno辯稱在受著作權保護的材料上訓練AI可能符合合理使用標準，並分別與Warner、BMG和Believe簽署了許可協議；Anthropic表示打算為此案進行辯護。Reservoir的訴狀將這些許可交易作為已經存在合法市場使用該音樂的證據。

這是「創意」嗎？研究人員意見不一

除了法律問題外，學者們對這些系統的輸出是否符合任何合理的創意定義存在分歧。計算語言學家Emily Bender及其同事將大型模型描述為「隨機鸚鵡」，根據海德堡桂冠基金會對辯論的評論，它們在統計上反映訓練數據中的模式，而不是源於想法。計算機視覺研究員Alexei Efros在象棋或圍棋等封閉的規則限定領域與藝術等開放式領域之間做出了區分——其中AI系統可以說在固定規則內進行創新——而在藝術中，沒有固定的目標存在。

其他研究人員從不同角度進行反駁。AI研究員Selmer Bringsjord辯稱，當前的AI輸出相當於「混音」訓練數據而非真正的創作，他提出了Lovelace測試，根據該測試，只有當系統產生其設計人員無法解釋的輸出時，它才算是有創意的——他說當今模型達不到這個標準，根據BrainFacts.org發布的摘要。心理學家Mark Runco補充道，意圖對人類創意至關重要：人們有意識地選擇創作，而AI系統則回應反映使用者意圖而非其自身意圖的提示。在測試基礎上，同一BrainFacts.org摘要指出，一些模型（包括GPT-4）在衡量生成多樣想法能力的發散思維測試中得分高於平均人類——儘管頂級人類創意表現者仍然超過所測試的AI系統。

這場辯論給藝術家和聽眾帶來了什麼

海德堡桂冠基金會的評論指出，鑑於人類創意的定義在研究人員中已經存在很大爭議，關於AI的決定性答案可能仍然難以確定。該評論中引用的幾位評論員將更實用的前進道路框架化為將AI視為增強人類創意工作的工具，而不是獨立的創意代理本身——這個框架與正在進行的關於這些系統首先如何被訓練的著作權糾紛並存，但不解決這些糾紛。