夜雨聆风
一篇文章，可以这样完成：
人提出主题，AI生成提纲； AI起草正文，人进行筛选； AI润色语言，人点击发布。
那么，谁是作者？
如果文章出现事实错误、虚假引用、歧视性表达或版权争议，又该由谁负责？
是生成文字的AI，输入提示词的人，还是提供模型的平台？
这正是论文《生成式人工智能之后的作者身份：分布式创造力与关系性责任》试图回答的问题。
这篇论文没有继续追问一个已经被反复讨论的问题：
AI究竟能不能创造？
它把问题转向了一个更重要、也更现实的方向：
当AI生成的内容进入社会，谁能够为它接受追问、作出解释并承担后果？
这一次，讨论的重点不再是“写作能力”，而是“作者责任”。
论文速览
论文题目：Authorship After Generative AI: Distributed Creativity and Relational Responsibility
中文译名：《生成式人工智能之后的作者身份：分布式创造力与关系性责任》
作者：Michael Uebel、Bilal Hamamra
期刊：Philosophy & Technology
发表时间：2026年8月
卷期信息：第39卷，第152号文章
DOI：10.1007/s13347-026-01170-w
01
AI终结的不是作者，而是“孤独天才”的神话
长期以来，人们习惯把作者想象成作品唯一的创造源头。
一个人凭借独特的天赋、经验和灵感，从自己的内心世界中创造出前所未有的作品。
这种形象，可以称为浪漫主义的“天才作者”观。
在这一观念中，作者是起点，作品是结果；作者拥有完整的创作意图，也能够清楚地认识自己的创作过程。
然而，论文指出，这种“孤独天才”的形象从来都不完全符合创作的实际。
任何写作都离不开既有语言、文化传统、知识档案、社会经验、编辑制度、传播媒介以及其他人的劳动。
我们使用的词语不是自己发明的，讨论的问题不是凭空产生的，表达方式也始终受到既有知识和文化环境的影响。
换言之，创造从来不是一个封闭个体独立完成的活动。
AI没有创造“分布式创造”，它只是让创造原本具有的分布式特征变得更加明显。
一段AI辅助生成的文字，背后可能同时存在训练数据、模型架构、提示词设计、平台规则、人工筛选、编辑修改和读者反馈。
所谓“一个人写出了一篇文章”，实际上可能是一个复杂社会技术网络共同作用的结果。
生成式AI真正动摇的，因此不是作者本身，而是那个独立、完整、自足的“天才作者”神话。
02
论文最关键的区分：创造力不等于作者资格
这篇论文的核心，是区分两个经常被混为一谈的概念：
生成能力与作者资格。
什么是生成能力？
生成能力，是产生连贯、新颖或者具有使用价值的内容的能力。
按照这一标准，当前的生成式AI显然能够参与创造活动。
它可以：
生成完整的句子和篇章；
模仿不同作家的语言风格；
调整文章结构和论证顺序；
提出新的表达方案；
通过组合与变换产生具有新颖性的内容。
论文并没有简单否认AI的创造能力，也没有把大型语言模型描述成只会机械拼接词语的工具。
作者承认，相关研究正在挑战“语言模型只是表面模仿者”的过度简化说法。模型内部可能形成复杂的结构化表征，其输出也可能表现出较强的连贯性、适切性和新颖性。
但是，具有生成能力，并不意味着自动获得作者资格。
什么是作者资格？
作者资格不是一种单纯由作品质量决定的技术能力，而是一种规范性身份。
真正的作者不仅能够写出文字，还必须能够：
认可并确认作品；
解释和捍卫其中的观点；
回应批评与同行评议；
发现错误后进行修改或撤回；
披露利益冲突和工具使用情况；
在作品造成伤害时接受追责；
承担相应的法律、学术和伦理后果。
当前的生成式AI无法真正履行这些义务。
它不能批准论文发表，不能签署合同，不能确认研究伦理，也不能因为学术不端而接受处分。
它可以生成一句“我对此负责”，却无法真正承担“负责”所包含的义务、风险与后果。
顺着论文的逻辑，我们可以把这一区分概括为：
会写，是一种能力；署名，是一种身份；能够负责，才是获得作者资格的前提。
03
为什么说“AI作者”是一种范畴错误？
论文提出了一个具有争议性但逻辑清晰的判断：
在当前条件下，把生成式AI称为作者，是一种范畴错误。
所谓范畴错误，就是把属于一种类型的能力，错误地理解为另一种类型的资格。
AI能够生成文本，说明它在作品形成过程中具有因果作用；但作者身份属于社会、法律和学术制度中的规范性位置。
两者并不是同一回事。
一项技术可以影响作品如何形成，却不一定因此获得作者身份。
文字处理软件参与了写作，搜索引擎影响了信息获取，推荐算法塑造了阅读范围，训练数据提供了语言资源，但这些技术因素并不会因为“参与了作品生成”而自然成为作者。
当前的生成式AI同样如此。
它能够生成句子、重组论点、模拟风格，甚至完成大量表层写作工作，却不能对文本作出真正的承诺，也不能进入由认可、解释、质疑、修正和制裁构成的责任关系。
因此，论文主张把问题从：
“谁生成了这些文字？”
转变为：
“谁能够为这些文字接受追问？”
这一转换，正是整篇论文最重要的理论推进。
04
创造力可以分布，责任不能随之蒸发
如果一篇文章由人、AI、数据和平台共同促成，是否意味着没有任何一个主体需要承担完整责任？
论文的回答是否定的。
创造过程可以是分布式的，责任体系也可以是分层的，但责任不能因此消失。
在AI辅助写作中，不同主体可能承担不同责任。
写作者或研究者
负责核查事实、规范引用、解释论点、披露AI使用情况，并对最终发布的内容作出确认。
编辑与出版机构
负责制定和执行AI使用规范，审查署名、披露、学术诚信和研究伦理等问题。
模型开发者与平台经营者
需要对模型设计、训练数据、系统部署、内容管理和商业化过程中产生的风险承担相应责任。
这些主体进入责任链，并不意味着他们都应该出现在作品署名中。
责任链条与作者署名并不是同一个概念。
论文真正强调的是：技术系统越复杂，越需要准确识别不同层次的责任主体，而不是把无法解释的结果归咎于“AI自己”。
模型的不透明性不会自动把责任转移给机器。
恰恰相反，它要求人类建立更清晰的使用记录、更严格的审核程序和更精确的责任追踪机制。
05
AI时代的人类作者：从“文字生产者”转向“责任把关者”
当AI承担越来越多的文字生成工作，人类作者是否会逐渐失去价值？
论文认为，人类作者不会消失，但其角色正在改变。
在传统观念中，作者的价值主要体现在“亲手写下文字”。
在AI辅助写作中，人类则越来越像整个写作过程的组织者、策展人和批评者。
论文使用“提示者—策展人”这一说法，并援引“远距写作”的概念来描述这种变化。
在远距写作中，人类负责：
设定写作目标；
明确任务边界；
选择合适工具；
提出评价标准；
筛选生成结果；
核查事实与证据；
重组文章结构；
决定哪些内容可以发布；
对最终作品表示认可。
AI可以完成具体的语言生成，人类则在更高层面上进行任务设计、质量控制和责任承担。
这意味着，人类作者不再需要成为每一个词语的直接生产者。
但与此同时，人类也不能仅仅输入一句提示词，便理所当然地把全部机器输出视为自己的作品。
如果缺少实质性的选择、判断、核查、修改和确认，人类对作品的作者性主张也会变得十分薄弱。
因此，论文把AI时代的人类作者重新定义为混合写作系统的：
伦理与知识把关者。
作者真正需要回答的，不是“这些文字是不是全部由我亲手写出”，而是：
哪些内容值得进入公共空间？
哪些观点具有充分证据？
哪些偏见需要纠正？
哪些结果必须修改、拒绝或撤回？
我是否愿意以自己的名义为最终作品负责？
06
这种作者观，正在改变版权与学术出版
论文并没有停留在哲学讨论层面，而是进一步分析了版权、学术出版、元数据和AI治理等现实问题。
版权：保护人的创作贡献，而不是机器生成本身
论文引用的法律研究认为，提示词设计、反复调整指令、从多个结果中进行选择，以及实质性的编辑和结构重组，都可能构成人类的创作贡献。
但这并不意味着，只要输入提示词，就能自动对全部生成内容主张版权。
法律需要进一步区分：
哪些部分体现了人类的构思、选择、编排和修改；
哪些部分主要来自模型的自动生成。
真正受到保护的，应当是可以识别的人类创作贡献，而不是机器生成行为本身。
学术出版：AI可以被披露，但不能被列为作者
论文所引研究显示，多数顶级期刊禁止把AI列为作者，同时允许或要求研究者披露AI在写作、分析或编辑中的使用情况。
原因并不只是“AI不是人”。
更重要的是，学术作者必须能够批准最终稿、回应同行评议、确认伦理合规，并在发生学术不端时接受处分。
当前AI无法满足这些条件。
因此，更合理的做法不是让AI署名，而是明确记录它在研究和写作中发挥了什么作用。
元数据：记录技术参与，但不混淆作者身份
论文主张，在必要情况下，可以记录所使用的模型、提示过程和人工编辑情况。
这样的记录能够让读者了解作品是如何形成的，也有助于追踪潜在错误和责任来源。
透明披露不是对作者身份的削弱。
相反，它使作者的责任更加清晰，也使作品更值得信任。
07
面对几个可能的反驳，论文如何回应？
如果AI作品与人类作品无法区分，为什么AI不能成为作者？
论文的回答是：
作品是否新颖、连贯、有价值，可以证明AI参与了创造，却不能证明AI获得了作者资格。
创造性表现解决的是作品质量问题，作者身份解决的是责任归属问题。
公司也不是自然人，为什么公司可以承担责任，AI却不可以？
公司虽然不是自然人，但其背后存在董事、员工、资产、治理程序和监管义务。
法律可以通过这些结构实施制裁、追究责任和执行赔偿。
当前AI并不存在类似的制度连续性和责任承载结构。
赋予AI作者身份，不仅不能解决责任问题，反而可能遮蔽真正应当负责的人和机构。
如果没有任何人能够完全解释AI输出，责任应该由谁承担？
论文认为，所谓“责任缺口”不能成为让AI承担作者责任的理由。
如果模型难以解释，就应当加强责任追踪、过程记录和人工控制，而不是把责任转移给机器。
技术越不透明，越需要制度明确：
谁选择了系统；
谁提供了数据；
谁设定了任务；
谁核查了结果；
谁批准了发布。
未来AI是否可能成为作者？
论文没有作出“机器永远不可能成为作者”的绝对判断。
作者明确指出，文章讨论的是当前的AI能力和现行作者制度。
如果未来某种系统能够持续参与理由交换，真正理解和修正自己的承诺，进入可执行的问责程序，并承担制裁和赔偿，那么作者资格的标准就需要重新评估。
但仅仅拥有更强的语言能力、自主性或自我描述能力仍然不够。
一个系统必须真正进入社会和制度化的责任关系，而不是只会生成“我愿意负责”这样的句子。
08
延伸思考：高校应当如何评价AI辅助写作？
以下内容是基于论文理论框架作出的延伸思考，并非论文作者单独提出的教育结论。
第一，从评价最终文本转向考察写作过程
当AI文本与人类文本在形式上越来越难以区分，仅凭语言风格判断是否使用AI，既不可靠，也容易偏离教育目标。
相比寻找所谓的“AI味”，更合理的方式是要求学生保留：
资料来源；
提示词记录；
生成版本；
修改痕迹；
事实核查过程；
最终选择依据。
评价重点由此从“文章看起来像不像学生写的”，转向“学生究竟作出了哪些判断”。
第二，AI素养不能只等于提示词技巧
会使用提示词，只能说明一个人能够调用模型。
真正重要的AI素养还包括：
核查信息；
评估证据；
识别偏见；
规范引用；
披露使用过程；
解释选择理由；
承担纠错责任。
AI生成得越流畅，人类越需要保持批判性判断。
第三，允许AI参与，但不能允许责任外包
学生可以借助AI构思、修改或润色，但必须理解最终提交的内容。
提交者应当能够解释核心观点、说明证据来源、披露AI的使用方式，并在发现问题后完成修正。
如果一个人无法回答自己作品中的基本问题，那么即使作品署上了他的名字，这种署名也已经失去了实质意义。
结语
AI写得越多，人类的责任反而越重
这篇论文最有力量的地方，是它没有依靠某种神秘的“人类天赋”来维护作者身份。
它承认AI可以参与创造，也承认所有创造活动本来就依赖语言、档案、技术、制度和他人的劳动。
但它同时划出了一条更加严格的边界：
创造力可以分布，作者责任不能蒸发。
生成式AI时代的作者，不必是每一个词的直接生产者，却必须是那个能够为作品的主张、遗漏、影响和后果接受追问的人。
当我们提交论文、发布文章或者在作品上署名时，真正需要回答的，或许已经不再是：
“这篇文章有多少字是我亲手写的？”
而是以下三个问题：
我是否真正理解它？
我是否能够核实和解释它？
我是否愿意为它进入世界之后产生的影响负责？
如果答案是否定的，那么无论文字多么流畅，我们都还没有真正成为它的作者。
如果答案是肯定的，那么即使AI参与了大量生成工作，人类作者仍然没有消失。
他只是从文字的唯一生产者，转变成了作品的判断者、把关者和责任承担者。
AI可以帮助我们写出作品，但不能替我们承担署名的重量。
论文信息
Uebel, M., & Hamamra, B. (2026). Authorship After Generative AI: Distributed Creativity and Relational Responsibility. Philosophy & Technology, 39, Article 152.
DOI：10.1007/s13347-026-01170-w