关于本中文版的说明  /  Note sur cette version chinoise

本日报作者不通中文。这些译文由人工智能自动生成,作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本,希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处,恳请告知 — 我们将虚心接受并改进。

L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.

— 《进步者日报》编辑部  /  La rédaction

一名萨尔瓦多音乐人创作了一首昆比亚,发布到网上,他的风格可能在本人毫不知情的情况下出现在某个生成式模型中。2026年7月31日,联合国教科文组织与中美洲教育文化协调组织发布了一份区域评估报告,记录了这一机制在中美洲文化产业中的运作方式。拉丁美洲音乐创作者联盟对逾千名艺术家开展的调查显示:缺乏详细的可追溯性,会严重妨碍作者行使同意权和获得基于使用情况的报酬,但并非在所有情况下都使这些权利在技术上绝无可能实现。

要点

  • 没有可追溯义务,一部分作品可能在作者能够谈判之前就进入训练模型。
  • 该报告指出多项需求,包括技术能力、人员培训,以及保护权利和知识产权的治理框架。
  • 对拉丁美洲音乐创作者的调查记录了他们对公开来源登记簿和报酬机制的需求。
  • 可选路径包括透明度义务、许可协议,以及例外规则或退出(opt-out)机制。
  • 可审计的公开登记簿、文化补偿基金等具体方案已有雏形,但能否落地,取决于眼下正在作出的监管决定。

生成式模型对世界音乐的影响

本地创作者与模型运营者之间的不对称,根源之一在于机器学习过程本身。一部作品被纳入训练语料库后,不会以孤立方式为模型价值作出贡献:它的贡献被稀释、聚合,与数百万其他来源混合,变得无法区分。这种技术上的消解,使个人主张在结构上变得极为困难,即便在版权保护最完善的司法辖区也不例外。对于由较小社群承载的音乐类型,影响尤为突出:这些音乐在语料库中的权重微乎其微,但其风格独特性可能正是模型所捕捉并按需再现的东西。这种提取对原创者而言既不可见,也无法量化。

生成式模型靠吸收海量既有作品来学习。文本、图像、声音——凡是可在线获取的内容都是潜在原料。对拉丁美洲音乐产业而言,昆比亚、萨尔萨、巴耶纳托、墨西哥北方音乐等各类风格,可能正在为能够按需复制这些风格的系统提供素材,而其创作者是否曾被咨询或获得补偿,目前并不清楚。

任何创作都会从其他作品汲取灵感。作者通常没有一种通用而可靠的机制,能够针对所有模型逐作品核查使用情况。许多模型不公开逐作品的来源信息,但部分模型须遵守训练数据文档和公开摘要义务。缺乏可追溯性使撤回权或反对权的行使和监督困难得多,但并不从法律上取消这些权利。它严重限制了按实际使用比例支付报酬的可能性,但并不使一切形式的报酬都无从实现。

这种不透明对中低收入国家的创作者打击最重。他们既没有提起法律程序所需的资源,也没有足够的体量在与大型平台的谈判中施压。在流媒体市场上,平台已经代替创作者决定内容格式。生成式模型的出现使这种不对称进一步加深:平台如今可以制作模仿本地风格的内容,而无需借助本地艺术家。

联合国教科文组织与中美洲教育文化协调组织的评估报告

这份于2026年7月31日发布的评估报告覆盖八个国家:危地马拉、伯利兹、洪都拉斯、萨尔瓦多、尼加拉瓜、哥斯达黎加、巴拿马和多米尼加共和国。报告考察了该地区文化产业——音乐、电影、视觉艺术、手工艺——面对生成式AI采用浪潮的应对态势。

报告的核心判断是:生成式AI的采用正在推进,而治理框架和权利保护机制仍需加强。该地区的创作者已在使用AI工具进行创作、编辑、翻译和发行。与此同时,他们的作品可能正在进入这些工具的训练语料库,而现有的可追溯机制尚不完整,不一定能实现逐作品核查。欧盟《人工智能法》已要求通用模型就训练内容进行透明披露。

报告揭示了一种结构性失衡:生成式模型的运营者通常位于该地区以外,受不同司法辖区管辖,对本地创作者的作品使用情况不承担明确的说明义务。这些国家的著作权法律制定于机器学习大规模普及之前,主要针对直接复制行为。在该地区多个司法辖区,法律尚未明确规范生成式训练行为,尽管部分国家条款涉及数据挖掘或AI对著作权的遵守。

千名音乐创作者的调查结果(2026年)

拉丁美洲音乐创作者联盟对逾千名艺术家开展的调查,为机构层面的评估提供了人的视角。受访者来自整个地区——墨西哥、哥伦比亚、阿根廷、中美洲各国——涵盖不同音乐类型、知名度层级和商业模式。

受访者的诉求集中在透明度与控制权:了解其作品的使用情况、能够同意或拒绝使用,以及获得与作品商业使用挂钩的报酬。这些诉求对应的权利在现行法律框架内已被承认,但因缺乏可追溯性,实际行使极为困难。

调查还揭示了对文化代表性的忧虑。如果生成式模型主要在英语内容或流媒体平台最热门的音乐类型上接受训练,其输出结果将倾向于复制这些主导风格。少数语言音乐、口传传统、地区性音乐类型,在模型中的代表性可能严重不足,或者只能透过大型平台推荐算法已经过滤过的作品折射出来。

2035年前的两条可能路径

当前局面尚未固化。对拉丁美洲创作者而言,两条不同的道路已经分叉,这也关乎所有身处生成式模型主要生产地以外的文化产业。

第一条路依托强制性的法律可追溯义务,这可能保住创作者的谈判能力。若监管机构——无论在国家、区域还是国际层面——要求生成式模型运营者公布可审计的训练来源公开登记簿,拉丁美洲音乐创作者联盟等组织就能切实行使权利。来源登记簿或摘要有助于识别所使用的内容或数据集,并为集体报酬机制提供基础,但不会自动确定每部作品的具体使用比例。这条路技术上可行:欧洲和美国已有多项监管提案指向这一方向,尽管尚无任何提案以这一精度获得通过。

第二条路是无所作为。可追溯性长期缺失,可能扩大文化遗产在未来模型中被吸收的比例。随着模型不断积累训练数据,创作者的谈判能力可能持续削弱。在这一情景下,文化多样性面临成为AI运营者免费资源的风险:一种被无偿提取的公共资产。

这两种情景在时间维度上并不对称。谈判窗口可能正在收窄。AI能力向少数几座城市的高度集中强化了同样的动态:训练语料库的相关决策,正在拉丁美洲创作者缺席的地方作出。

第一条路径如何变为现实

集体管理提供了一条常被低估的补充路径。现有的著作权集体管理组织已拥有识别作品、大规模分配权利的基础设施。扩展其职责范围以涵盖机器训练场景中的使用,不需要另起炉灶,而是将成熟机制适配到其章程未曾预见的使用类型上。但这一扩展的前提,是模型运营者愿意与这些组织展开谈判。来源声明有助于改善与训练使用相关的集体管理,但它不是启动任何形式集体管理的必要前提。

根据联合国教科文组织与中美洲教育文化协调组织评估报告及拉丁美洲音乐创作者联盟调查所识别的路径,两项具体机制可使可追溯性具有可操作性。

其一是可供创作者组织审计的训练来源公开登记簿。生成式模型运营者已掌握其语料库的相关信息;公开这些信息需要法律义务,也可能带来技术或文档层面的困难,对于已完成训练的模型尤为如此。欧盟通过《人工智能法》迈出了第一步,该法规定通用模型须就训练数据满足透明度要求。目前已知的要求是提供足够详细的来源和数据集公开摘要,但不保证实现逐作品的核查。

其二是文化补偿基金,以生成式模型收入的一定比例为来源,按被吸收作品的地理和语言来源进行再分配。这一模式借鉴了其他领域的现有机制:录制音乐中的邻接权、出版领域的集体管理组织。它面临切实的困难,尤其是如何衡量每部作品在数十亿文件组成的语料库中的贡献价值。这些困难并非无法克服,但需要政治意愿——而当前谈判尚未产生这种意愿。

两个值得关注的指标清晰可辨:采纳法律可追溯义务的国家数量,以及声称已就作品使用获得报酬或正式同意的创作者比例。对中美洲创作者而言,这两个指标目前都几乎无从查证。

监管机构尚可采取的行动

中美洲并非孤例。拉丁美洲音乐创作者的处境,与所有身处生成式模型主要生产司法辖区之外的创作者相同。非洲音乐、少数语言文学、英语语料库中代表性不足地区的视觉艺术,面临的都是同样的问题。

联合国教科文组织与中美洲教育文化协调组织的评估报告提供了一份结构化的区域诊断,可为国际谈判提供依据。联合国教科文组织在文化多样性领域拥有明确授权;其2005年《保护和促进文化表现形式多样性公约》是相关参照框架。该公约确认国家支持本国文化产业的主权权利。它并非为生成式AI而设计,但可作为多边论坛中提出相关主张的法律依据。

中美洲各国政府可在多个层面采取行动。在国家层面,可通过立法,要求在其领土上发行模型的运营者履行可追溯义务。在区域和国际层面,可协调各国立场。同时,可支持拉丁美洲音乐创作者联盟等组织的记录与谈判工作。经济增长向特定行业的集中表明,技术变革的红利并不会自然流向所有人。

文化产业也不例外。

未来几年的进程将决定:在本地创作者的谈判能力被结构性削弱之前,生成式模型运营者是否会让其语料库具备可追溯性。


来源

  1. 联合国教科文组织与中美洲教育文化协调组织,《关于人工智能与文化产业的区域评估》,2026年7月
  2. 拉丁美洲音乐创作者联盟,《ALCAM 2026报告》:对逾千名拉丁美洲音乐创作者的调查
  3. 联合国教科文组织,《保护和促进文化表现形式多样性公约》,2005年
  4. 欧盟《人工智能法》,关于通用模型训练数据透明度的条款