生成式人工智能的广泛应用给著作权领域的独创性判断带来了前所未有的挑战。过去判断一个作品有没有独创性，主要看它是不是人类作者独立创作并体现了其个性选择和智力投入。但现在的情况复杂多了，AI生成的内容看着很像那么回事，但它背后是算法对海量数据的学习和模仿，这就让“独创性”这个核心要件变得有点模糊不清了。
传统的独创性判断标准，不管是大陆法系强调的“作者个性印记”，还是英美法系门槛较低的“独立完成加最低限度创造性”，其预设前提都是人类作者。法官在判断时会综合考虑作品的表达形式、作者的意图、创作过程以及最终成果与现有作品的差异。但AI的“创作”过程完全不同，它没有创作意图，其输出结果是基于概率模型对训练数据的响应，这个过程里找不到传统意义上的“智力活动”。当涉嫌侵权的作品是AI生成的，或者被控侵权的作品是AI模仿了他人风格产生的，直接用老标准去套就会遇到麻烦。比如说，一个AI画图工具根据用户输入的几十个关键词，生成了一张极具艺术感的图片，这张图片的风格明显借鉴了多位知名画家的特点，但它又组合出了新的画面。这时候，这张图有独创性吗？该归用户还是归AI开发者？如果它和某位画家的现有作品在整体观感上相似，能认定侵权吗？老标准很难直接给出清晰答案。
现在实践中主要有两种应对思路。一种是坚持人类作者中心主义，认为AI仅仅是工具，其生成内容必须经过使用者实质性的、体现创造性的选择和安排，才能被视为作品受到保护。在这种情况下，判断独创性就聚焦于人类使用者的贡献程度，比如提示词（Prompt）的构思是否具体、独特，对生成结果的选择和编排是否体现了智力判断。如果使用者只是输入了“一幅风景画”这样简单的指令，其对最终成果的控制和贡献度就很低，生成的图片可能难以被认定为具有独创性的作品。另一种思路则开始考虑调整独创性标准本身，尝试构建一种更具包容性的客观判断框架。这种框架可能更侧重于对生成结果本身的客观分析，比如考察AI输出内容与训练数据中可能存在的特定作品之间的相似度是否达到了实质性近似，同时结合AI模型本身的随机性和不确定性因素，来判断该输出是机械模仿还是产生了某种“算法性独创”。但这在操作上难度很大，需要技术专家和法律人士的深度协作。
生成式AI的介入还使得侵权认定中的“接触加实质性相似”规则面临新问题。“接触”的认定变得非常间接，AI开发者确实接触了海量训练数据，但具体到生成某一内容的AI模型或其使用者，可能根本没有直接接触过被侵权的原作品。这就产生了责任主体的认定难题，是追究提供AI工具的开发者，还是追究进行具体生成的用户？在“实质性相似”判断上，传统的“普通观察者测试”或“抽象—过滤—比较”方法也可能失灵。因为AI生成内容可能是在学习了无数作品后形成的某种风格融合，它不与任何单一作品高度相似，却与某一类作品的整体风格或元素组合方式神似。这种基于风格和模式的相似，是否构成著作权法意义上的侵权，目前的判断标准还没跟上。
面对这些挑战，司法实践需要更灵活地运用独创性标准。可能需要在具体案件中，更精细地剖析涉案AI工具的技术原理、使用者的具体操作行为以及最终生成内容的特性，进行个案衡量。长远来看，或许需要明确在AI辅助创作中，哪些人类干预行为足以满足独创性要求中的“智力创作”属性，以及如何对AI生成内容与现有作品的相似性进行更科学、技术友好的比对分析。这不仅仅是法律解释的问题，也需要技术判断的辅助。