-问：大家怎么看这两篇文章中关于王迁老师AIGC讲座的实验及回应？
问题：
复现AI“文生图”，发掘一点与王迁教授讲座中的不同事实
复现AI“文生图”第二弹，“物理学”又完蛋了？
回应：
回应《复现AI文生图发掘一点与王迁教授讲座中不同的事实》
-答1：建议他去了解下stable diffusion的原理，再做实验。
-答2：观点可以有差异，但赞同正反双方的实证主义的态度和方法。
-答3：王老师还是以作品为起点反推作者，只能说 也是一种分析路径。但是对于越来越复杂的创作环境，有点太单一了。
-答4：有一点是没问题的，创作的表达主要是AI贡献的。
-答5：赞同。不能因为想赋权、又无法突破“权利主体是人”的现有法律原则，就非要否定这点。削足适履不可取。另外，需要讨论（fansi）一下，如果著作权法在“AI生成物的可版权性”问题上如此激进，非要对生产边际成本递减接近零的生成物实施强版权保护，这背后到底是谁的诉求、保护了谁、损害了谁？如此“赋权”是生产关系调整和权利配置的真实需要么？想想就脑袋大，不能只图一案判决一时爽啊。
-答6：现在有的法院喜欢卷所谓的“第一案”，一旦如此，会坏了司法水源。
-答7：理论上讲就是对算法做可复现性分析。这里主要涉及到随机数传递、计算近似和算子原子性三个方面。随机数传递大概来说，就是是不是用的同一种方法来生成随机数，然后生成的结果是不是在整个计算过程里一直传递下去。如果方法不同或者结果不传递，就会影响复现。计算近似是一些特别消耗时间或者空间的计算操作，比如说稀疏矩阵的相乘，具体执行的时候要和硬件协同做很多优化，特别是GPU并行计算时的优化。这时候的优化很多时候都会放弃少许的确定性。算子原子性更加复杂，简单来说就是特定的硬件，比如说英伟达的卡，特定的卷积算子都在内在地有随机性的。并行计算优化或者调用有关算子都会引入随机性。随机数传递引入的随机性一般可以通过设置全局传递来解决。计算近似或者原子性引入的随机性只能通过更换实现方法来解决。Stable Diffusion的不可复现性，包括CPU和GPU之间的差别基本就是这些来源。深入做复现实验也是相应的思路。
-答8：第一案这样弄完法官压力估计更大了，社会舆论四起，翻盘也极有可能。
-答9：第一案已经没得翻了，除非法院自己提起再审，“AI文生图”著作权案一审生效。
-答10：还有一层，就是如果中国成了AI版权的洼地，而这个欧美又不被承认AI生成物的版权，然后会发生啥。
-答11：如果不从作品反推，而是从作者这一侧正向推导。那创作确实不是简单几条指令，提示词的设置和调整非常复杂，创造性不低。而且增减提示词没有那么容易，软件创造的门槛不靠抄提示词不行。边际价值保护的是什么，应该是作者思考和创作的成本，这个时代的创作从调教画笔变成了调教软件。从传统创作变成了软件创作。不过赋权确实太先锋了，而且在判决中显得没有必要.. 也确实带来了上面的问题。
-答12：Hugging Face有一篇Create Reproducible Pipelines，原理讲得不多，但给了可复现Stable Diffusion的完整解决思路。Stable Diffusion和Transformer的可复现性分析都是可实现的，只是做起来确实麻烦。之后如果考虑AIA的GPAI部分，有些内容也算是密切相关。如果用了硬随机确实如此，不过这个真就是数字艺术了。
-答13：但是工具发展的方向是越来越“傻瓜式”的，必然是让越来越多人更容易去生成。复杂的提示工程并非主流。在这个背景下，提示词要产生独创性还是很难得，美国版权局也坚决否认提示词能产生生成作品的独创性。
-答14：嗯嗯，退一步来说，即使承认提示词有独创性，独创性的高低也值得考量，未来AI工具越来越用户友好后（类比傻瓜相机），提示词会越来越简单，未来可能也会出现许多“提示词指南”作为辅助。
-答15：像那种生成一只打伞的龙猫，这种提示词，应该认为是比较低级的，未来如果都是这种提示词，另当别论。但现在Stable Diffusion这种，挺复杂的，需要反复调，他不是那种有个操作界面的这种，区别不亚于从DOS到有了Win。对于这种使用有门槛 输出有价值的软件创作，我个人感觉还是值得保护。如果未来高级了，都傻瓜了，那就另案调整被。
-答16：身边不少用AI搞创作的朋友就是这样的想法，现在用的提示词还是很复杂的，要反复修正才能达到自己想要的效果，所以他们看到第一案的结果都比较开心。
-答17：可不。如果按照咱们生图第一案的“创作”标准，米国版权局就得马上立刻毫不犹豫给予版权登记，而不是三番四次予以驳回。
总结：立法缺位，司法造法。版权洼地深入想想还挺麻烦。
