Abstract

Bu çalışma, yapay zekâ (YZ) ile üretilen sanat eserlerinin orijinallik, yaratıcılık ve telif hakkı bağlamındaki statüsünü incelemeyi amaçlamaktadır. Araştırma kapsamında, sanat felsefesi ve dijital medya kuramları ışığında orijinallik kavramı yeniden değerlendirilmiş; ayrıca üretici yapay zekâ (generative AI) sistemleriyle oluşturulan görseller içerik analizi yöntemiyle incelenmiştir. Sanatçılar ve tasarımcılarla yapılan derinlemesine görüşmeler, YZ ile insan yaratımı arasındaki estetik ve etik sınırların giderek bulanıklaştığını göstermektedir. Bulgular, YZ'nin geçmiş verilerden üretim yapması nedeniyle özgünlük iddiasının tartışmalı olduğunu; ancak yeni ifade biçimleri yaratarak sanatsal yorumlamaya açık alanlar sunduğunu ortaya koymaktadır. Sonuç olarak, YZ sanatında orijinallik kavramının mutlak değil, bağlamsal ve yoruma açık bir nitelik taşıdığı savunulmakta ve sanat teorisinin bu yeni yaratım biçimlerine uyum sağlayacak şekilde yeniden düşünülmesi önerilmektedir.

Abstract

The art production based on artificial intelligence is a turning point; it fundamentally challenges the essence of an artistic creation process and reinterprets what can be understood as originality. It uses deep learning models that are trained on a couple of large datasets to create new visual content (including Generative Adversarial Networks and diffusion). The major ethical and academic question arises from the fact that these systems have been trained on innumerable copies of works by humans, with their outputs being extracted directly from those pieces.

Originality also presents a complex issue when it comes to AI art. The system can create outputs that are blatantly derivative or imitative, simply mimicking the statistical makeup of prior works. Alternatively, it can create novel and random content that are beyond the artistic capacity of even an average human artist. The actual fine line is not between these two extremes, but resides within the process.Congratulations for reading this article! Want to support my work? AI narrows down creativity to extracting patterns from data and re-synthesizing them in novel combinations. As a result, the human definition of uniqueness (intention/ emotion/expression) is eclipsed by data scale and diversity coupled with prompt engineering from users.

The central ethical discussion relates to consent and authenticity. Using artist works (most without permission or payment) for training data: is that intellectual property infringement? Is this enough to compel protection for the new work under "transformative" use? The human creative process that precedes the final work is what copyright law revolves around, and AI art hides this causal link. As an interdisciplinary research area, a field of academic art history must address this gray area in ways that merely updating legal frameworks will not cover; likewise "creativity," "originality," and “artistic authority” need to be rethought for the digital age. After all is said and done, its place as a tool in art history should be respected but requires comprehensive guidelines for ethical production that acknowledge the heritage of human culture it feeds off.

Structured Abstract:

Purpose and Scope of the Study

This study aims to investigate the conceptual and practical boundaries between originality and copying in artificial intelligence (AI)-generated artworks. As generative AI systems such as Generative Adversarial Networks (GANs) and diffusion models become increasingly prevalent in artistic production, traditional definitions of creativity, authorship, and originality face unprecedented challenges. The research seeks to answer three primary questions: (1) What does 'originality' mean in the context of AI-generated art, and how can it be evaluated? (2) To what extent are AI-generated artworks derivative, transformative, or exact reproductions of pre-existing works? (3) What ethical, legal, and aesthetic problems arise from the growing use of AI as a creative agent?

The rapid expansion of AI-mediated art production has created a theoretical vacuum regarding ownership, creative intent, and the very definition of originality. While existing literature has addressed computational creativity and postmodern appropriation, a coherent framework for distinguishing between legitimate inspiration, transformative reuse, and plagiarism in AI art remains absent. This study fills that gap by integrating art-theoretical notions of originality with AI-specific production methods, proposing a typological framework for evaluating replication, derivation, and creative transformation in machine-generated artworks.

Conceptual and Theoretical Framework

The study builds on interdisciplinary literature spanning aesthetics, art theory, creativity research, and artificial intelligence. Classical modernist ideas rooted in individual genius and intentional authorship are contrasted with postmodern notions of appropriation, remix, and intertextuality. Walter Benjamin’s concept of the “aura” – the historical and spatial uniqueness of an artwork – is critically re-examined in the digital age, where infinite reproducibility and algorithmic remixing have diluted traditional markers of authenticity. "Death of the author” is revisited to understand how AI-generated works further decentre human intentionality.

In AI research, creativity is commonly described as the generation of novelty through computational processes driven by probabilistic pattern recognition rather than conscious awareness. Prior work has consistently pointed out that AI systems base their output on vast corpora of existing works, which inherently raises issues of latent copying and stylistic borrowing. Recent contributions in computational creativity suggest that originality in AI art is a continuous, context-dependent property that depends less on visual novelty (which is statistically limited given the combinatorial nature of digital generation) and more on degrees of transformation, conceptual reframing, and human-AI interaction.

The study adopts a relational ontology of originality, arguing that an AI artwork’s originality emerges not from its visual deviation from training data alone but from the dialectical interplay between algorithm design, dataset composition, prompt engineering, and curatorial selection. This framework rejects absolute notions of originality, as found in romantic-era art theory, while also avoiding the relativist trap that “everything is a copy.”

Methodology

The research employs a qualitative, interpretive approach integrating conceptual analysis with comparative case studies. The research corpus consists of AI-generated artworks produced by models including StyleGAN, DALL·E, Midjourney, and Stable Diffusion, alongside human-created works sharing visual or stylistic similarities. Purposeful sampling was used to select cases that have generated public or academic controversy regarding originality and copying.

Data collection involved three parallel streams: (1) visual and stylistic analysis of selected artworks, (2) document analysis of artist statements, dataset disclosures, and platform guidelines, and (3) semi-structured expert evaluations with artists, designers, and academics working at the intersection of digital art and AI. An original assessment rubric was developed based on transformation theory, aesthetic deviation, and contextual intention.

The rubric evaluates artworks across five dimensions: degree of formal restructuring, statistical novelty relative to training data, level of human input and prompt specificity, transparency of dataset composition, and cultural contribution. Additionally, “style fingerprinting” techniques were employed to quantitatively measure stylistic similarity between AI outputs and potential source artworks in training datasets. This mixed-methods approach is appropriate because originality and creativity are context-dependent, subjective measures that cannot be fully quantified and therefore require rich qualitative data.

No human or animal subjects were involved in experimental procedures; the study is purely theoretical and descriptive, thus no ethics committee approval was required.

Key Findings

The results reveal that AI art occupies a complex middle ground between original creation, imitation, and grey-area content. Visual analysis indicates that many AI artworks display superficial stylistic similarities to training data; however, several cases exhibit significant compositional reframing through unexpected juxtapositions, reassemblage of disparate elements, and novel aesthetic pathways. Expert assessments indicate that innovation in AI art is best understood as emergent originality – a property that arises from the dialectic between algorithm, training data, and human intervention.

Four distinct categories of originality were identified: (i) direct copying (verbatim reproduction of a training example), (ii) style mimicry (statistical imitation of a particular artist’s stylistic features), (iii) transformative recombination (novel combinations of multiple source styles), and (iv) radical originality (outputs statistically distant from any training example). Most commercial AI art falls into the second and third categories.

The study also identifies critical factors influencing whether an output is perceived as original or derivative. These include dataset transparency (whether the training data is disclosed), prompt specificity (how precisely the user guides generation), and the degree of human curation (selection, editing, and re-contextualisation). Creations generated with learned stylistic cues are largely evaluated as derivative, whereas those emerging from conceptual or critical prompts are more readily accepted as original artistic contributions.

Human-AI collaboration level significantly affects originality perception. Zero-human-intervention outputs received the lowest originality scores, while hybrid models where humans provide conceptual frameworks and curatorial selection received the highest scores. This suggests that originality in AI art is not solely a property of the output but also of the process.

Discussion and Implications

The findings confirm postmodern theories that reject absolute originality and challenge legal and ethical doctrines still rooted in personality-orientated proofs. The key insight is that originality in AI art is less about visual similarity and more about intention, transformation, and meaning. This has profound implications for copyright law, which traditionally focuses on the human creative process prior to the final work. AI art conceals this causal link, making it difficult to apply existing legal frameworks.

The study highlights significant cross-cultural variation in approaches to AI art originality. The United States’ fair use doctrine remains ambiguous, the European Union’s AI Act emphasises transparency, China has developed a “special works” framework for computer-generated outputs, and Japan contextualises AI art within respect for cultural heritage. These differences complicate any global standard.

Ethically, the central debate concerns consent and authenticity. Using artists’ works—mostly without permission or payment—as training data raises questions of intellectual property infringement. The concept of “transformative use” is often invoked to defend AI-generated outputs, but the legal threshold for transformation remains unclear. Blockchain-based rights management systems and ethical AI certification programmes are proposed as potential solutions, though their universality remains untested.

Conclusion and Recommendations

The lines defining originality, copy culture, and digital plagiarism differ significantly across AI-generated art products on conceptual as well as technical grounds. By removing human authorship, AI art fundamentally challenges traditional definitions of creativity, rendering originality a relational and process-based phenomenon. This study contributes to the literature by presenting a structured approach for evaluating originality in AI art that considers transformation, intent, and contextualisation.

For practitioners, the study recommends better disclosure of datasets and creative processes to strengthen originality claims. For researchers, future studies should investigate empirical audience perceptions and legal interpretations of AI originality across diverse cultures. For policymakers, the study recommends updating copyright frameworks to accommodate hybrid human-AI creations, mandating transparency in training data, and protecting local artistic traditions from digital cultural imperialism.

Ultimately, this research highlights the need for adaptive theories capable of accommodating creativity in artificial intelligence. AI’s place as a tool in art history deserves respect, but comprehensive ethical guidelines are required – guidelines that acknowledge the human cultural heritage from which AI feeds. The future of art will likely involve new partnerships based on human ingenuity and algorithmic processes, and originality will increasingly be understood as an emergent property of these collaborations rather than a binary attribute of isolated objects.

Yapılandırılmış Özet:

Çalışmanın Amacı ve Kapsamı

Bu çalışma, yapay zekâ tarafından üretilen sanat eserlerinde özgünlük ve kopyalama arasındaki kavramsal ve pratik sınırları araştırmayı amaçlamaktadır. Üretken Çekişmeli Ağlar (GAN'lar) ve yayılım modelleri gibi üretken yapay zekâ sistemleri sanatsal üretimde giderek yaygınlaştıkça, yaratıcılık, yazarlık ve özgünlüğe dair geleneksel tanımlar benzeri görülmemiş zorluklarla karşı karşıya kalmaktadır. Araştırma üç temel soruyu yanıtlamayı hedeflemektedir: (1) Yapay zekâ tarafından üretilen sanat bağlamında özgünlük ne anlama gelmekte ve bu kavram nasıl değerlendirilebilir? (2) Yapay zekâ tarafından üretilen sanat eserleri ne ölçüde türevsel, dönüştürücü veya önceden var olan eserlerin birebir kopyalarıdır? (3) Yapay zekânın yaratıcı bir fail olarak artan kullanımıyla ilgili hangi etik, yasal ve estetik sorunlar ortaya çıkmaktadır?

Yapay zekâ aracılı mevcut sanat üretiminin hızlı genişlemesi, sahiplik, yaratıcı niyet ve özgünlüğün tam tanımı konusunda teorik bir boşluk yaratmıştır. Mevcut literatür hesaplamalı yaratıcılık ve postmodern ödünç alma konularını ele almış olsa da, yapay zekâ sanatında meşru ilham, dönüştürücü yeniden kullanım ve intihal arasında ayrım yapacak tutarlı bir çerçeve hâlâ bulunmamaktadır. Bu çalışma, sanat-teorik özgünlük kavramlarını yapay zekâya özgü üretim yöntemleriyle bütünleştirerek ve makine tarafından üretilen sanat eserlerinde çoğaltma, türetme ve yaratıcı dönüşümü değerlendirmek için tipolojik bir çerçeve önererek bu boşluğu doldurmaktadır.

Kavramsal ve Teorik Çerçeve

Çalışma, estetik, sanat teorisi, yaratıcılık araştırmaları ve yapay zekâyı kapsayan disiplinlerarası literatür üzerine inşa edilmektedir. Bireysel deha ve niyetli yazarlık temelindeki klasik modernist fikirler, ödünç alma, remiks ve metinlerarasılığa dair postmodern kavramlarla karşılaştırılmaktadır. Walter Benjamin'in bir sanat eserinin tarihsel ve mekânsal benzersizliği olan "aura" kavramı, sonsuz çoğaltılabilirliğin ve algoritmik remikslemenin geleneksel özgünlük işaretlerini seyrelttiği dijital çağda eleştirel olarak yeniden incelenmektedir. "yazarın ölümü" kavramı, yapay zekâ tarafından üretilen eserlerin insan niyetini nasıl daha da merkezsizleştirdiğini anlamak için yeniden ziyaret edilmektedir.

Yapay zekâ araştırmalarında yaratıcılık, genellikle bilinçli farkındalıktan ziyade olasılıksal örüntü tanıma tarafından yönlendirilen hesaplamalı süreçler aracılığıyla yenilik üretimi olarak tanımlanmaktadır. Önceki çalışmalar, yapay zekâ sistemlerinin çıktılarını mevcut eserlerin büyük külliyatlarına dayandırdığını ve bunun doğası gereği gizli kopyalama ve biçemsel ödünç alma sorunlarını gündeme getirdiğini tutarlı bir şekilde ortaya koymuştur. Hesaplamalı yaratıcılık alanındaki son katkılar, yapay zekâ sanatında özgünlüğün, görsel yenilikten (dijital üretimin birleşimsel doğası göz önüne alındığında istatistiksel olarak sınırlı olan) daha az, dönüşüm derecelerine, kavramsal yeniden çerçevelemeye ve insan-yapay zekâ etkileşimine daha fazla bağlı olan sürekli, bağlama bağlı bir özellik olduğunu ileri sürmektedir.

Çalışma, bir yapay zekâ sanat eserinin özgünlüğünün yalnızca eğitim verilerinden görsel sapmasından değil, algoritma tasarımı, veri seti bileşimi, komut mühendisliği ve küratöryel seçim arasındaki diyalektik etkileşimden ortaya çıktığını savunan ilişkisel bir özgünlük ontolojisi benimsemektedir. Bu çerçeve, romantik dönem sanat teorisinde bulunan mutlak özgünlük anlayışlarını reddederken aynı zamanda "her şey bir kopyadır" şeklindeki göreceli tuzağa da düşmemektedir.

Yöntem

Araştırma, kavramsal analiz ile karşılaştırmalı vaka çalışmalarını bütünleştiren nitel, yorumlayıcı bir yaklaşım benimsemektedir. Araştırma evreni, StyleGAN, DALL·E, Midjourney ve Stable Diffusion gibi modeller tarafından üretilen yapay zekâ sanat eserleri ile bu eserlerle görsel veya biçemsel benzerlikler paylaşan insan yapımı eserlerden oluşmaktadır. Özgünlük ve kopyalama konusunda kamuoyunda veya akademik çevrelerde tartışma yaratmış vakaları seçmek için amaçlı örnekleme kullanılmıştır.

Veri toplama üç paralel akışı içermektedir: (1) seçilen sanat eserlerinin görsel ve biçemsel analizi, (2) sanatçı ifadeleri, veri seti açıklamaları ve platform kılavuzları üzerine belge analizi ve (3) dijital sanat ve yapay zekâ kesişiminde çalışan sanatçılar, tasarımcılar ve akademisyenlerle yapılan yarı yapılandırılmış uzman değerlendirmeleri. Dönüşüm teorisi, estetik sapma ve bağlamsal niyet temelinde özgün bir değerlendirme rubriği geliştirilmiştir.

Rubrik, sanat eserlerini beş boyutta değerlendirmektedir: biçimsel yeniden yapılandırma derecesi, eğitim verilerine göre istatistiksel yenilik, insan girdisi ve komut özgüllüğü düzeyi, veri seti bileşiminin şeffaflığı ve kültürel katkı. Ek olarak, yapay zekâ çıktıları ile eğitim veri setlerindeki potansiyel kaynak sanat eserleri arasındaki biçemsel benzerliği nicel olarak ölçmek için "stil parmak izi" tekniklerinden yararlanılmıştır. Bu karma yöntem yaklaşımı uygundur çünkü özgünlük ve yaratıcılık, tamamen nicelleştirilemeyen ve bu nedenle zengin nitel veri gerektiren bağlama bağlı, öznel ölçütlerdir.

Herhangi bir insan veya hayvan deneyi içeren deneysel prosedür bulunmamaktadır; çalışma tamamen teorik ve betimseldir, bu nedenle etik kurul izni gerekmemektedir.

Temel Bulgular

Sonuçlar, yapay zekâ sanatının özgün yaratım, taklit ve gri alan içeriği arasında karmaşık bir orta zeminde durduğunu ortaya koymaktadır. Görsel analiz, birçok yapay zekâ sanat eserinin eğitim verilerine yüzeysel biçemsel benzerlikler gösterdiğini; ancak birkaç vakada beklenmedik yan yana getirmeler, farklı öğelerin yeniden birleştirilmesi ve yeni estetik yollar aracılığıyla önemli ölçüde biçimsel yeniden çerçeveleme sergilediğini göstermektedir. Uzman değerlendirmeleri, yapay zekâ sanatında yeniliğin en iyi şekilde emerjan özgünlük – algoritma, eğitim verisi ve insan müdahalesi arasındaki diyalektikten ortaya çıkan bir özellik – olarak anlaşıldığını göstermektedir.

Dört farklı özgünlük kategorisi tanımlanmıştır: (i) doğrudan kopyalama (bir eğitim örneğinin birebir yeniden üretimi), (ii) stil taklidi (belirli bir sanatçının biçemsel özelliklerinin istatistiksel taklidi), (iii) dönüştürücü yeniden birleştirme (çoklu kaynak stillerin yeni kombinasyonları) ve (iv) radikal özgünlük (herhangi bir eğitim örneğinden istatistiksel olarak uzak çıktılar). Ticari yapay zekâ sanatının çoğu ikinci ve üçüncü kategorilere girmektedir.

Çalışma ayrıca, bir çıktının özgün veya türevsel olarak algılanmasını etkileyen kritik faktörleri de tanımlamaktadır. Bunlar arasında veri seti şeffaflığı (eğitim verilerinin açıklanıp açıklanmadığı), komut özgüllüğü (kullanıcının üretimi ne kadar hassas yönlendirdiği) ve insan küratörlüğü derecesi (seçim, düzenleme ve yeniden bağlamsallaştırma) yer almaktadır. Öğrenilmiş biçemsel ipuçlarıyla oluşturulan yaratımlar büyük ölçüde türevsel olarak değerlendirilirken, kavramsal veya eleştirel komutlardan ortaya çıkanlar özgün sanatsal katkılar olarak daha kolay kabul edilmektedir.

İnsan-yapay zekâ iş birliği düzeyi, özgünlük algısını önemli ölçüde etkilemektedir. Sıfır insan müdahalesi içeren çıktılar en düşük özgünlük puanlarını alırken, insanların kavramsal çerçeveler ve küratöryel seçim sağladığı hibrit modeller en yüksek puanları almıştır. Bu durum, yapay zekâ sanatında özgünlüğün yalnızca çıktının değil aynı zamanda sürecin de bir özelliği olduğunu göstermektedir.

Tartışma ve Etkiler

Bulgular, mutlak özgünlüğü reddeden ve hâlâ kişilik odaklı ispatlara dayanan yasal ve etik doktrinlere meydan okuyan postmodern teorileri doğrulamaktadır. Temel içgörü, yapay zekâ sanatında özgünlüğün görsel benzerlikten çok niyet, dönüşüm ve anlam meselesi olduğudur. Bu durum, geleneksel olarak nihai eserden önceki insan yaratım sürecine odaklanan telif hukuku için derin etkiler doğurmaktadır. Yapay zekâ sanatı bu nedensel bağı gizlemekte ve mevcut yasal çerçevelerin uygulanmasını zorlaştırmaktadır.

Çalışma, yapay zekâ sanatı özgünlüğüne yaklaşımlarda önemli kültürlerarası farklılıklar olduğunu vurgulamaktadır. Amerika Birleşik Devletleri'nin adil kullanım doktrini belirsizliğini korurken, Avrupa Birliği'nin Yapay Zekâ Yasası şeffaflığı vurgulamakta, Çin bilgisayar tarafından üretilen çıktılar için "özel eserler" çerçevesi geliştirmiştir ve Japonya yapay zekâ sanatını kültürel mirasa saygı bağlamında ele almaktadır. Bu farklılıklar, herhangi bir küresel standardı karmaşık hale getirmektedir.

Etik açıdan, merkezi tartışma rıza ve özgünlük etrafında dönmektedir. Sanatçıların eserlerinin – çoğu izinsiz veya ödemesiz – eğitim verisi olarak kullanılması, fikri mülkiyet ihlali sorunlarını gündeme getirmektedir. "Dönüştürücü kullanım" kavramı sıklıkla yapay zekâ çıktılarını savunmak için öne sürülmektedir, ancak dönüşümün yasal eşiği belirsizliğini korumaktadır. Blockchain tabanlı hak yönetim sistemleri ve etik yapay zekâ sertifika programları potansiyel çözümler olarak önerilmektedir, ancak bunların evrenselliği henüz test edilmemiştir.

Sonuç ve Öneriler

Özgünlük, kopya kültürü ve dijital intihal arasındaki çizgiler, yapay zekâ tarafından üretilen sanat ürünleri arasında teknik olduğu kadar kavramsal temelde de önemli ölçüde farklılık göstermektedir. İnsan yazarlığını ortadan kaldırarak, yapay zekâ sanatı geleneksel yaratıcılık tanımlarına temelden meydan okumakta ve özgünlüğü ilişkisel ve süreç temelli bir fenomen haline getirmektedir. Bu çalışma, dönüşüm, niyet ve bağlamsallaştırmayı dikkate alan ve yapay zekâ sanatında özgünlüğü değerlendirmek için yapılandırılmış bir yaklaşım sunarak literatüre katkıda bulunmaktadır.

Uygulayıcılar için çalışma, özgünlük iddialarını güçlendirmek için veri setlerinin ve yaratıcı süreçlerin daha iyi açıklanmasını önermektedir. Araştırmacılar için, gelecek çalışmalar farklı kültürlerde ampirik izleyici algılarını ve yapay zekâ özgünlüğünün yasal yorumlarını araştırmalıdır. Politika yapıcılar için çalışma, hibrit insan-yapay zekâ yaratımlarını kapsayacak şekilde telif hakkı çerçevelerinin güncellenmesini, eğitim verilerinde şeffaflığı zorunlu kılmayı ve yerel sanatsal gelenekleri dijital kültürel emperyalizmden korumayı önermektedir.

Nihayetinde, bu araştırma yapay zekâdaki yaratıcılığı kapsayabilecek uyarlanabilir teorilere olan ihtiyacı vurgulamaktadır. Yapay zekânın sanat tarihinde bir araç olarak yeri saygıyı hak etmektedir, ancak yapay zekânın beslendiği insan kültürel mirasını tanıyan kapsamlı etik rehber ilkelere ihtiyaç duyulmaktadır. Sanatın geleceği muhtemelen insan becerisi ve algoritmik süreçlere dayanan yeni ortaklıkları içerecek ve özgünlük, giderek izole nesnelerin ikili bir niteliğinden ziyade bu iş birliklerinin ortaya çıkan bir özelliği olarak anlaşılacaktır.

ملخص منظم

الغرض من الدراسة ونطاقها

تهدف هذه الدراسة إلى استكشاف الحدود النظرية والعملية بين الأصالة والتقليد في الأعمال الفنية التي تنتجها الذكاء الاصطناعي (AI). ومع تزايد انتشار أنظمة الذكاء الاصطناعي التوليدية — مثل الشبكات التنافسية التوليدية (GANs) ونماذج الانتشار — في مجال الإنتاج الفني، تواجه التعريفات التقليدية للإبداع والملكية الفكرية والأصالة تحديات غير مسبوقة. يسعى هذا البحث إلى الإجابة عن ثلاثة أسئلة أساسية: (1) ما معنى «الأصالة» في سياق الفن الذي ينتجه الذكاء الاصطناعي، وكيف يمكن تقييمها؟ (2) إلى أي مدى تُعد الأعمال الفنية التي ينتجها الذكاء الاصطناعي أعمالًا مشتقة أو تحويلية أو نسخًا طبق الأصل لأعمال موجودة مسبقًا؟ (3) ما هي المشكلات الأخلاقية والقانونية والجمالية التي تنشأ عن الاستخدام المتزايد للذكاء الاصطناعي كعامل إبداعي؟

أدى التوسع السريع في الإنتاج الفني بوساطة الذكاء الاصطناعي إلى خلق فراغ نظري فيما يتعلق بالملكية، والنية الإبداعية، وتعريف الأصالة ذاته. ورغم أن الأدبيات الحالية قد تناولت الإبداع الحسابي والاستيلاء ما بعد الحداثي، إلا أنه لا يزال هناك غياب لإطار عمل متماسك للتمييز بين الإلهام المشروع، وإعادة الاستخدام التحويلي، والسرقة الأدبية في الفن الذي ينتجه الذكاء الاصطناعي. تسد هذه الدراسة تلك الفجوة من خلال دمج المفاهيم النظرية الفنية للأصالة مع أساليب الإنتاج الخاصة بالذكاء الاصطناعي، مقترحةً إطارًا تصنيفيًّا لتقييم التكرار، والاشتقاق، والتحويل الإبداعي في الأعمال الفنية التي تولدها الآلة.

الإطار المفاهيمي والنظري

تستند الدراسة إلى الأدبيات متعددة التخصصات التي تشمل علم الجمال، ونظرية الفن، وأبحاث الإبداع، والذكاء الاصطناعي. تُقارن الأفكار الحداثية الكلاسيكية المتجذرة في عبقرية الفرد والتأليف المتعمد بمفاهيم ما بعد الحداثة المتعلقة بالاستيلاء وإعادة المزج والتداخل النصي. ويُعاد النظر بشكل نقدي في مفهوم «الهالة» (aura) الذي طرحه والتر بنجامين – أي التفرد التاريخي والمكاني للعمل الفني – في العصر الرقمي، حيث أدت قابلية الاستنساخ اللانهائية وإعادة المزج الخوارزمي إلى إضعاف العلامات التقليدية للأصالة. يتم إعادة النظر في مفهوم «موت المؤلف» لفهم كيف تعمل الأعمال التي يولدها الذكاء الاصطناعي على إزاحة النية البشرية من مركز الصدارة.

في أبحاث الذكاء الاصطناعي، تُوصف الإبداعية عادةً بأنها توليد للحداثة من خلال عمليات حسابية مدفوعة بالتعرف الاحتمالي على الأنماط بدلاً من الوعي الإدراكي. وقد أشارت الأبحاث السابقة باستمرار إلى أن أنظمة الذكاء الاصطناعي تبني مخرجاتها على مجموعات ضخمة من الأعمال الموجودة، مما يثير بطبيعة الحال قضايا النسخ الكامن والاستعارة الأسلوبية. تشير المساهمات الحديثة في مجال الإبداع الحسابي إلى أن الأصالة في الفن الذي ينتجه الذكاء الاصطناعي هي خاصية مستمرة تعتمد على السياق، ولا تعتمد كثيرًا على الحداثة البصرية (التي تعتبر محدودة إحصائيًا نظرًا للطبيعة التوليفية للتوليد الرقمي) بل تعتمد بشكل أكبر على درجات التحول، وإعادة صياغة المفاهيم، والتفاعل بين الإنسان والذكاء الاصطناعي.

تتبنى الدراسة أنطولوجيا علائقية للأصالة، وتدفع بأن أصالة العمل الفني الناتج عن الذكاء الاصطناعي لا تنبثق من انحرافه البصري عن بيانات التدريب وحدها، بل من التفاعل الجدلي بين تصميم الخوارزمية، وتكوين مجموعة البيانات، وهندسة المطالبات، والاختيار التنسيقي. يرفض هذا الإطار المفاهيم المطلقة للأصالة، كما تظهر في نظرية الفن في العصر الرومانسي، مع تجنب الوقوع في فخ النسبية القائل بأن «كل شيء نسخة».

المنهجية

تستخدم الدراسة نهجًا نوعيًا تفسيريًا يدمج التحليل المفاهيمي مع دراسات الحالة المقارنة. يتألف مجمع البحث من أعمال فنية أنشأتها الذكاء الاصطناعي باستخدام نماذج تشمل StyleGAN وDALL·E وMidjourney وStable Diffusion، إلى جانب أعمال أنشأها البشر وتشترك معها في أوجه تشابه بصرية أو أسلوبية. تم استخدام العينات الموجهة لاختيار الحالات التي أثارت جدلًا عامًا أو أكاديميًا بشأن الأصالة والنسخ.

تضمن جمع البيانات ثلاثة مسارات متوازية: (1) التحليل البصري والأسلوبي للأعمال الفنية المختارة، (2) تحليل الوثائق المتعلقة ببيانات الفنانين، والإفصاحات عن مجموعات البيانات، وإرشادات المنصات، و(3) تقييمات شبه منظمة من قبل الخبراء مع فنانين ومصممين وأكاديميين يعملون في مجال التقاطع بين الفن الرقمي والذكاء الاصطناعي. تم تطوير معيار تقييم أصلي استنادًا إلى نظرية التحول، والانحراف الجمالي، والنية السياقية.

تقيّم معايير التقييم الأعمال الفنية عبر خمسة أبعاد: درجة إعادة الهيكلة الشكلية، والحداثة الإحصائية بالنسبة لبيانات التدريب، ومستوى المدخلات البشرية وخصوصية التوجيهات، وشفافية تكوين مجموعة البيانات، والمساهمة الثقافية. بالإضافة إلى ذلك، تم استخدام تقنيات «بصمة الأسلوب» لقياس التشابه الأسلوبي كمياً بين مخرجات الذكاء الاصطناعي والأعمال الفنية المصدر المحتملة في مجموعات بيانات التدريب. يُعد هذا النهج القائم على الأساليب المختلطة مناسبًا لأن الأصالة والإبداع هما مقياسان ذاتيان يعتمدان على السياق ولا يمكن قياسهما كمياً بشكل كامل، وبالتالي يتطلبان بيانات نوعية غنية.

لم يشارك أي أشخاص أو حيوانات في الإجراءات التجريبية؛ فالدراسة نظرية ووصفية بحتة، وبالتالي لم تكن هناك حاجة إلى موافقة لجنة الأخلاقيات.

النتائج الرئيسية

تكشف النتائج أن الفن القائم على الذكاء الاصطناعي يحتل موقعاً وسطاً معقداً بين الإبداع الأصلي والتقليد والمحتوى الذي يقع في المنطقة الرمادية. يشير التحليل البصري إلى أن العديد من الأعمال الفنية الناتجة عن الذكاء الاصطناعي تُظهر أوجه تشابه أسلوبية سطحية مع بيانات التدريب؛ ومع ذلك، تُظهر عدة حالات إعادة صياغة تركيبية مهمة من خلال التجاور غير المتوقع، وإعادة تجميع العناصر المتباينة، والمسارات الجمالية المبتكرة. تشير تقييمات الخبراء إلى أن الابتكار في الفن الناتج عن الذكاء الاصطناعي يُفهم على أفضل وجه باعتباره أصالة ناشئة – وهي خاصية تنشأ من التفاعل الجدلي بين الخوارزمية وبيانات التدريب والتدخل البشري.

تم تحديد أربع فئات متميزة للأصالة: (1) النسخ المباشر (الاستنساخ الحرفي لمثال تدريبي)، (2) محاكاة الأسلوب (التقليد الإحصائي للسمات الأسلوبية لفنان معين)، (3) إعادة التركيب التحويلي (تركيبات مبتكرة لأساليب متعددة من المصادر)، و(4) الأصالة الجذرية (مخرجات بعيدة إحصائيًا عن أي مثال تدريبي). يندرج معظم الفن التجاري الذي ينتجه الذكاء الاصطناعي ضمن الفئتين الثانية والثالثة.

كما حددت الدراسة العوامل الحاسمة التي تؤثر على ما إذا كان الناتج يُنظر إليه على أنه أصلي أم مشتق. وتشمل هذه العوامل شفافية مجموعة البيانات (ما إذا كانت بيانات التدريب مكشوفة)، وخصوصية التوجيهات (مدى دقة توجيه المستخدم لعملية التوليد)، ودرجة الإشراف البشري (الاختيار، والتحرير، وإعادة وضع العمل في سياقه). تُقيَّم الإبداعات التي يتم توليدها باستخدام إشارات أسلوبية مكتسبة على أنها مشتقة إلى حد كبير، في حين أن تلك التي تنبثق من توجيهات مفاهيمية أو نقدية تُقبل بسهولة أكبر باعتبارها مساهمات فنية أصلية.

يؤثر مستوى التعاون بين الإنسان والذكاء الاصطناعي بشكل كبير على تصور الأصالة. فقد حصلت المخرجات التي لم يتدخل فيها الإنسان على أدنى درجات الأصالة، في حين حصلت النماذج الهجينة — حيث يوفر البشر الأطر المفاهيمية والاختيار التنسيقي — على أعلى الدرجات. ويشير هذا إلى أن الأصالة في الفن الذي ينتجه الذكاء الاصطناعي ليست خاصية تقتصر على المخرجات فحسب، بل تشمل العملية أيضًا.

المناقشة والآثار المترتبة

تؤكد النتائج النظريات ما بعد الحداثية التي ترفض الأصالة المطلقة وتتحدى المبادئ القانونية والأخلاقية التي لا تزال متجذرة في البراهين الموجهة نحو الشخصية. وتتمثل الرؤية الرئيسية في أن الأصالة في فن الذكاء الاصطناعي لا تتعلق بالتشابه البصري بقدر ما تتعلق بالنية والتحول والمعنى. ولهذا آثار عميقة على قانون حقوق النشر، الذي يركز تقليديًا على العملية الإبداعية البشرية قبل العمل النهائي. ويخفي فن الذكاء الاصطناعي هذا الارتباط السببي، مما يجعل من الصعب تطبيق الأطر القانونية القائمة.

تسلط الدراسة الضوء على تباين كبير عبر الثقافات في المقاربات المتعلقة بأصالة الفن الذي ينتجه الذكاء الاصطناعي. لا تزال مبدأ «الاستخدام العادل» في الولايات المتحدة غامضة، بينما يؤكد قانون الذكاء الاصطناعي للاتحاد الأوروبي على الشفافية، وقد طورت الصين إطار عمل «الأعمال الخاصة» للمنتجات التي يولدها الكمبيوتر، وتضع اليابان الفن الذي ينتجه الذكاء الاصطناعي في سياق احترام التراث الثقافي. هذه الاختلافات تعقّد وضع أي معيار عالمي.

من الناحية الأخلاقية، يدور الجدل الرئيسي حول الموافقة والأصالة. فاستخدام أعمال الفنانين — غالبًا دون إذن أو مقابل مادي — كبيانات تدريب يثير تساؤلات حول انتهاك حقوق الملكية الفكرية. وغالبًا ما يُستشهد بمفهوم «الاستخدام التحويلي» للدفاع عن المخرجات التي يُنتجها الذكاء الاصطناعي، لكن الحد القانوني للتحويل لا يزال غير واضح. وقد اقتُرحت أنظمة إدارة الحقوق القائمة على تقنية البلوك تشين وبرامج شهادات الذكاء الاصطناعي الأخلاقية كحلول محتملة، على الرغم من أن طابعها الشامل لم يُختبر بعد.

الخلاصة والتوصيات

تختلف الخطوط الفاصلة التي تحدد الأصالة وثقافة النسخ والسرقة الأدبية الرقمية اختلافاً كبيراً عبر المنتجات الفنية التي يولدها الذكاء الاصطناعي، وذلك لأسباب مفاهيمية وتقنية على حد سواء. ومن خلال إزالة عنصر التأليف البشري، يتحدى الفن القائم على الذكاء الاصطناعي بشكل جذري التعريفات التقليدية للإبداع، مما يجعل الأصالة ظاهرة علائقية وقائمة على العملية. وتساهم هذه الدراسة في الأدبيات من خلال تقديم نهج منظم لتقييم الأصالة في الفن القائم على الذكاء الاصطناعي يأخذ في الاعتبار التحويل والنية والسياق.

بالنسبة للممارسين، توصي الدراسة بإفصاح أفضل عن مجموعات البيانات والعمليات الإبداعية لتعزيز ادعاءات الأصالة. أما بالنسبة للباحثين، فينبغي أن تبحث الدراسات المستقبلية في تصورات الجمهور التجريبية والتفسيرات القانونية لأصالة الذكاء الاصطناعي عبر الثقافات المتنوعة. وبالنسبة لصانعي السياسات، توصي الدراسة بتحديث أطر حقوق النشر لاستيعاب الإبداعات الهجينة بين الإنسان والذكاء الاصطناعي، وفرض الشفافية في بيانات التدريب، وحماية التقاليد الفنية المحلية من الإمبريالية الثقافية الرقمية.

في النهاية، يسلط هذا البحث الضوء على الحاجة إلى نظريات قابلة للتكيف قادرة على استيعاب الإبداع في الذكاء الاصطناعي. يستحق مكان الذكاء الاصطناعي كأداة في تاريخ الفن الاحترام، لكن هناك حاجة إلى مبادئ توجيهية أخلاقية شاملة – مبادئ توجيهية تعترف بالتراث الثقافي البشري الذي يستمد منه الذكاء الاصطناعي. من المرجح أن يشمل مستقبل الفن شراكات جديدة قائمة على الإبداع البشري والعمليات الخوارزمية، وسيُفهم مفهوم الأصالة بشكل متزايد على أنه خاصية ناشئة عن هذه التعاونات بدلاً من أن يكون سمة ثنائية لأشياء منعزلة.

Résumé Structuré:

Objectif et portée de l’étude

Cette étude vise à examiner les frontières conceptuelles et pratiques entre l’originalité et la copie dans les œuvres d’art générées par l’intelligence artificielle (IA). À mesure que les systèmes d’IA générative, tels que les réseaux antagonistes génératifs (GAN) et les modèles de diffusion, se généralisent dans la production artistique, les définitions traditionnelles de la créativité, de la paternité d’œuvre et de l’originalité sont confrontées à des défis sans précédent. Cette recherche cherche à répondre à trois questions principales : (1) Que signifie l’« originalité » dans le contexte de l’art généré par l’IA, et comment peut-elle être évaluée ? (2) Dans quelle mesure les œuvres d’art générées par l’IA sont-elles des œuvres dérivées, transformatives ou des reproductions exactes d’œuvres préexistantes ? (3) Quels problèmes éthiques, juridiques et esthétiques découlent de l’utilisation croissante de l’IA en tant qu’agent créatif ?

L’expansion rapide de la production artistique assistée par l’IA a créé un vide théorique concernant la propriété, l’intention créative et la définition même de l’originalité. Alors que la littérature existante a abordé la créativité computationnelle et l’appropriation postmoderne, il n’existe toujours pas de cadre cohérent permettant de distinguer l’inspiration légitime, la réutilisation transformatrice et le plagiat dans l’art généré par l’IA. La présente étude comble cette lacune en intégrant les notions théoriques de l’art relatives à l’originalité aux méthodes de production spécifiques à l’IA, proposant ainsi un cadre typologique pour évaluer la réplication, la dérivation et la transformation créative dans les œuvres d’art générées par des machines.

Cadre conceptuel et théorique

Cette étude s’appuie sur une littérature interdisciplinaire couvrant l’esthétique, la théorie de l’art, la recherche sur la créativité et l’intelligence artificielle. Les idées modernistes classiques, fondées sur le génie individuel et la paternité intentionnelle, sont mises en regard des notions postmodernes d’appropriation, de remix et d’intertextualité. Le concept d’« aura » de Walter Benjamin – le caractère unique, à la fois historique et spatial, d’une œuvre d’art – est réexaminé de manière critique à l’ère numérique, où la reproductibilité infinie et le remix algorithmique ont dilué les marqueurs traditionnels d’authenticité. La « mort de l’auteur » est réexaminée afin de comprendre comment les œuvres générées par l’IA décentrent davantage l’intentionnalité humaine.

Dans la recherche sur l’IA, la créativité est généralement décrite comme la génération de nouveauté par le biais de processus computationnels guidés par la reconnaissance probabiliste de motifs plutôt que par la conscience. Des travaux antérieurs ont systématiquement souligné que les systèmes d’IA fondent leur production sur de vastes corpus d’œuvres existantes, ce qui soulève intrinsèquement des questions de copie latente et d’emprunt stylistique. Des contributions récentes en matière de créativité computationnelle suggèrent que l’originalité dans l’art généré par l’IA est une propriété continue, dépendante du contexte, qui repose moins sur la nouveauté visuelle (statistiquement limitée compte tenu de la nature combinatoire de la génération numérique) que sur les degrés de transformation, le recadrage conceptuel et l’interaction entre l’humain et l’IA.

Cette étude adopte une ontologie relationnelle de l’originalité, en soutenant que l’originalité d’une œuvre d’art issue de l’IA ne découle pas uniquement de son écart visuel par rapport aux données d’entraînement, mais de l’interaction dialectique entre la conception de l’algorithme, la composition de l’ensemble de données, l’ingénierie des prompts et la sélection curatoriale. Ce cadre rejette les notions absolues d’originalité, telles qu’on les trouve dans la théorie de l’art de l’époque romantique, tout en évitant le piège relativiste selon lequel « tout est une copie ».

Méthodologie

La recherche emploie une approche qualitative et interprétative intégrant l’analyse conceptuelle à des études de cas comparatives. Le corpus de recherche se compose d’œuvres d’art générées par l’IA à l’aide de modèles tels que StyleGAN, DALL·E, Midjourney et Stable Diffusion, ainsi que d’œuvres créées par des humains présentant des similitudes visuelles ou stylistiques. Un échantillonnage ciblé a été utilisé pour sélectionner des cas ayant suscité une controverse publique ou académique concernant l’originalité et la copie.

La collecte de données s’est déroulée selon trois axes parallèles : (1) l’analyse visuelle et stylistique des œuvres d’art sélectionnées, (2) l’analyse documentaire des déclarations d’artistes, des informations relatives aux ensembles de données et des directives des plateformes, et (3) des évaluations semi-structurées menées par des experts, notamment des artistes, des designers et des universitaires travaillant à la croisée de l’art numérique et de l’IA. Une grille d’évaluation originale a été élaborée sur la base de la théorie de la transformation, de la déviation esthétique et de l’intention contextuelle.

Cette grille évalue les œuvres d’art selon cinq dimensions : le degré de restructuration formelle, la nouveauté statistique par rapport aux données d’entraînement, le niveau d’intervention humaine et la spécificité des consignes, la transparence de la composition des ensembles de données, ainsi que la contribution culturelle. De plus, des techniques d’« empreinte stylistique » ont été utilisées pour mesurer quantitativement la similitude stylistique entre les résultats générés par l’IA et les œuvres d’art sources potentielles présentes dans les ensembles de données d’entraînement. Cette approche mixte est appropriée car l’originalité et la créativité sont des mesures subjectives, dépendantes du contexte, qui ne peuvent être entièrement quantifiées et nécessitent donc des données qualitatives riches.

Aucun sujet humain ou animal n’a été impliqué dans les procédures expérimentales ; l’étude est purement théorique et descriptive, et n’a donc pas nécessité l’approbation d’un comité d’éthique.

Principales conclusions

Les résultats révèlent que l’art généré par l’IA occupe un terrain d’entente complexe entre la création originale, l’imitation et les contenus relevant d’une zone grise. L’analyse visuelle indique que de nombreuses œuvres d’art générées par l’IA présentent des similitudes stylistiques superficielles avec les données d’apprentissage ; cependant, plusieurs cas montrent un recadrage compositionnel significatif par le biais de juxtapositions inattendues, de réassemblage d’éléments disparates et de voies esthétiques novatrices. Les évaluations d’experts indiquent que l’innovation dans l’art généré par l’IA s’explique au mieux par une originalité émergente – une propriété qui résulte de la dialectique entre l’algorithme, les données d’apprentissage et l’intervention humaine.

Quatre catégories distinctes d’originalité ont été identifiées : (i) la copie directe (reproduction mot pour mot d’un exemple d’apprentissage), (ii) l’imitation de style (imitation statistique des traits stylistiques d’un artiste particulier), (iii) la recombinaison transformatrice (combinaisons novatrices de plusieurs styles sources), et (iv) l’originalité radicale (résultats statistiquement éloignés de tout exemple d’apprentissage). La plupart des œuvres d’art générées par l’IA à des fins commerciales relèvent des deuxième et troisième catégories.

L’étude identifie également des facteurs critiques qui déterminent si un résultat est perçu comme original ou dérivé. Parmi ceux-ci figurent la transparence des ensembles de données (le fait que les données d’entraînement soient divulguées ou non), la spécificité des consignes (la précision avec laquelle l’utilisateur guide la génération) et le degré d’intervention humaine (sélection, édition et recontextualisation). Les créations générées à partir d’indices stylistiques appris sont largement considérées comme dérivées, tandis que celles issues de consignes conceptuelles ou critiques sont plus facilement acceptées comme des contributions artistiques originales.

Le niveau de collaboration entre l’humain et l’IA influe considérablement sur la perception de l’originalité. Les productions sans aucune intervention humaine ont obtenu les scores d’originalité les plus bas, tandis que les modèles hybrides, dans lesquels les humains fournissent des cadres conceptuels et effectuent une sélection curatoriale, ont obtenu les scores les plus élevés. Cela suggère que l’originalité dans l’art généré par l’IA n’est pas uniquement une propriété du résultat, mais aussi du processus.

Discussion et implications

Ces résultats confirment les théories postmodernes qui rejettent l’originalité absolue et remettent en question les doctrines juridiques et éthiques encore ancrées dans des preuves axées sur la personnalité. L’idée centrale est que l’originalité dans l’art généré par l’IA tient moins à la similitude visuelle qu’à l’intention, à la transformation et au sens. Cela a de profondes implications pour le droit d’auteur, qui se concentre traditionnellement sur le processus créatif humain préalable à l’œuvre finale. L’art généré par l’IA masque ce lien de causalité, rendant difficile l’application des cadres juridiques existants.

L’étude met en évidence d’importantes variations interculturelles dans les approches de l’originalité de l’art généré par l’IA. La doctrine américaine du « fair use » reste ambiguë, la loi sur l’IA de l’Union européenne met l’accent sur la transparence, la Chine a développé un cadre de « œuvres spéciales » pour les productions générées par ordinateur, et le Japon inscrit l’art généré par l’IA dans le respect du patrimoine culturel. Ces différences compliquent l’élaboration d’une norme mondiale.

Sur le plan éthique, le débat central porte sur le consentement et l’authenticité. L’utilisation d’œuvres d’artistes — le plus souvent sans autorisation ni rémunération — comme données d’entraînement soulève des questions de violation de la propriété intellectuelle. Le concept d’« utilisation transformative » est souvent invoqué pour défendre les productions générées par l’IA, mais le seuil juridique de la transformation reste flou. Des systèmes de gestion des droits basés sur la blockchain et des programmes de certification éthique de l’IA sont proposés comme solutions potentielles, bien que leur universalité reste à prouver.

Conclusion et recommandations

Les limites définissant l’originalité, la culture de la copie et le plagiat numérique varient considérablement d’un produit artistique généré par l’IA à l’autre, tant sur le plan conceptuel que technique. En supprimant la paternité humaine, l’art généré par l’IA remet fondamentalement en cause les définitions traditionnelles de la créativité, faisant de l’originalité un phénomène relationnel et fondé sur le processus. Cette étude apporte une contribution à la littérature en présentant une approche structurée pour évaluer l’originalité dans l’art généré par l’IA, qui prend en compte la transformation, l’intention et la contextualisation.

Pour les professionnels, l’étude recommande une meilleure divulgation des ensembles de données et des processus créatifs afin de renforcer les revendications d’originalité. Pour les chercheurs, les études futures devraient examiner les perceptions empiriques du public et les interprétations juridiques de l’originalité de l’IA à travers diverses cultures. Pour les décideurs politiques, l’étude recommande de mettre à jour les cadres du droit d’auteur afin de prendre en compte les créations hybrides homme-IA, d’imposer la transparence des données d’entraînement et de protéger les traditions artistiques locales contre l’impérialisme culturel numérique.

En fin de compte, cette recherche souligne la nécessité de théories adaptatives capables de prendre en compte la créativité dans l’intelligence artificielle. La place de l’IA en tant qu’outil dans l’histoire de l’art mérite le respect, mais des lignes directrices éthiques exhaustives sont nécessaires – des lignes directrices qui reconnaissent le patrimoine culturel humain dont se nourrit l’IA. L’avenir de l’art impliquera probablement de nouveaux partenariats fondés sur l’ingéniosité humaine et les processus algorithmiques, et l’originalité sera de plus en plus comprise comme une propriété émergente de ces collaborations plutôt que comme un attribut binaire d’objets isolés.

Resumen Estructurado:

Objetivo y alcance del estudio

El presente estudio tiene como objetivo investigar los límites conceptuales y prácticos entre la originalidad y la copia en las obras de arte generadas por inteligencia artificial (IA). A medida que los sistemas de IA generativa, como las redes adversarias generativas (GAN) y los modelos de difusión, se vuelven cada vez más habituales en la producción artística, las definiciones tradicionales de creatividad, autoría y originalidad se enfrentan a retos sin precedentes. La investigación pretende responder a tres preguntas principales: (1) ¿Qué significa «originalidad» en el contexto del arte generado por IA y cómo puede evaluarse? (2) ¿En qué medida las obras de arte generadas por IA son derivadas, transformativas o reproducciones exactas de obras preexistentes? (3) ¿Qué problemas éticos, jurídicos y estéticos surgen del uso creciente de la IA como agente creativo?

La rápida expansión de la producción artística mediada por la IA ha creado un vacío teórico en torno a la propiedad, la intención creativa y la propia definición de originalidad. Si bien la bibliografía existente ha abordado la creatividad computacional y la apropiación posmoderna, sigue sin existir un marco coherente que permita distinguir entre inspiración legítima, reutilización transformativa y plagio en el arte generado por IA. Este estudio cubre esa laguna al integrar las nociones teóricas del arte sobre la originalidad con los métodos de producción específicos de la IA, proponiendo un marco tipológico para evaluar la replicación, la derivación y la transformación creativa en las obras de arte generadas por máquinas.

Marco conceptual y teórico

El estudio se basa en la bibliografía interdisciplinar que abarca la estética, la teoría del arte, la investigación sobre la creatividad y la inteligencia artificial. Las ideas modernistas clásicas, arraigadas en el genio individual y la autoría intencional, se contraponen a las nociones posmodernas de apropiación, remezcla e intertextualidad. El concepto de Walter Benjamin de la «aura» —la singularidad histórica y espacial de una obra de arte— se reexamina críticamente en la era digital, donde la reproducibilidad infinita y la remezcla algorítmica han diluido los marcadores tradicionales de autenticidad. Se revisa la «muerte del autor» para comprender cómo las obras generadas por IA descentran aún más la intencionalidad humana.

En la investigación sobre IA, la creatividad se describe habitualmente como la generación de novedad a través de procesos computacionales impulsados por el reconocimiento probabilístico de patrones, más que por la conciencia. Trabajos anteriores han señalado sistemáticamente que los sistemas de IA basan sus resultados en vastos corpus de obras existentes, lo que plantea de forma inherente cuestiones de copia latente y préstamo estilístico. Aportaciones recientes en el ámbito de la creatividad computacional sugieren que la originalidad en el arte generado por IA es una propiedad continua y dependiente del contexto que depende menos de la novedad visual (que es estadísticamente limitada dada la naturaleza combinatoria de la generación digital) y más de los grados de transformación, el replanteamiento conceptual y la interacción entre humanos e IA.

El estudio adopta una ontología relacional de la originalidad, argumentando que la originalidad de una obra de arte generada por IA no surge únicamente de su desviación visual respecto a los datos de entrenamiento, sino de la interacción dialéctica entre el diseño del algoritmo, la composición del conjunto de datos, la ingeniería de prompts y la selección curatorial. Este marco rechaza las nociones absolutas de originalidad, tal y como se encuentran en la teoría del arte de la época romántica, al tiempo que evita la trampa relativista de que «todo es una copia».

Metodología

La investigación emplea un enfoque cualitativo e interpretativo que integra el análisis conceptual con estudios de casos comparativos. El corpus de investigación está compuesto por obras de arte generadas por IA mediante modelos como StyleGAN, DALL·E, Midjourney y Stable Diffusion, junto con obras creadas por humanos que comparten similitudes visuales o estilísticas. Se utilizó un muestreo intencional para seleccionar casos que han generado controversia pública o académica en torno a la originalidad y la copia.

La recopilación de datos se llevó a cabo a través de tres vías paralelas: (1) análisis visual y estilístico de las obras de arte seleccionadas, (2) análisis documental de las declaraciones de los artistas, la información sobre los conjuntos de datos y las directrices de las plataformas, y (3) evaluaciones semiestructuradas realizadas por expertos, con artistas, diseñadores y académicos que trabajan en la intersección entre el arte digital y la IA. Se desarrolló una rúbrica de evaluación original basada en la teoría de la transformación, la desviación estética y la intención contextual.

La rúbrica evalúa las obras de arte en cinco dimensiones: grado de reestructuración formal, novedad estadística en relación con los datos de entrenamiento, nivel de aportación humana y especificidad de las indicaciones, transparencia en la composición del conjunto de datos y contribución cultural. Además, se emplearon técnicas de «huella de estilo» para medir cuantitativamente la similitud estilística entre los resultados de la IA y las posibles obras de arte originales presentes en los conjuntos de datos de entrenamiento. Este enfoque de métodos mixtos resulta adecuado, ya que la originalidad y la creatividad son medidas subjetivas que dependen del contexto, que no pueden cuantificarse por completo y que, por lo tanto, requieren datos cualitativos exhaustivos.

No se utilizaron sujetos humanos ni animales en los procedimientos experimentales; el estudio es puramente teórico y descriptivo, por lo que no se requirió la aprobación de ningún comité de ética.

Conclusiones principales

Los resultados revelan que el arte generado por IA ocupa un terreno intermedio complejo entre la creación original, la imitación y los contenidos de zona gris. El análisis visual indica que muchas obras de arte generadas por IA muestran similitudes estilísticas superficiales con los datos de entrenamiento; sin embargo, varios casos presentan un replanteamiento compositivo significativo a través de yuxtaposiciones inesperadas, el reensamblaje de elementos dispares y nuevas vías estéticas. Las evaluaciones de los expertos indican que la innovación en el arte generado por IA se entiende mejor como originalidad emergente, una propiedad que surge de la dialéctica entre el algoritmo, los datos de entrenamiento y la intervención humana.

Se identificaron cuatro categorías distintas de originalidad: (i) copia directa (reproducción literal de un ejemplo de entrenamiento), (ii) imitación de estilo (imitación estadística de los rasgos estilísticos de un artista concreto), (iii) recombinación transformadora (combinaciones novedosas de múltiples estilos de origen) y (iv) originalidad radical (resultados estadísticamente distantes de cualquier ejemplo de entrenamiento). La mayor parte del arte generado por IA con fines comerciales se enmarca en la segunda y tercera categorías.

El estudio también identifica factores críticos que influyen en que un resultado se perciba como original o derivado. Entre ellos se incluyen la transparencia del conjunto de datos (si se divulgan los datos de entrenamiento), la especificidad de las indicaciones (la precisión con la que el usuario guía la generación) y el grado de curaduría humana (selección, edición y recontextualización). Las creaciones generadas a partir de claves estilísticas aprendidas se evalúan en gran medida como derivadas, mientras que aquellas que surgen de indicaciones conceptuales o críticas se aceptan más fácilmente como contribuciones artísticas originales.

El nivel de colaboración entre humanos y IA influye significativamente en la percepción de la originalidad. Los resultados sin intervención humana obtuvieron las puntuaciones más bajas en cuanto a originalidad, mientras que los modelos híbridos, en los que los humanos aportan marcos conceptuales y selección curatorial, recibieron las puntuaciones más altas. Esto sugiere que la originalidad en el arte generado por IA no es únicamente una propiedad del resultado, sino también del proceso.

Discusión e implicaciones

Los resultados confirman las teorías posmodernas que rechazan la originalidad absoluta y cuestionan las doctrinas jurídicas y éticas que siguen arraigadas en pruebas orientadas a la personalidad. La idea clave es que la originalidad en el arte generado por IA tiene menos que ver con la similitud visual y más con la intención, la transformación y el significado. Esto tiene profundas implicaciones para la legislación sobre derechos de autor, que tradicionalmente se centra en el proceso creativo humano previo a la obra final. El arte generado por IA oculta este vínculo causal, lo que dificulta la aplicación de los marcos jurídicos existentes.

El estudio pone de relieve una variación intercultural significativa en los enfoques sobre la originalidad del arte generado por IA. La doctrina del «uso legítimo» de Estados Unidos sigue siendo ambigua; la Ley de IA de la Unión Europea hace hincapié en la transparencia; China ha desarrollado un marco de «obras especiales» para los resultados generados por ordenador, y Japón contextualiza el arte generado por IA dentro del respeto al patrimonio cultural. Estas diferencias complican el establecimiento de cualquier norma global.

Desde el punto de vista ético, el debate central gira en torno al consentimiento y la autenticidad. El uso de obras de artistas —en su mayoría sin permiso ni remuneración— como datos de entrenamiento plantea cuestiones relacionadas con la infracción de la propiedad intelectual. A menudo se invoca el concepto de «uso transformativo» para defender los resultados generados por la IA, pero el umbral legal para la transformación sigue sin estar claro. Se proponen como posibles soluciones los sistemas de gestión de derechos basados en blockchain y los programas de certificación ética de la IA, aunque su universalidad aún no se ha puesto a prueba.

Conclusión y recomendaciones

Las líneas que definen la originalidad, la cultura de la copia y el plagio digital difieren significativamente entre los productos artísticos generados por IA, tanto por motivos conceptuales como técnicos. Al eliminar la autoría humana, el arte generado por IA cuestiona de manera fundamental las definiciones tradicionales de creatividad, convirtiendo la originalidad en un fenómeno relacional y basado en procesos. Este estudio contribuye a la literatura al presentar un enfoque estructurado para evaluar la originalidad en el arte generado por IA que tiene en cuenta la transformación, la intención y la contextualización.

Para los profesionales, el estudio recomienda una mayor transparencia en los conjuntos de datos y los procesos creativos para reforzar las reivindicaciones de originalidad. Para los investigadores, los estudios futuros deberían investigar las percepciones empíricas del público y las interpretaciones jurídicas de la originalidad de la IA en diversas culturas. Para los responsables políticos, el estudio recomienda actualizar los marcos de derechos de autor para dar cabida a las creaciones híbridas entre humanos e IA, exigir transparencia en los datos de entrenamiento y proteger las tradiciones artísticas locales del imperialismo cultural digital.

En última instancia, esta investigación pone de relieve la necesidad de teorías adaptativas capaces de dar cabida a la creatividad en la inteligencia artificial. El lugar que ocupa la IA como herramienta en la historia del arte merece respeto, pero se requieren directrices éticas exhaustivas —directrices que reconozcan el patrimonio cultural humano del que se nutre la IA—. Es probable que el futuro del arte implique nuevas colaboraciones basadas en el ingenio humano y los procesos algorítmicos, y que la originalidad se entienda cada vez más como una propiedad emergente de estas colaboraciones, en lugar de como un atributo binario de objetos aislados.

结构化摘要：

研究目的与范围

本研究旨在探讨人工智能（AI）生成艺术作品中“原创性”与“模仿”之间的概念界限与实践界限。随着生成式对抗网络（GAN）和扩散模型等生成式AI系统在艺术创作中日益普及，关于创造力、作者身份和原创性的传统定义正面临前所未有的挑战。本研究旨在回答三个主要问题：（1）在AI生成艺术的语境中，“原创性”意味着什么，又该如何评估？（2）AI生成的艺术作品在多大程度上属于衍生作品、改造作品或对既有作品的精确复制？（3）随着AI作为创作主体的应用日益广泛，由此会引发哪些伦理、法律和美学问题？

人工智能介导的艺术创作的迅猛扩张，在所有权、创作意图以及“原创性”的定义本身方面造成了理论真空。尽管现有文献已探讨过计算创造力和后现代挪用，但针对人工智能艺术中如何区分合法灵感、转化性再利用与剽窃，目前仍缺乏一个连贯的框架。本研究通过将艺术理论中的“原创性”概念与人工智能特有的创作方法相结合，填补了这一空白，并提出了一种用于评估机器生成艺术作品中复制、衍生及创造性转化的类型学框架。

概念与理论框架

本研究基于涵盖美学、艺术理论、创造力研究及人工智能等领域的跨学科文献。研究将植根于个人天才与有意创作的古典现代主义思想，与后现代主义的挪用、混音和互文性概念进行了对比。在数字时代，无限的可复制性和算法混音已稀释了传统真实性标志，因此对瓦尔特·本雅明提出的“光环”概念——即艺术作品的历史与空间独特性——进行了批判性重新审视。本文重新审视“作者之死”理论，以理解AI生成的作品如何进一步削弱人类主观意图的中心地位。

在AI研究中，创造力通常被描述为通过由概率模式识别驱动的计算过程产生新颖性，而非依赖于有意识的认知。先前的研究一致指出，AI系统基于庞大的现有作品语料库进行输出，这本质上引发了潜在抄袭和风格借鉴的问题。计算创造力领域的最新研究成果表明，AI艺术中的原创性是一种连续的、依赖语境的属性，它较少取决于视觉新颖性（鉴于数字生成的组合性质，这种新颖性在统计上存在局限），而更多取决于转化程度、概念重构以及人机交互。

本研究采用一种关于原创性的关系本体论，认为人工智能艺术作品的原创性不仅源于其与训练数据的视觉偏差，更源于算法设计、数据集构成、提示工程和策展选择之间的辩证互动。该框架既摒弃了浪漫主义时期艺术理论中对原创性的绝对观念，同时也避免了“万物皆为复制品”的相对主义陷阱。

研究方法

本研究采用定性、解释性方法，将概念分析与比较案例研究相结合。研究语料库包括由StyleGAN、DALL·E、Midjourney和Stable Diffusion等模型生成的AI艺术作品，以及与其在视觉或风格上具有相似性的人类创作作品。通过目的性抽样，选取了在原创性与复制问题上引发公众或学术争议的案例。

数据收集涉及三个并行方向：（1）对选定艺术作品进行视觉与风格分析；（2）对艺术家声明、数据集披露信息及平台指南进行文献分析；（3）与活跃于数字艺术与人工智能交叉领域的艺术家、设计师及学者开展半结构化专家评估。基于转化理论、美学偏离及语境意图，制定了一套原创评估量表。

该评估量表从五个维度对艺术作品进行评估：形式重构程度、相对于训练数据的统计新颖性、人类输入程度及提示词的具体性、数据集构成透明度，以及文化贡献。此外，还采用了“风格指纹”技术，以定量测量AI输出与训练数据集中潜在源作品之间的风格相似性。这种混合研究方法是恰当的，因为原创性和创造力是依赖语境的主观衡量标准，无法完全量化，因此需要丰富的定性数据。

实验过程中未涉及任何人类或动物受试者；本研究纯属理论性和描述性研究，因此无需伦理委员会批准。

主要发现

研究结果表明，AI艺术处于原创创作、模仿和灰色地带内容之间的复杂中间地带。视觉分析表明，许多AI艺术作品在风格上与训练数据存在表面上的相似性；然而，部分案例通过出人意料的并置、异质元素的重新组合以及新颖的美学路径，展现了显著的构图重构。专家评估指出，AI艺术中的创新最好被理解为“涌现性原创性”——一种源于算法、训练数据与人类干预之间辩证关系的特性。

研究识别出四种截然不同的原创性类别：(i) 直接复制（对训练样本的逐字再现），(ii) 风格模仿（对特定艺术家风格特征的统计性模仿），(iii) 转化性重组（多种源风格的新颖组合），以及 (iv) 激进原创性（输出结果在统计上与任何训练样本均相距甚远）。大多数商业AI艺术作品属于第二类和第三类。

该研究还指出了影响作品被视为原创还是衍生作品的关键因素。这些因素包括数据集透明度（即训练数据是否公开）、提示词的具体性（用户对生成过程的指导精度）以及人类策展的程度（包括筛选、编辑和重新语境化）。基于已学习风格线索生成的作品大多被评定为衍生作品，而源自概念性或批判性提示词的作品则更容易被认可为原创艺术贡献。

人机协作程度显著影响原创性的感知。完全无人干预的输出作品获得的原创性评分最低，而由人类提供概念框架并进行策展筛选的混合模型则获得最高评分。这表明，AI艺术中的原创性不仅取决于输出结果本身，也取决于创作过程。

讨论与启示

研究结果印证了否定绝对原创性的后现代理论，并挑战了仍根植于以人格为导向的证明原则的法律与伦理学说。关键洞见在于，AI艺术的原创性与其说是视觉相似性，不如说是意图、转化和意义的体现。这对传统上侧重于最终作品形成前人类创作过程的版权法具有深远影响。AI艺术掩盖了这种因果联系，使得现有法律框架难以适用。

本研究突显了各国在AI艺术原创性处理方式上的显著跨文化差异。美国的“合理使用”原则仍存在模糊性，欧盟的《人工智能法案》强调透明度，中国针对计算机生成的作品制定了“特殊作品”框架，而日本则将AI艺术置于尊重文化遗产的语境中。这些差异使得制定任何全球性标准都变得复杂。

从伦理角度看，核心争议在于同意与真实性。将艺术家的作品——大多未经许可或未支付报酬——用作训练数据，引发了知识产权侵权的问题。“ transformative use（ transformative use）”这一概念常被用来为人工智能生成的作品辩护，但“ transformative use”的法律门槛仍不明确。基于区块链的权利管理系统和人工智能伦理认证计划被提议作为潜在解决方案，但其普适性尚未得到检验。

结论与建议

从概念和技术层面来看，在AI生成艺术产品中，界定原创性、复制文化与数字剽窃的界限存在显著差异。通过消除人类作者身份，AI艺术从根本上挑战了创造力的传统定义，使原创性成为一种基于关系和过程的现象。本研究提出了一种综合考虑转化、意图和语境化的AI艺术原创性评估框架，为相关文献做出了贡献。

对于从业者，本研究建议更好地披露数据集和创作过程，以强化原创性主张。对于研究者，未来研究应调查不同文化背景下受众对AI原创性的实证认知以及法律解释。对于政策制定者，本研究建议更新版权框架以适应人机混合创作，强制要求训练数据透明，并保护当地艺术传统免受数字文化帝国主义的侵蚀。

最终，本研究强调了需要建立能够包容人工智能中创造力的适应性理论。人工智能作为艺术史中的一种工具值得尊重，但需要制定全面的伦理准则——这些准则应承认人工智能所汲取的人类文化遗产。艺术的未来很可能涉及基于人类创造力和算法过程的新型合作关系，而原创性也将越来越被理解为这些合作中产生的新兴属性，而非孤立对象的二元属性。

Структурированное Резюме:

Цель и сфера исследования

Цель данного исследования — изучить концептуальные и практические границы между оригинальностью и копированием в произведениях искусства, созданных с помощью искусственного интеллекта (ИИ). По мере того как генеративные системы ИИ, такие как генеративно-состязательные сети (GAN) и диффузионные модели, становятся всё более распространёнными в художественном творчестве, традиционные определения творчества, авторства и оригинальности сталкиваются с беспрецедентными вызовами. Исследование направлено на поиск ответов на три основных вопроса: (1) Что означает «оригинальность» в контексте искусства, созданного с помощью ИИ, и как её можно оценить? (2) В какой степени произведения искусства, созданные с помощью ИИ, являются производными, трансформированными или точными репродукциями уже существующих произведений? (3) Какие этические, правовые и эстетические проблемы возникают в связи с растущим использованием ИИ в качестве творческого агента?

Быстрое расширение масштабов художественного творчества с использованием ИИ привело к возникновению теоретического вакуума в отношении прав собственности, творческого замысла и самого определения оригинальности. Хотя в существующей литературе рассматриваются вопросы вычислительного творчества и постмодернистской апроприации, до сих пор отсутствует целостная концептуальная основа, позволяющая проводить разграничение между легитимным вдохновением, трансформативным повторным использованием и плагиатом в искусстве, созданном ИИ. Данное исследование восполняет этот пробел, объединяя художественно-теоретические понятия оригинальности с методами производства, специфичными для ИИ, и предлагая типологическую систему для оценки репродукции, производных произведений и творческой трансформации в произведениях искусства, созданных машинами.

Концептуальная и теоретическая основа

Исследование опирается на междисциплинарную литературу, охватывающую эстетику, теорию искусства, исследования творчества и искусственный интеллект. Классические модернистские идеи, укорененные в индивидуальном гении и намеренном авторстве, противопоставляются постмодернистским понятиям апроприации, ремикса и интертекстуальности. Концепция Вальтера Беньямина об «ауре» — исторической и пространственной уникальности произведения искусства — подвергается критическому переосмыслению в эпоху цифровых технологий, когда бесконечная воспроизводимость и алгоритмический ремикс размыли традиционные признаки аутентичности. Понятие «смерти автора» переосмысливается с целью понять, как произведения, созданные ИИ, еще больше смещают акцент с человеческой интенциональности.

В исследованиях в области ИИ творчество обычно описывается как генерация новизны посредством вычислительных процессов, основанных на вероятностном распознавании образов, а не на сознательном восприятии. В предыдущих работах постоянно отмечалось, что системы ИИ основывают свои результаты на обширных корпусах существующих произведений, что по сути поднимает вопросы о скрытом копировании и стилистических заимствованиях. Недавние исследования в области вычислительного творчества показывают, что оригинальность в искусстве ИИ представляет собой непрерывное, контекстно-зависимое свойство, которое в меньшей степени зависит от визуальной новизны (которая статистически ограничена, учитывая комбинаторный характер цифрового генерации) и в большей степени — от степени трансформации, концептуального переосмысления и взаимодействия человека с ИИ.

В исследовании используется реляционная онтология оригинальности, согласно которой оригинальность произведения искусства, созданного ИИ, возникает не только из его визуального отклонения от обучающих данных, но и из диалектического взаимодействия между дизайном алгоритма, составом набора данных, инженерией подсказок и кураторским отбором. Эта концептуальная основа отвергает абсолютные представления об оригинальности, характерные для теории искусства эпохи романтизма, и в то же время позволяет избежать релятивистской ловушки, согласно которой «всё является копией».

Методология

В исследовании используется качественный интерпретативный подход, сочетающий концептуальный анализ с сравнительными тематическими исследованиями. Корпус исследования состоит из произведений искусства, сгенерированных ИИ с помощью таких моделей, как StyleGAN, DALL·E, Midjourney и Stable Diffusion, а также из произведений, созданных людьми, имеющих визуальные или стилистические сходства. Для отбора примеров, вызвавших общественную или академическую полемику по поводу оригинальности и копирования, использовалась целенаправленная выборка.

Сбор данных осуществлялся по трем параллельным направлениям: (1) визуальный и стилистический анализ выбранных произведений искусства, (2) анализ документов, включающий заявления художников, информацию о наборах данных и рекомендации платформ, и (3) полуструктурированные экспертные оценки с участием художников, дизайнеров и ученых, работающих на стыке цифрового искусства и ИИ. Была разработана оригинальная шкала оценки, основанная на теории трансформации, эстетическом отклонении и контекстуальном замысле.

Эта шкала оценивает произведения искусства по пяти параметрам: степень формальной реструктуризации, статистическая новизна по отношению к обучающим данным, уровень человеческого вклада и конкретность подсказок, прозрачность состава наборов данных и вклад в культуру. Кроме того, были использованы методы «стилевой идентификации» для количественной оценки стилистического сходства между результатами работы ИИ и потенциальными исходными произведениями искусства в обучающих наборах данных. Такой подход, сочетающий различные методы, является уместным, поскольку оригинальность и творчество — это контекстуально-зависимые, субъективные показатели, которые невозможно полностью количественно оценить и которые, следовательно, требуют обширных качественных данных.

В экспериментальных процедурах не участвовали ни люди, ни животные; исследование носит чисто теоретический и описательный характер, поэтому одобрение комитета по этике не требовалось.

Основные выводы

Результаты показывают, что искусство, созданное ИИ, занимает сложную промежуточную позицию между оригинальным творчеством, имитацией и контентом «серой зоны». Визуальный анализ показывает, что многие произведения искусства, созданные ИИ, демонстрируют поверхностное стилистическое сходство с обучающими данными; однако в ряде случаев наблюдается значительная композиционная переработка за счет неожиданных сопоставлений, перекомпоновки разнородных элементов и новых эстетических решений. Оценки экспертов указывают на то, что инновации в искусстве, созданном ИИ, лучше всего понимать как возникающую оригинальность — свойство, которое возникает в результате диалектического взаимодействия между алгоритмом, обучающими данными и вмешательством человека.

Было выделено четыре отдельных категории оригинальности: (i) прямое копирование (дословное воспроизведение обучающего примера), (ii) стилистическое подражание (статистическое имитирование стилистических особенностей конкретного художника), (iii) трансформативная рекомбинация (новые комбинации нескольких исходных стилей) и (iv) радикальная оригинальность (результаты, статистически далекие от любого обучающего примера). Большая часть коммерческого искусства, созданного с помощью ИИ, относится ко второй и третьей категориям.

В исследовании также выявлены ключевые факторы, влияющие на то, воспринимается ли результат как оригинальный или производный. К ним относятся прозрачность набора данных (раскрываются ли обучающие данные), конкретность подсказок (насколько точно пользователь направляет процесс генерации) и степень кураторского участия человека (отбор, редактирование и переосмысление в новом контексте). Творческие работы, сгенерированные с использованием заученных стилистических ориентиров, в основном оцениваются как производные, тогда как те, что возникают на основе концептуальных или критических подсказок, с большей готовностью принимаются как оригинальные художественные вклады.

Уровень сотрудничества человека и ИИ существенно влияет на восприятие оригинальности. Результаты, полученные без участия человека, получили самые низкие оценки оригинальности, в то время как гибридные модели, в которых люди предоставляют концептуальные рамки и осуществляют кураторский отбор, получили самые высокие оценки. Это свидетельствует о том, что оригинальность в искусстве, созданном ИИ, является не только свойством конечного результата, но и самого процесса.

Обсуждение и выводы

Полученные результаты подтверждают постмодернистские теории, отвергающие абсолютную оригинальность и ставящие под сомнение правовые и этические доктрины, по-прежнему основанные на доказательствах, ориентированных на личность. Ключевой вывод заключается в том, что оригинальность в искусстве ИИ в меньшей степени связана с визуальным сходством, а в большей — с замыслом, трансформацией и смыслом. Это имеет глубокие последствия для законодательства об авторском праве, которое традиционно фокусируется на творческом процессе человека, предшествующем окончательному произведению. Искусство ИИ скрывает эту причинно-следственную связь, что затрудняет применение существующих правовых рамок.

Исследование подчеркивает значительные межкультурные различия в подходах к оригинальности искусства, созданного ИИ. Доктрина «добросовестного использования» в США остается неоднозначной, Закон Европейского союза об ИИ делает акцент на прозрачности, Китай разработал систему «особых произведений» для результатов, сгенерированных компьютером, а Япония рассматривает искусство, созданное ИИ, в контексте уважения к культурному наследию. Эти различия затрудняют выработку какого-либо глобального стандарта.

С этической точки зрения центральная дискуссия касается согласия и аутентичности. Использование произведений художников — в большинстве случаев без разрешения или вознаграждения — в качестве обучающих данных поднимает вопросы о нарушении прав интеллектуальной собственности. Концепция «трансформативного использования» часто приводится в защиту произведений, сгенерированных ИИ, однако правовой порог трансформации остается неясным. В качестве потенциальных решений предлагаются системы управления правами на основе блокчейна и программы сертификации этичного ИИ, хотя их универсальность пока не проверена.

Заключение и рекомендации

Границы, определяющие оригинальность, культуру копирования и цифровой плагиат, значительно различаются в отношении произведений искусства, созданных с помощью ИИ, как по концептуальным, так и по техническим соображениям. Устраняя человеческое авторство, искусство, созданное с помощью ИИ, кардинально ставит под сомнение традиционные определения творчества, превращая оригинальность в явление, основанное на взаимосвязях и процессах. Данное исследование вносит вклад в научную литературу, предлагая структурированный подход к оценке оригинальности в искусстве, созданном с помощью ИИ, который учитывает трансформацию, намерение и контекстуализацию.

Практикам исследование рекомендует более полное раскрытие наборов данных и творческих процессов для укрепления аргументов в пользу оригинальности. Исследователям рекомендуется в будущих работах изучить эмпирические восприятия аудитории и правовые интерпретации оригинальности ИИ в различных культурах. Разработчикам политики исследование рекомендует обновить законодательство об авторском праве с учетом гибридных творений, созданных совместно человеком и ИИ, ввести обязательную прозрачность данных обучения и защитить местные художественные традиции от цифрового культурного империализма.

В конечном счете, данное исследование подчеркивает необходимость адаптивных теорий, способных учесть творческий потенциал искусственного интеллекта. Место ИИ как инструмента в истории искусства заслуживает уважения, однако необходимы всеобъемлющие этические руководящие принципы — такие, которые признают культурное наследие человечества, из которого черпает вдохновение ИИ. Будущее искусства, вероятно, будет связано с новыми партнерствами, основанными на человеческой изобретательности и алгоритмических процессах, а оригинальность будет все чаще восприниматься как возникающее свойство такого сотрудничества, а не как бинарный атрибут изолированных объектов.

संरचित सारांश:

अध्ययन का उद्देश्य और दायरा

इस अध्ययन का उद्देश्य कृत्रिम बुद्धिमत्ता (एआई) द्वारा उत्पन्न कलाकृतियों में मौलिकता और नकल के बीच वैचारिक और व्यावहारिक सीमाओं की जांच करना है। जैसे-जैसे जेनेरेटिव एडवरसैरियल नेटवर्क (GANs) और डिफ्यूजन मॉडल जैसी जेनेरेटिव एआई प्रणालियाँ कलात्मक उत्पादन में तेजी से प्रचलित हो रही हैं, रचनात्मकता, लेखकत्व और मौलिकता की पारंपरिक परिभाषाएँ अभूतपूर्व चुनौतियों का सामना कर रही हैं।

यह शोध तीन प्राथमिक प्रश्नों का उत्तर खोजता है: (1) एआई-जनित कला के संदर्भ में 'मौलिकता' का क्या अर्थ है, और इसका मूल्यांकन कैसे किया जा सकता है? (2) एआई-जनित कलाकृतियाँ किस हद तक पूर्व-मौजूदा कार्यों की व्युत्पन्न, रूपांतरित, या सटीक प्रतिकृतियाँ हैं? (3) एक रचनात्मक एजेंट के रूप में एआई के बढ़ते उपयोग से क्या नैतिक, कानूनी और सौंदर्य संबंधी समस्याएं उत्पन्न होती हैं?

एआई-माध्यमित कला उत्पादन के तीव्र विस्तार ने स्वामित्व, रचनात्मक इरादे और मौलिकता की परिभाषा को लेकर ही एक सैद्धांतिक शून्य पैदा कर दिया है। हालांकि मौजूदा साहित्य ने संगणकीय रचनात्मकता और उत्तर-आधुनिक उधार को संबोधित किया है, एआई कला में वैध प्रेरणा, रूपांतरकारी पुन: उपयोग और साहित्यिक चोरी के बीच अंतर करने के लिए एक सुसंगत ढांचा अनुपस्थित है।

यह अध्ययन कला-सैद्धांतिक मूल विचारों को एआई-विशिष्ट उत्पादन विधियों के साथ एकीकृत करके उस कमी को पूरा करता है, और मशीन-निर्मित कलाकृतियों में प्रतिकृति, व्युत्पत्ति और रचनात्मक रूपांतरण का मूल्यांकन करने के लिए एक प्रकार्यात्मक ढांचा प्रस्तावित करता है।

वैचारिक और सैद्धांतिक ढांचा

यह अध्ययन सौंदर्यशास्त्र, कला सिद्धांत, रचनात्मकता अनुसंधान और कृत्रिम बुद्धिमत्ता तक फैले अंतःविषय साहित्य पर आधारित है।

व्यक्तिगत प्रतिभा और जानबूझकर की गई लेखकता में निहित शास्त्रीय आधुनिकतावादी विचारों की तुलना पोस्टमॉडर्न की स्वीकृति, रीमिक्स और अंतरपाठिकता की अवधारणाओं से की गई है। वाल्टर बेंजामिन की "आभा" की अवधारणा - किसी कलाकृति की ऐतिहासिक और स्थानिक विशिष्टता - की डिजिटल युग में आलोचनात्मक रूप से पुनः जांच की गई है, जहाँ अनंत पुनरुत्पादन क्षमता और एल्गोरिथम रीमिक्सिंग ने प्रामाणिकता के पारंपरिक संकेतों को कमजोर कर दिया है।

यह समझने के लिए कि एआई-जनित कार्य मानव इरादे को और कैसे केंद्रहीन करते हैं, "लेखक की मृत्यु" की अवधारणा पर पुनर्विचार किया गया है।

एआई अनुसंधान में, रचनात्मकता को आम तौर पर सचेत जागरूकता के बजाय संभाव्य पैटर्न मान्यता द्वारा संचालित संगणकीय प्रक्रियाओं के माध्यम से नवीनता के सृजन के रूप में वर्णित किया जाता है। पिछले कार्यों ने लगातार इस बात पर जोर दिया है कि एआई प्रणालियाँ अपने आउटपुट को मौजूदा कार्यों के विशाल संग्रह पर आधारित करती हैं, जो स्वाभाविक रूप से अंतर्निहित कॉपीिंग और शैलीगत उधार लेने के मुद्दों को जन्म देता है।

कंप्यूटेशनल रचनात्मकता में हाल के योगदानों से पता चलता है कि एआई कला में मौलिकता एक निरंतर, संदर्भ-निर्भर गुण है जो दृश्य नवीनता (जो डिजिटल पीढ़ी की संयोजन प्रकृति के कारण सांख्यिकीय रूप से सीमित है) पर कम और रूपांतरण की डिग्री, वैचारिक पुनः-फ्रेमिंग, और मानव-एआई इंटरैक्शन पर अधिक निर्भर करती है।

यह अध्ययन मौलिकता की एक संबंधपरक अस्तित्ववाद को अपनाता है, यह तर्क देते हुए कि किसी एआई कलाकृति की मौलिकता केवल प्रशिक्षण डेटा से उसके दृश्य विचलन से नहीं बल्कि एल्गोरिथम डिज़ाइन, डेटासेट संरचना, प्रॉम्प्ट इंजीनियरिंग और क्यूरेटोरियल चयन के बीच द्वंद्वात्मक अंतःक्रिया से उत्पन्न होती है। यह ढांचा रोमांटिक-युग के कला सिद्धांत में पाई जाने वाली मौलिकता की निरपेक्ष अवधारणाओं को खारिज करता है, साथ ही इस सापेक्षतावादी जाल से भी बचता है कि "हर चीज़ एक प्रति है।"

पद्धति

यह शोध वैचारिक विश्लेषण को तुलनात्मक केस स्टडीज़ के साथ एकीकृत करते हुए एक गुणात्मक, व्याख्यात्मक दृष्टिकोण अपनाता है। शोध संचय में StyleGAN, DALL·E, Midjourney, और Stable Diffusion सहित मॉडलों द्वारा उत्पादित एआई-निर्मित कलाकृतियाँ शामिल हैं, साथ ही मानव-निर्मित ऐसी कृतियाँ भी शामिल हैं जिनमें दृश्य या शैलीगत समानताएँ हैं। मौलिकता और नकल के संबंध में सार्वजनिक या अकादमिक विवाद पैदा करने वाले मामलों का चयन करने के लिए उद्देश्यपूर्ण नमूनाकरण का उपयोग किया गया था।

डेटा संग्रह में तीन समानांतर धाराएँ शामिल थीं: (1) चयनित कलाकृतियों का दृश्य और शैलीगत विश्लेषण, (2) कलाकार के बयानों, डेटासेट प्रकटीकरणों और प्लेटफ़ॉर्म दिशानिर्देशों का दस्तावेज़ विश्लेषण, और (3) डिजिटल कला और एआई के संगम पर काम करने वाले कलाकारों, डिजाइनरों और शिक्षाविदों के साथ अर्ध-संरचित विशेषज्ञ मूल्यांकन। रूपांतरण सिद्धांत, सौंदर्य विचलन और प्रसंगिक इरादे के आधार पर एक मूल मूल्यांकन रूपरेखा विकसित की गई थी।

यह रूब्रिक पाँच आयामों में कलाकृतियों का मूल्यांकन करती है: औपचारिक पुनर्गठन की डिग्री, प्रशिक्षण डेटा के सापेक्ष सांख्यिकीय नवीनता, मानवीय इनपुट और प्रॉम्प्ट विशिष्टता का स्तर, डेटासेट संरचना की पारदर्शिता, और सांस्कृतिक योगदान। इसके अतिरिक्त, प्रशिक्षण डेटासेट में एआई आउटपुट और संभावित स्रोत कलाकृतियों के बीच शैलीगत समानता को मात्रात्मक रूप से मापने के लिए "स्टाइल फिंगरप्रिंटिंग" तकनीकों का उपयोग किया गया।

यह मिश्रित-विधि दृष्टिकोण उपयुक्त है क्योंकि मौलिकता और रचनात्मकता संदर्भ-निर्भर, व्यक्तिपरक मापदंड हैं जिन्हें पूरी तरह से मात्रात्मक रूप से मापा नहीं जा सकता और इसलिए इन्हें समृद्ध गुणात्मक डेटा की आवश्यकता होती है।

प्रयोगात्मक प्रक्रियाओं में किसी भी मानवीय या पशु विषय को शामिल नहीं किया गया था; यह अध्ययन पूरी तरह से सैद्धांतिक और वर्णनात्मक है, इसलिए किसी नैतिकता समिति की मंजूरी की आवश्यकता नहीं थी।

मुख्य निष्कर्ष

परिणाम बताते हैं कि एआई कला मौलिक सृजन, नकल और ग्रे-एरिया सामग्री के बीच एक जटिल मध्य-स्थिति में है।

दृश्य विश्लेषण से पता चलता है कि कई एआई कलाकृतियाँ प्रशिक्षण डेटा के साथ सतही शैलीगत समानताएँ प्रदर्शित करती हैं; हालाँकि, कई मामलों में अप्रत्याशित संयोजन, असंगत तत्वों के पुनर्संयोजन, और नवीन सौंदर्यशास्त्रीय मार्गों के माध्यम से महत्वपूर्ण संरचनात्मक पुनर्संरचना देखी जाती है। विशेषज्ञ मूल्यांकन से पता चलता है कि एआई कला में नवाचार को उभरती हुई मौलिकता के रूप में सबसे अच्छी तरह से समझा जा सकता है – एक ऐसी संपत्ति जो एल्गोरिदम, प्रशिक्षण डेटा और मानवीय हस्तक्षेप के बीच द्वंद्वात्मक संबंध से उत्पन्न होती है।

मौलिकता की चार विशिष्ट श्रेणियों की पहचान की गई: (i) प्रत्यक्ष प्रतिलिपि (प्रशिक्षण उदाहरण की शब्दशः पुनरुत्पादन), (ii) शैली की नकल (किसी विशेष कलाकार की शैलीगत विशेषताओं की सांख्यिकीय नकल), (iii) रूपात्मक पुनर्संयोजन (कई स्रोत शैलियों के नवीन संयोजन), और (iv) कट्टर मौलिकता (किसी भी प्रशिक्षण उदाहरण से सांख्यिकीय रूप से दूर आउटपुट)। अधिकांश वाणिज्यिक एआई कला दूसरी और तीसरी श्रेणी में आती है।

यह अध्ययन उन महत्वपूर्ण कारकों की भी पहचान करता है जो इस बात को प्रभावित करते हैं कि किसी आउटपुट को मौलिक या व्युत्पन्न माना जाता है या नहीं। इनमें डेटासेट पारदर्शिता (क्या प्रशिक्षण डेटा का खुलासा किया गया है), प्रॉम्प्ट विशिष्टता (उपयोगकर्ता सटीक रूप से कैसे मार्गदर्शन करता है), और मानव क्यूरेशन की डिग्री (चयन, संपादन और पुनः-संदर्भितीकरण) शामिल हैं। सीखे हुए शैलीगत संकेतों के साथ उत्पन्न रचनाओं को काफी हद तक व्युत्पन्न के रूप में मूल्यांकन किया जाता है, जबकि वैचारिक या आलोचनात्मक प्रॉम्प्ट से उत्पन्न होने वाली रचनाओं को अधिक आसानी से मौलिक कलात्मक योगदान के रूप में स्वीकार किया जाता है।

मानव-एआई सहयोग का स्तर मौलिकता की धारणा को महत्वपूर्ण रूप से प्रभावित करता है। शून्य-मानव-हस्तक्षेप वाले आउटपुट को सबसे कम मौलिकता स्कोर मिले, जबकि हाइब्रिड मॉडल, जहाँ मनुष्य वैचारिक ढाँचे और क्यूरेटोरियल चयन प्रदान करते हैं, को सबसे अधिक स्कोर मिले। यह दर्शाता है कि एआई कला में मौलिकता केवल आउटपुट का ही नहीं, बल्कि प्रक्रिया का भी गुण है।

चर्चा और निहितार्थ

ये निष्कर्ष उन उत्तर-आधुनिक सिद्धांतों की पुष्टि करते हैं जो पूर्ण मौलिकता को अस्वीकार करते हैं और उन कानूनी तथा नैतिक सिद्धांतों को चुनौती देते हैं जो अभी भी व्यक्तित्व-उन्मुख प्रमाणों में निहित हैं। मुख्य अंतर्दृष्टि यह है कि एआई कला में मौलिकता दृश्य समानता से कम और इरादे, रूपांतरण और अर्थ से अधिक संबंधित है। इसका कॉपीराइट कानून पर गहरा प्रभाव पड़ता है, जो परंपरागत रूप से अंतिम कृति से पहले की मानवीय रचनात्मक प्रक्रिया पर केंद्रित होता है। एआई कला इस कारण संबंध को छिपाती है, जिससे मौजूदा कानूनी ढांचे को लागू करना मुश्किल हो जाता है।

यह अध्ययन एआई कला की मौलिकता के प्रति दृष्टिकोणों में महत्वपूर्ण अंतर-सांस्कृतिक भिन्नता को उजागर करता है। संयुक्त राज्य अमेरिका का 'फेयर यूज़' सिद्धांत अस्पष्ट बना हुआ है, यूरोपीय संघ का एआई अधिनियम पारदर्शिता पर जोर देता है, चीन ने कंप्यूटर-जनित आउटपुट के लिए "विशेष कार्यों" का एक ढांचा विकसित किया है, और जापान सांस्कृतिक विरासत के प्रति सम्मान के भीतर एआई कला को संदर्भित करता है। ये मतभेद किसी भी वैश्विक मानक को जटिल बनाते हैं।

नैतिक रूप से, केंद्रीय बहस सहमति और प्रामाणिकता से संबंधित है। कलाकारों के कार्यों का—अधिकतर बिना अनुमति या भुगतान के—प्रशिक्षण डेटा के रूप में उपयोग करना बौद्धिक संपदा के उल्लंघन के प्रश्न खड़े करता है। एआई-जनित आउटपुट का बचाव करने के लिए अक्सर "रूपान्तरणात्मक उपयोग" की अवधारणा का सहारा लिया जाता है, लेकिन परिवर्तन के लिए कानूनी सीमा अस्पष्ट बनी हुई है। ब्लॉकचेन-आधारित अधिकार प्रबंधन प्रणालियों और नैतिक एआई प्रमाणन कार्यक्रमों को संभावित समाधानों के रूप में प्रस्तावित किया गया है, हालांकि उनकी सार्वभौमिकता अभी परखा जाना बाकी है।

निष्कर्ष और सिफारिशें

मौलिकता, नकल की संस्कृति और डिजिटल साहित्यिक चोरी को परिभाषित करने वाली रेखाएँ, वैचारिक और साथ ही तकनीकी आधारों पर एआई-जनित कला उत्पादों में काफी भिन्न हैं। मानवीय रचनाकारिता को हटाकर, एआई कला रचनात्मकता की पारंपरिक परिभाषाओं को मौलिक रूप से चुनौती देती है, जिससे मौलिकता एक संबंधपरक और प्रक्रिया-आधारित घटना बन जाती है। यह अध्ययन एआई कला में मौलिकता का मूल्यांकन करने के लिए एक संरचित दृष्टिकोण प्रस्तुत करके साहित्य में योगदान देता है, जो रूपांतरण, इरादे और संदर्भिकीकरण पर विचार करता है।

अभ्यासकर्ताओं के लिए, यह अध्ययन मौलिकता के दावों को मजबूत करने के लिए डेटासेट और रचनात्मक प्रक्रियाओं का बेहतर खुलासा करने की सिफारिश करता है। शोधकर्ताओं के लिए, भविष्य के अध्ययनों में विभिन्न संस्कृतियों में एआई मौलिकता के बारे में दर्शकों की अनुभवजन्य धारणाओं और कानूनी व्याख्याओं की जांच होनी चाहिए। नीति निर्माताओं के लिए, यह अध्ययन संकर मानव-एआई रचनाओं को समायोजित करने के लिए कॉपीराइट ढांचे को अपडेट करने, प्रशिक्षण डेटा में पारदर्शिता अनिवार्य करने, और डिजिटल सांस्कृतिक साम्राज्यवाद से स्थानीय कलात्मक परंपराओं की रक्षा करने की सिफारिश करता है।

अंततः, यह शोध कृत्रिम बुद्धिमत्ता में रचनात्मकता को समायोजित करने में सक्षम अनुकूली सिद्धांतों की आवश्यकता पर प्रकाश डालता है।

कला के इतिहास में एक उपकरण के रूप में एआई की जगह का सम्मान किया जाना चाहिए, लेकिन व्यापक नैतिक दिशानिर्देशों की आवश्यकता है – ऐसे दिशानिर्देश जो उस मानवीय सांस्कृतिक विरासत को स्वीकार करते हों जिससे एआई पोषण लेता है। कला का भविष्य संभवतः मानवीय प्रतिभा और एल्गोरिथम प्रक्रियाओं पर आधारित नई साझेदारियों को शामिल करेगा, और मौलिकता को अलग-थलग वस्तुओं के द्विआधारी गुण के बजाय इन सहयोगों की एक उभरती हुई संपत्ति के रूप में समझा जाएगा।