类比方法兼具优势与缺点，优选策略并非摒弃类比，而是通过实践理性和理论支援加以改进。本文将以实践理性为基本指引，提出基于“反思的平衡”的类比方法论框架，以弥补类比方法的缺陷。下文具体方案中的“相似—差异”双轨分析、多重推理路径的互验等策略，旨在化解类比简化的风险，而批判性对话、反馈修正的策略，则旨在化解类比固化和僵化的风险。
（一）实践理性的基本指引
类比推理并非严格的逻辑推导，在很多情形受直觉影响，容易陷入“非理性主义”的泥潭。应当超越“拿来主义式”的简单援用，走向理性主义，才能寻得最为适合的类比。在理性主义的视野下，类比推理属于实践理性的范畴。正如桑斯坦所言，类比推理“是在法律（以及其他领域）中运用实践理性的核心组成部分”。
“实践理性”是一个哲学概念，是指用理性来规划、选择、执行行动的能力。它旨在寻求“行动的理由”与“应当做什么”的理性判断。《斯坦福哲学百科全书》对其定义如下：“实践理性是人类通过反思解决‘做什么’问题的普遍能力。这种深思熟虑至少在两个意义上是实践性的。首先，就其主题而言，它具有实践性，因为它与行动有关。其次，就其后果或结果而言，它也具有实践性，因为对行动本身的反思会直接促使人们采取行动。”正统亚里士多德的实践理性概念强调“深思熟虑”在其中的中心地位，实践理性具有谨慎的特点。
实践理性的品质特性在于反思和深思熟虑。实践理性的反思性意味着它是一种可反思、可辩护的理性，允许论辩空间，并非武断决策。深思熟虑的特性则意味着“明智”和“审慎”是实践理性不可或缺的品质。亚里士多德在《尼各马可伦理学》中提出实践的智慧时，使用的词语即是“明智”，“明智”的人的特点是“善于考虑”。因此，实践理性与审慎精神也被相提并论。实践理性并非基于逻辑推演得出确定的答案，其有赖于审慎思考。对个体而言，实践理性意味着个人意志能够依据德性或者道德、法律审慎行动，而非仅仅受到本能或欲望的驱使。
将实践理性应用于类比方法，其核心在于指引人们作出明智的、审慎的“类比选择”行动。具体而言，实践理性可以引导人们深思熟虑如下问题：为什么选择此种类比，其背后的理由是什么，所选择的类比在多大程度上符合人们追求的规范性目标，这种类比会带来何种可欲或不可欲的后果，等等。在AIGC场域，无论论者持偏向于工具论的类比，还是持偏向于拟人化的类比，均需超越简单的直觉而进行深思熟虑的理性思考，并将理由展现出来。实践理性的反思品质还意味着，这种深思熟虑并非一蹴而就，而需不断调整，存在一个反馈修正的机制。通过这种审慎的思考过程，实践理性可以增强类比推理的理性程度。
（二）“反思的平衡”的方法论框架
1.“反思的平衡”的方法借鉴
面对人工智能技术的快速发展，人们需要的是一种更具动态性和适应性的类比方法，这也是为了克服类比的弊端。在此，可以借鉴罗尔斯在其经典名著《正义论》中的核心方法——“反思的平衡”。“反思的平衡”所要达到的结果是：“它既表达了合理的条件；又适合我们深思熟虑的并已及时修正和调整了的判断”。“反思的平衡”强调深思熟虑，属于实践理性。罗尔斯解决的是社会基本结构的正义问题。在罗尔斯看来，“公平的正义是一种通过我们在反思的平衡中的深思熟虑的判断显示的、有关我们道德情感的理论”，并且“这种平衡并不一定是稳固的，而是容易被打破的”，需要根据新的信息和更深入的思考予以修正。“反思的平衡”追求的“是一种许多想法的互相印证和支持，是所有观念都融为一种前后一致的体系”。反思平衡的方法论是“一种合理面对分歧并寻求共识的对话生成过程”。可见，反思的平衡不仅持深思熟虑的态度，还通过许多想法的互相印证、批判性对话等过程，保障得出一个经过充分反思的结果。
“反思的平衡”是实践理性下的一种具体方法论。将其应用于法律类比，意味着类比不能是一个找到相似点、套用规则的简单过程，而是一个在直觉、初步类比、理论构建、原则考量和具体判断之间不断调整和相互印证的过程。这一理论方法可用“反思的平衡”概括，它为类比方法的运用提供了一种很好的批判性反思工具。
2.在“反思的平衡”中精进类比实践
（1）超越直觉：专业判断和理论构建的起点
法律类比推理始于对相似性的感知，但这种感知不是“盲人摸象式”的一知半解、以偏概全、乱加揣测的直觉感知，而必须是基于法律专业人士的知识、经验和专业技能的理性判断。法律专业知识使律师和法官能够感知非专业人士可能忽略的相关相似性，从而区分好的类比与差的类比。但是，仅仅依赖于专业知识和经验还不够，明智、审慎的类比尚需构建一种理论框架。正如德沃金所言，“没有理论的类比是盲目的”。有效的类比需要挖掘其背后隐含的原则或理论基础。法律中的类比推理是一种典型的专家型推理。基于此，“类比推理的一个鲜明特征是，虽然人们所看到的相似性确实基于某种原则或理论，但这些原则或理论往往早已深植于其思维过程之中，难以被有意识地察觉”。在心理学上，类比推理涉及所谓的“心理跳跃”，法律思考中的“心理跳跃”同样存在。就AIGC的类比而言，学者提出摄影作品、拼贴画、布置作业、画廊选画等不同角度的类比，均是基于专业性的观察与判断，但其理由却常常隐而不见。审慎的反思需要将“心理跳跃”依赖的原则和理论基础显性化，从而提升类比的专业性和可辩护性。比如，当追问关于AIGC的工具类比的理由时，相机与智能工具的相似性只是表象，其本质在于人对创作过程的干预和控制，并由此入手应用独创性的判断原理。
（2）“相似—差异”双轨分析：平衡中的核心调整机制
“相似—差异”的双轨分析是“反思的平衡”中不可或缺的维度。对类比的反思，不能只反思相似点，也应当反思差异点。如此，在综合考量和深思熟虑之后寻得最佳类比。
①相似性的判断与评估
法学论证中的类比是一种专业性类比，需要超越日常生活或文学创作中的感性认知。相似性判断不仅仅是表面特征的相似，而是有着由浅入深的层次性，可分为特征相似、结构相似以及更深层的实质相似。类比推理中的相似性识别，往往起始于对表面特征的直观判断。但从推理的有效性而言，特征层面的相似只是初步，真正具有说服力的类比推理更依赖于比较对象之间的结构性相似。当代认知科学对类比推理的研究，尤其以根特纳等人提出的“结构映射理论”为代表，为此提供了深刻洞见。根据该理论，有效的类比推理应更侧重于比较对象之间的结构性相似，而非仅仅表面特征的相似。
结构映射理论从形式层面阐释了类比的认知机制，哲学家则更进一步，聚焦于类比评估中的实质标准。例如，黑塞的实质性标准强调本质特征的相似性、因果关系及不存在本质差异。这意味着，一个有力的类比不仅需要在结构上有所对应，更需要在实质属性和因果链条上具有可靠的连接。
相似性判断在类比推理中具有基础性作用和功能。一方面，它提供了使用类比方法的基本正当性，另一方面，它将不恰当的类比排除在外。这两项功能的发挥均依赖于一种科学合理的相似性判断流程。本文认为，理性的相似性判断可以形成一个从表层特征到深层结构，再到实质内容的递进过程。在AIGC场域，将人工智能类比为相机或被委托创作者仅是针对表面特征，需要进一步挖掘其中的结构性关系进行评价。在摄影作品类比中，隐含的结构是“人—相机（人工智能）—作品（生成内容）”这一结构；在委托创作类比中，隐含的结构是“人—被委托者（人工智能）—作品（生成内容）”这一结构。对结构性关系的判断不能停留在结构中的某个部分，更不能将其拆解为各个要素进行判断，否则又将回到某个特征是否相似的判断。例言之，如果将前述结构进行分解，那么一端的人完全相同，另一端的作品（生成内容）基本相同，人工智能与相机、人工智能与被委托者的相似性判断又会回到某个特征的相似性判断，这样将使结构性相似的判断失去意义。就结构性判断而言，AIGC类比中的结构性关系是人在AIGC生成过程中的介入和控制，这才是判断AIGC著作权保护的关键所在。在此基础上，人是否有智力投入、是否在AIGC中存在独创性的体现，则是在本质特征的相似性上的探究。这种结构性相似、实质性相似的分析可以推演出去，应用于对其他人工智能法律问题的研究。
②强调差异分析
“反思的平衡”要求深思熟虑以及判断的修正调整，需要结合差异分析。实质性相似的判断和实质性差异的判断紧密相关，两者需要进入一个互相权衡、互相修正的深思熟虑的反思平衡过程。
作类比时，对差异的关注至关重要。基于相似性选择了一种类比后，对差异的评估分析是确保类比之正当性的关键环节。仅当相似性的确压倒了差异性时，类比才具有说服力。因此，差异分析应当成为类比论证中的强制性环节。决策者需要全面考察差异，并明确论证为什么所发现的差异不足以否定类比。若差异构成类比事实之间的本质性差异，即应据此否定类比；若非如此，则差异的程度可以成为类比恰当性检查的工具。
就AIGC的著作权问题而言，在双轨分析框架下，必须直面AIGC的独特性质，并基于这些独特性调整现有法律规则的适用。对AIGC的保护需要避免完全肯定和完全否定两个极端，寻求场景化的区分思路。场景一是工具属性上的相似性压倒了自主生成上的差异性。当人对AIGC的生成具有较高的控制、选择和实质性贡献时，如深度编辑、修改、组合人工智能生成的元素，工具意义上的相似性较为显著，人工智能的自主能力不足以压倒工具性，摄影作品的类比较为合理。场景二则是高度自动生成的结果。在内容主要是人工智能自主生成、人类干预极少的情况下，自主性方面的差异胜出，但由于人工智能尚非法律主体，将AIGC的著作权归于人工智能也面临很大的法理障碍，将此种AIGC归入公共领域是一种更适宜的选择。对于难以判断相似性和差异性孰高孰低的临界情况，则应持谨慎态度，倾向于否定类比的使用。此种思路也有利于激励人的积极干预和智力投入，以使人工智能的工具属性更为突出。
进一步地，即使经由“相似—差异”分析，人工智能在工具意义上的相似性胜出，仍需注意差异的存在，审慎对待AIGC的保护问题。在将AIGC类比为摄影作品时，相似之处在于摄影师和人工智能使用者都通过操作工具来生成图片。摄影师存在对构图、光线、瞬间的选择，人工智能使用者则存在对构图、提示词的选择和优化以及对生成参数的调整。但是，在差异轨道上，必须注意到AIGC的独特性，比如自动化生成、数据驱动特性等。这种差异将影响AIGC著作权保护的程度，容后再叙。
总之，差异分析是在“反思的平衡”方法论下确立类比的关键环节。一方面，差异可能影响类比的成立，这也是为了避免以偏概全、过度简化甚至忽略关键差异的类比；另一方面，若差异不足以推翻类比，仍可能对保护程度等法律效果产生影响。
（3）多重推理路径的互验：扩展平衡的维度
罗尔斯在构建其正义理论时，将契约论与反思平衡视为互为补充的“双保险”，二者协同作用，旨在为正义原则提供解释和证明。这一思想给人以深刻启迪：在面临争议的人工智能法学问题场域，人们需要的可能不仅是“双保险”，而是一套更为稳健的多重推理的互验机制，以确保结论的审慎与周延。
类比推理提供的是一个有待验证的“法律假说”，而非确凿无疑的法理命题。正如学者所言，“类比推理是这样一种推理：从它的前提出发推断出的结论只能是一个存疑的判断”。这种特性意味着任何单一的类比论证，无论其结构多么精巧，都无法为一项法律决策提供充分的理由。这就需要多重推理的互验机制。
在多重推理的互验机制中，其他推理路径可从不同角度对类比推理进行检视、修正、补充乃至否证。首先，价值评价关涉类比前提的内在正当性，为类比论证提供了内置检验。类比推理并非价值中立的逻辑推演。正如桑斯坦强调的，“不能进行评价性论证的人无法进行法律中的类比推理”。这一论断揭示出，法律类比的选择内嵌了特定的价值评价。因此，多重推理互验的第一步是内在的，它要求我们清晰地阐明潜藏在类比背后的价值评价。在AIGC场域，价值评价要回答的问题是，当将人工智能类比为工具，从而将著作权授予使用者时，其背后的价值判断是否正当、是否值得追求，它是否符合我们对“作者”“创作”等基本法律概念的理解和应然要求。这是一种对推理起点的“正当性审查”。其次，是目的解释的导向和约束。在AIGC语境下，必须追问：著作权法的核心目的是什么，是保障人类作者在创作生态中的核心地位，还是确保一个广阔的公共领域。若将所有AIGC归入公共领域，虽能促进信息传播，但可能造成权属判断的乱象，徒增交易成本。若将AIGC著作权授予用户，同样需要检验能否达成法律设定的激励创新目标。最后，著作权法中的原则性推理为类比推理提供了检验机制。原则性推理要求反思类比应用是否会冲击法律的基本原则。为此，AIGC的著作权定性需要符合思想表达二分、人类作者原则等著作权法基本原则。
总之，将类比方法置于“反思的平衡”框架下进行反思，需要超越方法论的单一性，建立一种多重推理路径互验的机制。在这个体系中，类比推理无疑是富有启发性的探索工具，但其结论的正当性，需要与其他方法相互印证。
（4）从“独白”到“批判性对话”的共识形成过程
“反思的平衡”若要避免沦为少数精英的“独白”，就必须从个体化的内心审视走向一个开放、包容的对话过程，以“合理面对分歧并寻求共识”。从实践理性看，其鼓励的也非由某一权威强加一种不可辩驳的“最优解”，而是在充分沟通和理性权衡的基础上，为复杂法律问题寻得各方虽不尽满意、但均可接受的解决方案。并且，这种对话的关键不在于充分，而在于理性，从而避免“盲人摸象式”的无序的、各自为政的争吵。在AIGC著作权这一争议领域，重视并促进这种对话机制，是实现“反思的平衡”的重要环节，如此才能作出“深思熟虑的并已及时修正和调整了的判断”。
论证过程的透明化是开启理性的批判性对话的逻辑前提。如果类比选择的理由隐而不见，那么任何外部的学术批评都将因为缺乏靶心而流于表面。类比论证者应当承担透明化的责任，不仅应当阐述类比的源项、目标项、所依赖的相似性基础以及所识别的差异，而且应当主动揭示曾经考虑过的竞争性类比，例如将AIGC类比为摄影作品、汇编作品或其他，并详细阐述接纳某种类比、放弃其他类比的具体理由。此外，类比者还应坦承其选择特定类比的背后所内嵌的价值判断。例如，选择摄影作品类比，意味着类比者对人在内容生成过程中的创造性贡献给予正面评价，这一评价本身需予以公开并加以论证。如此才能使类比成为一个可供检验、可供批判、可供完善的论证过程。
在“反思的平衡”框架下，异议与争鸣并非破坏共识的负面因素，而是平衡机制内在的、宝贵的组成部分。它将“独白”强行切入“对话”模式，迫使类比者回应其未曾充分考量的维度，从而使最终的平衡点更经得起推敲。
（5）动态类比与反馈修正：追求平衡的持续努力
人工智能技术正在飞速发展。如果法律依赖的类比是静态的、一成不变的，那么法律必将僵化和滞后。因此，“反思的平衡”不仅是特定时间节点上的平衡，更是一种持续的动态调适过程。
传统的静态类比法试图为新问题找到一个永久性的法律标签，一劳永逸地将其归入某个既有范畴。动态类比法则放弃这种毕其功于一役的幻想，它承认类比的动态调适需求。动态类比法的核心问题不是“AIGC是什么”，而是“在当前的技术阶段和应用场景下，AIGC的生成过程更像什么”。这种提问方式本身就蕴含了临时性和可修正性。它鼓励在法律分析中引入比较思维，即比较不同的类比，作出当下最合理的选择。
在动态类比法之下，如果类比的目标项（y）是用户使用人工智能生成的AIGC，源项（x）是摄影师使用相机拍摄的照片，共有的相关特征有二：一是两者均需借助一个非人属性的工具（F）；二是均涉及人类用户的选择、构图或指令输入（G）。推导特征则是，源项（x）享有著作权，因此目标项（y）也应享有著作权。动态适应的关键在于对这一结构进行持续性的批判性评估。例如，随着技术发展，人工智能模型从执行指令的“工具”演变成更具自主性的“创作伙伴”或独立创作者，那么共有特征“F”就会发生变化，源于旧技术形态的工具类比就会失效。类比的应用需要在批判性思维之下进行持续的反思和修正。
综上所述，在“反思的平衡”框架下精进类比方法，具体策略包括超越直觉、“相似—差异”双轨分析、多重推理互验、从“独白”走向“批判性对话”、动态适应与反馈修正。基于专业判断的初始类比往往只是针对某方面的相似性，其推论结果是一个有待验证的“假说”，需要从差异分析、多重路径及动态反馈等层面交叉验证以取得“反思的平衡”下的恰当类比。
（三）AIGC完美类比的缺乏与保护程度的差异
1.AIGC完美类比的缺乏
AIGC缺乏完美的类比。回顾前文梳理的类比，有的需要直接排除，有的需要进入多元比较、结构分析、不断反思与调整的过程，以求得“反思的平衡”下较为合适的类比。动物类比完全忽视了人的作用，会误导讨论方向，画廊选画类比则将人的行为仅归结为选择行为，两种类比都只是抓住了局部特征，在“相似—差异”双轨分析中无法通过结构性相似的判断环节。这些过于简化的类比可先排除。进入多元比较环节的是摄影作品类比、拼贴画类比、布置作业类比和委托创作类比，前两者代表了工具论的主张，后两者代表了强调人工智能自主性、独立性的主张。由于拼贴画类比其实是工具论的翻版，委托创作类比和布置作业类比均着眼于指示或委托，在推导结论上相同，本文重点比较摄影作品类比与委托创作类比，这两种类比也最具代表性，两者的关键区别在于指令的具体性及其作用。若指令足够具体，且直接影响AIGC的具体表达，工具属性上的相似性可能胜过人工智能的自主性特征，工具论的类比胜出。此时，AIGC的可版权性论证可参照摄影作品展开。反之，若创作指令非常笼统，委托创作或布置作业的类比就更为适宜，在此种类比思维的引导下，用户无法就AIGC主张著作权。
需要注意的是，AIGC著作权问题研究中的类比是在著作权法的体系内展开，旨在寻求最相近似的作品或创作行为并参照解决。并且，本文提倡的“反思的平衡”方法论框架也内嵌多重推理路径的互验。即使选择摄影作品类比，仍需结合思想表达二分、独创性等著作权法原理和规则进行检验。就AIGC的著作权定性而言，并不存在一劳永逸、包打天下的完美类比。即便经过审慎思考选择某一类比，类比者也需要具备“反思的平衡”的方法论自觉，根据技术发展和应用场景对原初类比进行持续反思，随时准备调整甚至放弃原初类比。
人工智能其实处于从“工具”至“人”的一个连续谱中，AIGC也将相应地形成一个连续谱。一端几乎完全由人工智能自动生成，此时AIGC的著作权应被否定；另一端则是人的干预和控制较强，此时人工智能更多类似于创作工具。当然，随着技术的发展，用户对AIGC的控制力也可能增强，甚至能够直接干预表达性要素的生成。在此种交互式生成模式下，工具类比可能更为适宜。比如，用户对人工智能的指令非常具体、详尽，涵盖了独特的构思、情节和风格设计，并且在AIGC初稿生成之后，进行了大量的、体现了创造性选择与修改的后期编辑。此时，人工智能的角色更接近于“超级画笔”。在此意义上，应当鼓励人将最新科技即人工智能当作创作工具，但生成内容的保护需要体现人的创造性干预，这一立场背后的原理是激励并维持人的创造力。然而，即使在特定情形下采纳工具论的类比，亦应注意人工智能和传统工具存在差别。
2.“求同存异”的类比与保护程度的差异
“求同存异”的类比意味着，即使接受某一类比，也需要注意差异的存在，从而在结果上作出相应的区别对待。换言之，即使采纳工具类比，推导出AIGC应受保护的结论，其受保护的程度也应有别于传统作品。
这种区别对待通常会导致对AIGC的弱保护或低强度保护。著作权保护要求作品具有最低程度的创造性。对AIGC而言，当人工智能的工具性强于其自主性时，人的个性化干预虽然可以跨越独创性的“最低程度”门槛要求，却仍然低于传统作品体现的作者创造性。AIGC中体现的“个性化表达”程度不能与人类艺术家直接创作的作品同日而语。AIGC的独创性可被解释为体现在参数设置、指令输入和不断调整之中，而非传统意义上的人类情感与个性的注入。AIGC中的创造成分并非100%来自人类，而是掺杂着人工智能的自主性。因此，即使承认AIGC可以获得著作权保护，也可以在整体定位上认为其独创性程度不如传统人类作品，从而给予较低程度的保护。在这方面，首先可以想到的是权利行使范围或权能的缩小、保护期限的缩短甚至引入独立的AIGC特殊作品类型之类的立法论主张。本文则更倾向于在现行法律框架下展开的解释论方案。
弱保护主要从著作权保护的“酌定”或自由裁量部分入手，其最大抓手是侵权救济。在侵权救济上，停止侵害救济在特殊情况下虽也可限制适用，也具有一定的裁量空间，但AIGC的著作权人仍应普遍性地享有停止侵害救济。这对他人行为自由的影响微乎其微，因为在人工智能驱动创作的时代，他人可以便捷、快速地生成替代性的作品。重点在于损害赔偿，应当进行重点弱化。这种弱化主要体现在实际损失和侵权获利的严格证明、法定赔偿额的降低、惩罚性赔偿的限制和排除等方面，总体倾向是控制赔偿额。法官可以更严格地要求权利人证明其实际损失或对方的侵权获利。由于AIGC的生产成本低，市场价值不高或者波动较大，权利人证明其真实损失的难度会增加。在损害计算上，与AIGC的行业平均价格相差较大的炒作、刷单、虚高拍卖价格等非市场因素应被排除在外，不能据此认定AIGC著作权侵权中的实际损失。法官可以在缺乏充分证据时倾向于较低数额的法定赔偿。于此而言，传统人类作品的保护一般受“加强知识产权保护”的政策指引，倾向于尽可能提高赔偿额，但这一政策指引在AIGC著作权保护领域需要调整。对AIGC的保护宜持谨慎态度，无需加强保护，相比传统人类作品而言反而应予弱化。AIGC的技术生成特性、较低程度创造性及较低的创作成本，也支持“量力而行”的较低赔偿额。此外，在AIGC作品的侵权领域适用惩罚性赔偿可能导致过度威慑，其可能产生的消极影响事关惩罚性赔偿的正当性与合理性。若用户可因AIGC获得高额赔偿，可能会助推其对人工智能的依赖，逐步削弱人类的创造力。在弱保护的理念下，惩罚性赔偿应当予以限制甚至排除适用。
实践中，我国已有的AIGC著作权侵权纠纷案均采取法定赔偿的判赔方法，由法官综合考虑侵权行为确定赔偿额，具有较大的自由裁量空间。“春风案”虽然认可著作权保护，但判赔数额只有500元，契合本文提倡的AIGC著作权弱保护思路。承认AIGC著作权保护的后续案件有提高赔偿额的趋势，如“伴心案”中，法院判决被告赔偿原告经济损失和合理费用共计1万元，“武汉文生图案”中，法院判赔4000元。应该说，“春风案”虽然为AIGC著作权保护开了口子，但法院在损害赔偿的裁量上采取了非常谨慎的态度，这可能是目前比较适宜的一种态度，即在AIGC能体现人类最低程度的创造性的前提下给予著作权保护，但在救济上予以弱化。未来的AIGC著作权保护应当坚持这种弱保护思路。
除在损害赔偿中体现弱保护之外，弱保护的法律适用图景还包括：（1）提高AIGC权利人的举证责任，要求其更详细地证明创作过程和独创性贡献。美国版权局对AIGC的保护经历了一个从不保护到保护的过程。在其转折性案件“一片美国奶酪案”中，版权申请人提供了9分58秒的创作过程视频，成为说服美国版权局的关键证据。我国法院也认为，“使用者应提供创作过程的原始记录以证明其通过增加提示词、修改参数......作出了个性化选择和实质性贡献”。一般作品的保护通常不会要求作者再现其创作过程或者提交创作过程的原始记录，但在AIGC的保护中有此必要。这是判断其有无独创性、独创性贡献何在、他人对哪些具体内容的使用会构成侵权的关键证据。（2）在“接触+实质性相似”的侵权判断环节提高实质性相似的门槛。“实质性相似”是一个不确定概念，其主要判断方法包括“抽象分离（过滤）法”和“整体观感法”。在AIGC侵权判断中，可以比一般作品采取更严格的态度，提高实质性相似的认定门槛，分离或过滤掉AIGC中源于用户简单指令的通用表达或常见表达，扩大对作品创作“必要场景”的认定范围并将之剔除出比较范围，最终从整体观感相似限缩为仅就其中真正体现用户独特安排和选择的“核心表达”进行比对和判断。如果剩下的“核心表达”极少，就可能因为相似的比例过低而不会导致整部诉争作品构成实质性相似。严格过滤的目的也是允许他人借鉴AIGC的思想、风格、构图和常见元素进行再创作，从而鼓励持续创新。（3）利用合理使用认定中的灵活空间减弱对AIGC的保护。可充分利用我国著作权法第24条的解释空间，对其中的“为个人学习、研究或者欣赏”“适当引用”等条款进行扩张解释，亦可对“转换性使用”持相比一般作品更为包容的态度。基于本文的主旨是方法论研究，对AIGC弱化保护的其他方案恕不具体展开，但总体上是利用著作权保护中的自由裁量空间，相比一般作品进行弱化。
AIGC著作权的弱保护具有重要的制度意义。如果AIGC获得与纯粹的人类作品同样强度的保护，可能导致大量低成本的AIGC占据内容市场，成为主流的知识形态，这不利于整体创新形态。AIGC的弱保护对应的是传统的人类作品的较强保护，如此可为传统意义上的人类创作提供更多的动力，维护人类创作的固有价值。这种介于不保护和强保护之间的思路，在AIGC的著作权保护问题上是最为适宜的。
在弱保护理念下，用户作为权利人获得的保护与其贡献相当。未来可以根据“技术问题技术解”的思路，通过技术手段，借助系统后台的运行日志、生成路径追踪等资料衡量人类对内容生成的贡献度，将之与AIGC的保护程度相对应。最后，尚需澄清如下两点：第一，弱保护针对的是AIGC可以获得著作权保护的情形。如果用户仅提供了简单、概括性的指令，人工智能完成了绝大部分的创造性工作，用户亦未作修改或仅作了非创造性的润色，则不是弱保护而是“不保护”。弱保护的前提仍然是用户满足独创性的要求，但其独创性因为人工智能的利用而显得薄弱。第二，弱保护是一种可推翻的假定，AIGC默认适用弱保护的逻辑，但如果权利人证明其作品的独创性程度高，可以相应地获得较强的保护。
