陈之遥提示您：看后求收藏（宜小说jmvip6.com），接着再看更方便。
新近补充进来的，还有两份司法鉴定的结果。
一份采用原告方面主张采取的“整体观感法”。也就是从大众的角度，理性判断两件作品之间是否构成“实质性相似”，强调的是大众对作品的艺术感受和精神体验。鉴定得出结论，苏迩的作品和全源发布的广告视频画面存在实质性相似。
而另一份是被告方面主张的“参酌抽象测试法”，对两者相似部分的独创性进行具体的比对，也就是“找不同”，并且严格区分思想和表达。
鉴定意见认为，广告视频画面中出现的各种动画形象，精灵，海妖，古代武士，均为公有领域的表达。与苏迩作品相近的风格也系思想而非表达，均不受著作权法的保护。除此之外，人物神态、姿势、衣着、相对位置、互动情况的具体表现细节，存在较多不同之处，呈现出明显的视觉差异，所以不构成实质性相似。
庭审进行到此处，双方打的还是明牌，一切不出意料，有些各说各理的意思。
直到请上各自的专家辅助人，对两份结果相悖的司法鉴定意见进行质证，才算进入最不可控的部分。这个环节采取交叉询问的方式，先由本方律师提问，专家回答，再由对方律师提问，专家回答，是国内偏法官纠问式的模式下很少能见到的直接交锋。
先上来的是全源公司聘请的专家刘教授，人工智能方面的著名研究员。
郭律师提问，请刘教授介绍 ai 文生图和文生视频的技术原理。
刘教授不过四十出头，一看就知道是经常做讲座的，学识与台风巨佳，从词向量到扩散模型，再到图像去噪，仅用两页 ppt 就把这个问题解释得清清楚楚。
刘教授最后总结：“其实现在大部分人之所以反对 ai，就是因为没能理解这背后的技术原理，反对的理由通常也是站不住脚的，类似于不允许修铁路因为对人体有辐射。一旦理解了，就会知道 ai 绘画既不是尸体融合也不是强行拼接，人工智能的意思，是它把数据库真的学会了，它生成的结果确实是一种全新的创造。”
最后还不忘上一把价值，说：“社会学上有一个概念叫做反公共地悲剧，trady of the antions，指一些人对某些资源具有排他性的所有权，并利用这个权利对资源的使用者进行数量抽成，这种现象会导致资源的使用不足和社会整体利益的损失。我认为这个概念同样适用于本案，对于人工智能这种正在改变整个人类社会格局的新技术，所有国家都在大力促进其发展，都想要跑到前面去。中国要在这个领域获得领先地位，更不应该设置法律障碍，人为地在所有人工智能公司的头顶悬上一把达摩克利斯之剑。”
这番发言总算打破沉闷，旁听席起了少许反应，显然有不少人深以为然。
郭律师也就此打住，对法官说：“我方没有其他问题了。”
轮到言谨提问。
她不急着开口，先向法官申请使用法庭前方两侧的大幅显示屏，在那上面做了展示，而后才道：“我们现在看到的，是由不同公司开发的几款文生图和文生视频的应用软件。请问刘教授，从您的专业角度出发来做判断，它们之间是否存在技术上的不同和生成结果水平的不同？”
答案显而易见，但刘教授还是稍作停顿，看向被告席位，才说：“是的。”
言谨又问：“那我是否可以得出一个结论，并不是只要声称自己是人工智能，就都能达到同样的创造水平？”
刘教授重复刚才的操作，说：“是的。”
言谨提出下一个问题：“那请问刘教授，这种差异是怎么产生的呢？”
刘教授笑，说：“这就是个复杂的问题了，每家公司采用的模型不同，进行预训练的数据集也不同。”
言谨客气致谢，再次提问：“那么是否存在一种可能，有些 ai 绘图工具并未能达到您所说的‘把数据库真的学会了，生成的结果确实是一种全新创造’的程度呢？”
刘教授滞了滞，答：“这个要具体情况具体分析……”
言谨并未打算纠缠，但郭家阳那边已出声打断，对法官说：“原告律师的提问存在引导专家的倾向，请求法庭准许我方辅助人不回答这个问题。”
法官支持了他的意见，看向言谨，提醒她注意提问的方式。
言谨致歉，她其实可以换一种方式重新提问，却出乎对方意料地说：“原告没有其他问题了，申请请上我方的专家辅助人。”
法官点头准许，刘教授顺利完成任务，退出法庭，换了原告方聘请的林博士坐到中间的辅助人席位上。
林博士不过三十几岁，自我介绍身份以及资历，是个数据法领域的学者，正在做人工智能监管方面的理论研究。
双方专家辅助人的名单也是庭前就提交了的，同样都是明牌。言谨可以猜到郭律师和孙力行看到名单时的反应。他们或许会觉得她蠢，因为美国那个同类案件之所以首战失利，除去两位艺术家没做版权登记，还有一个原因就是原告方没能把为什么认为 ai 绘图工具侵权的逻辑解释清楚。而言谨似乎也在犯同样的错误，居然请了一个法学学者来做 ai 案件的专家辅助人，等于白白浪费掉了唯一的外援机会。
这一次，由言谨先提问，她再次开口，仍旧是方才那个问题：“请问林博士，ai 绘图工具生成的内容是否存在复制拼接数据集作品的可能？”
这是早就预演过的流程，林博士要求使用大屏幕，在上面展示材料，同时简述其中的内容：“我这里有一篇马里兰大学和纽约大学联合研究团队的论文，题目叫《扩散艺术还是数字伪造？》，研究了扩散模型当中的过度拟合和数据复制现象。结论指出，一款当下著名的 ai 绘图工具生成的内容与数据集作品的相似度超过 50的可能性达到了 188。也就是说，每一百幅 ai 生成的图片当中，就有将近两幅存在一半以上的复制的现象。而且，训练数据集的大小在很大程度上影响着这个复制率，在使用具体艺术家姓名或者“某某某风格”作为提示词的情况下，这种复制拼接尤其明显，甚至可能达到赝品的程度。”
