Who Owns AI Art? The Copyright Crisis That Has No Good Answers

In 2022, the US Copyright Office rejected a copyright application for "A Recent Entrance to Paradise," an image autonomously generated by the AI system DABUS. In August 2023, a federal judge upheld this rejection in Thaler v. Perlmutter, ruling that copyright requires human authorship. In February 2023, the Copyright Office issued a limited registration for "Zarya of the Dawn," a graphic novel that combined human-written text with AI-generated images—granting copyright to the text and arrangement but not to the individual AI-generated images. Each decision was consistent with existing law; together, they exposed a conceptual vacuum at the center of intellectual property doctrine.

The core problem is that copyright law was built on an assumption that seemed self-evident for centuries: creative works are produced by humans. Generative AI disrupts this assumption without providing a clean alternative. The four papers reviewed here represent different attempts to navigate the resulting confusion.

The Research Landscape: Searching for Authorship Thresholds

Ramos-Zaga (2025), with 1 citation, provides the most analytically rigorous contribution. His normative framework begins by identifying the anthropocentric premise that copyright law takes for granted—"human intervention as a precondition for protection"—and asks what minimum level of human involvement should be required for copyright protection of AI-assisted works.

The framework distinguishes three levels of human involvement:

Specification (lowest): The human provides a text prompt; the AI generates the work. Ramos-Zaga argues this is analogous to commissioning an artist with a brief—the commissioner does not become the author of the resulting work. Under this analysis, a simple prompt should not confer authorship.

Direction (intermediate): The human makes iterative creative choices—selecting outputs, modifying prompts, combining elements, curating from alternatives. This involves genuine creative judgment, even though the human does not produce the visual or textual content directly. Ramos-Zaga argues this level could meet the threshold, depending on the degree of selection and arrangement.

Collaboration (highest): The human and AI engage in a sustained creative process where the human makes substantive creative contributions beyond selection—composing parts of the work, significantly modifying AI outputs, integrating AI and human elements into a coherent whole. This level, Ramos-Zaga argues, clearly meets the authorship threshold.

The framework is helpful for its analytical clarity, but it faces practical challenges. How do you distinguish "direction" from "specification" in practice? A sophisticated prompt engineer may exercise considerable creative judgment in crafting prompts, yet the output may look identical to what a naive prompt would produce. The framework requires a way to assess the process of creation, not just the product—and copyright law has traditionally focused on the product.

The Legislative Gap

Zain and Kareem (2025) survey the legislative landscape across jurisdictions and find pervasive gaps. The EU, US, China, and UK take different approaches:

• US: No copyright for works without human authorship. AI-generated elements are unprotectable; human elements may be protected.
• EU: Similar to US, but complicated by the sui generis database right that could protect AI-generated compilations.
• China: Some courts have granted copyright to AI-generated works under a "work made for hire" analogy—treating the AI user as the "employer" and the AI as the "employee."
• UK: The Copyright, Designs and Patents Act already provides for "computer-generated works" (section 9(3)), granting authorship to the person who makes the "arrangements necessary for the creation of the work." But what counts as "arrangements necessary" is undefined.

The fragmentation matters because AI-generated content crosses borders effortlessly. An image generated by an American user using a European AI service, distributed on a Chinese platform, faces three different legal regimes. The authors argue for international harmonization, but the historical record of copyright harmonization (decades-long negotiations over relatively minor provisions) suggests this will not happen quickly.

Computational Creativity: Can Machines Be Authors?

Paksi (2025) approaches the question from the other direction: rather than asking what human contribution copyright requires, he asks whether AI systems can exhibit creativity—the capacity that authorship is meant to protect.

His review of the computational creativity literature identifies three criteria commonly used to evaluate machine creativity:

• Novelty: The output is new—not a direct copy of training data.
• Value: The output is evaluated positively by some audience.
• Process: The generation process involves something more than random combination—some form of evaluation, selection, or goal-directed behavior.

Current generative AI systems satisfy the first criterion routinely and partially satisfy the second (many AI outputs are aesthetically compelling). The third criterion is where the debate concentrates. A diffusion model does not have goals; it minimizes a loss function. Whether loss minimization constitutes a form of goal-directed behavior is a philosophical question, not an empirical one.

The Convergence Problem

Hintze and Schossau (2025) contribute an empirical finding that complicates the creative-AI narrative. They constructed autonomous AI-to-AI creative systems—feedback loops where an image generator (Stable Diffusion XL) produces images, a vision-language model (LLaVA) describes them, and the descriptions are fed back as prompts for new images.

The finding: these autonomous loops systematically converge toward generic visual motifs. Left to iterate without human intervention, the systems produce increasingly homogeneous outputs—losing the diversity and specificity that characterizes creative work. The convergence is consistent across different initializations and model combinations.

This is a significant empirical constraint on claims about autonomous AI creativity. While a single AI-generated image can be novel and aesthetically interesting, the autonomous creative process—generation without human direction—tends toward mediocrity. The implication for the authorship debate is that the human contribution in human-AI creative collaboration may be precisely the element that prevents this convergence: human taste, selectivity, and direction maintain the diversity and intentionality that distinguish creative work from statistical output.

Critical Analysis: Claims and Evidence

<

Claim	Evidence	Verdict
A normative threshold for human authorship in AI-assisted works can be defined	Ramos-Zaga's three-level framework	⚠️ Uncertain — analytically clear but practically difficult to apply
International copyright law is inadequately prepared for generative AI	Zain et al.'s multi-jurisdictional survey	✅ Supported — significant gaps and fragmentation
Current AI systems do not exhibit genuine creativity	Paksi's analysis against creativity criteria	⚠️ Uncertain — depends on how "goal-directed behavior" is defined
Autonomous AI creative processes converge to generic outputs	Hintze et al.'s autonomous loop experiments	✅ Supported — consistent convergence across conditions

Open Questions and Future Directions

The training data question: Even if AI outputs are not direct copies, they are derived from copyrighted training data. Does this constitute infringement? Several ongoing lawsuits (Getty v. Stability AI, NYT v. OpenAI) will shape the answer.

Moral rights: Copyright includes not just economic rights but moral rights (attribution, integrity). Can an AI have moral rights? Should the human prompter? The training data creators?

Proof of process: If authorship depends on the creative process (as Ramos-Zaga argues), how is the process documented and verified? AI art tools do not currently log the iterative creative decisions that distinguish "direction" from "specification."

Open-source implications: Many AI art tools are open-source. If the tool is freely available and the training data is publicly sourced, is the resulting artwork in the public domain?

Economic realities: Regardless of legal answers, AI-generated content is flooding creative markets. What economic protections should human artists receive, and through what mechanisms?

What This Means for Your Research

For legal scholars, Ramos-Zaga's framework offers a starting point for jurisdiction-specific analysis. The "specification-direction-collaboration" taxonomy maps onto existing copyright concepts in ways that could inform legislative reform.

For artists working with AI, documenting your creative process is increasingly important—both for potential copyright claims and for artistic credibility.

For AI researchers, Hintze et al.'s convergence finding is a reminder that autonomy is not creativity. The aesthetic value of AI-generated art appears to depend on human direction more than the technology's proponents sometimes acknowledge.

Explore related work through ORAA ResearchBrain.

2022년 미국 저작권청은 AI 시스템 DABUS가 자율적으로 생성한 이미지 "A Recent Entrance to Paradise"에 대한 저작권 등록 신청을 거절하였다. 2023년 8월, 연방 판사는 Thaler v. Perlmutter 사건에서 저작권은 인간의 저작성을 요건으로 한다고 판시하며 이 거절 결정을 지지하였다. 2023년 2월, 저작권청은 인간이 쓴 텍스트와 AI가 생성한 이미지를 결합한 그래픽 노블 "Zarya of the Dawn"에 대해 제한적인 등록을 허가하였는데, 텍스트와 편집 구성에는 저작권을 인정하되 개별 AI 생성 이미지에는 인정하지 않았다. 각각의 결정은 현행법과 일관성을 유지하였지만, 이들을 종합하면 지식재산권 법리의 핵심에 개념적 공백이 존재함을 드러낸다.

핵심 문제는 저작권법이 수 세기 동안 자명하게 여겨졌던 전제, 즉 창작물은 인간이 만든다는 가정 위에 구축되었다는 점이다. 생성형 AI는 명확한 대안을 제시하지 않은 채 이 전제를 뒤흔들고 있다. 이하에서 검토하는 네 편의 논문은 이러한 혼란을 헤쳐나가기 위한 서로 다른 시도를 대표한다.

연구 현황: 저작성 기준의 탐색

Ramos-Zaga (2025)는 피인용 횟수 1회로, 가장 분석적으로 엄밀한 기여를 제시한다. 그의 규범적 프레임워크는 저작권법이 당연시하는 인간중심적 전제, 즉 "보호의 전제 조건으로서의 인간 개입"을 식별하는 데서 출발하여, AI 보조 저작물의 저작권 보호를 위해 최소한 어느 수준의 인간 개입이 요구되어야 하는지를 묻는다.

이 프레임워크는 인간 개입의 세 단계를 구분한다:

명세(Specification) (최저 수준): 인간이 텍스트 프롬프트를 제공하고, AI가 저작물을 생성한다. Ramos-Zaga는 이를 간략한 지시와 함께 작가에게 작품을 의뢰하는 것과 유사하다고 본다. 의뢰인은 결과물의 저작자가 되지 않는다. 이 분석에 따르면 단순한 프롬프트는 저작성을 부여하지 않는다.

지시(Direction) (중간 수준): 인간이 반복적인 창작적 선택을 한다. 출력물을 선택하고, 프롬프트를 수정하고, 요소들을 결합하고, 대안들 중에서 추려내는 과정이 이에 해당한다. 인간이 시각적 혹은 텍스트 콘텐츠를 직접 생산하지는 않더라도, 진정한 창작적 판단이 개입된다. Ramos-Zaga는 선택과 편집의 정도에 따라 이 수준이 저작성 기준을 충족할 수 있다고 주장한다.

협업(Collaboration) (최고 수준): 인간과 AI가 지속적인 창작 과정에 참여하며, 인간이 단순한 선택을 넘어 실질적인 창작적 기여를 한다. 저작물의 일부를 구성하거나, AI 출력물을 상당히 수정하거나, AI와 인간의 요소를 통합하여 하나의 일관된 전체를 만드는 것이 이에 해당한다. Ramos-Zaga는 이 수준이 저작성 기준을 명확히 충족한다고 주장한다.

이 프레임워크는 분석적 명확성에서 유용하지만 실천적 과제에 직면한다. 실제로 "지시"와 "명세"를 어떻게 구별할 것인가? 숙련된 프롬프트 엔지니어는 프롬프트를 작성하는 데 상당한 창작적 판단을 발휘할 수 있지만, 그 출력물은 단순한 프롬프트로 생성된 것과 동일하게 보일 수 있다. 이 프레임워크는 결과물이 아닌 창작 과정을 평가하는 방법을 필요로 하는데, 저작권법은 전통적으로 결과물에 초점을 맞춰왔다.

입법 공백

Zain과 Kareem (2025)은 관할권 간 입법 현황을 조사하고 광범위한 공백을 발견한다. EU, 미국, 중국, 영국은 각기 다른 접근 방식을 취한다:

• 미국: 인간 저작성이 없는 저작물에는 저작권이 인정되지 않는다. AI 생성 요소는 보호받을 수 없으며, 인간이 기여한 요소는 보호받을 수 있다.
• EU: 미국과 유사하나, AI가 생성한 편집물을 보호할 수 있는 독자적인 데이터베이스 권리(sui generis database right)가 복잡성을 더한다.
• 중국: 일부 법원은 "업무상 저작물" 유추 방식을 적용하여 AI 생성 저작물에 저작권을 인정하였다. AI 사용자를 "사용자(employer)", AI를 "피용자(employee)"로 취급하는 방식이다.
• 영국: 저작권·의장·특허법 9(3)조는 이미 "컴퓨터 생성 저작물"에 대한 규정을 두고 있으며, "저작물 창작에 필요한 준비를 한" 사람에게 저작성을 부여한다. 그러나 "필요한 준비"가 무엇인지는 정의되어 있지 않다.

이러한 법제 분열은 AI 생성 콘텐츠가 국경을 손쉽게 넘나들기 때문에 중요하다. 유럽 AI 서비스를 사용하는 미국 사용자가 생성하여 중국 플랫폼에 배포한 이미지는 세 가지 서로 다른 법 체계의 적용을 받는다. 저자들은 국제적 조화를 촉구하지만, 저작권 조화의 역사적 전례(비교적 사소한 조항을 둘러싼 수십 년간의 협상)를 고려할 때 이는 단기간에 실현되기 어려울 것이다.

컴퓨터 창의성: 기계가 저작자가 될 수 있는가?

Paksi (2025)는 반대 방향에서 문제에 접근한다. 저작권이 요구하는 인간의 기여가 무엇인지를 묻는 대신, AI 시스템이 저작성 개념이 보호하고자 하는 역량인 창의성을 발휘할 수 있는지를 묻는다.

그의 컴퓨터 창의성 문헌 검토는 기계의 창의성을 평가하는 데 일반적으로 사용되는 세 가지 기준을 도출한다:

• 참신성(Novelty): 출력물이 새롭다. 즉, 학습 데이터의 직접적인 복사본이 아니다.
• 가치(Value): 출력물이 특정 수용자에게 긍정적으로 평가된다.
• 과정(Process): 생성 과정에 무작위 조합 이상의 요소, 즉 일종의 평가, 선택, 목표 지향적 행동이 포함된다.

현재의 생성형 AI 시스템은 첫 번째 기준을 일상적으로 충족하며, 두 번째 기준은 부분적으로 충족한다(많은 AI 출력물은 심미적으로 매력적이다). 논쟁은 세 번째 기준에 집중된다. 확산 모델(diffusion model)은 목표를 갖지 않는다. 손실 함수를 최소화할 뿐이다. 손실 최소화가 목표 지향적 행동의 한 형태를 구성하는지의 여부는 경험적 문제가 아닌 철학적 문제이다.

수렴 문제

Hintze와 Schossau (2025)는 창의적 AI 담론을 복잡하게 만드는 경험적 발견을 제시한다. 이들은 자율 AI-대-AI 창작 시스템, 즉 이미지 생성 모델(Stable Diffusion XL)이 이미지를 생성하면 시각-언어 모델(LLaVA)이 이를 설명하고, 그 설명이 새로운 이미지 생성을 위한 프롬프트로 피드백되는 루프를 구성하였다.

연구 결과: 이러한 자율 루프는 일반적인 시각적 모티프를 향해 체계적으로 수렴하였다. 인간의 개입 없이 반복될수록, 시스템은 점점 더 동질적인 출력물을 생성하였으며, 창작물의 특성인 다양성과 구체성을 잃어갔다. 이 수렴 현상은 서로 다른 초기 설정과 모델 조합에서 일관되게 나타났다.

이는 자율 AI 창의성에 관한 주장에 중요한 경험적 제약을 가한다. 단일 AI 생성 이미지는 참신하고 심미적으로 흥미로울 수 있지만, 인간의 지시 없이 이루어지는 자율적 창작 과정은 평범함을 향해 수렴하는 경향이 있다. 저작성 논쟁에 대한 함의는, 인간-AI 창작 협업에서 인간의 기여가 정확히 이 수렴을 방지하는 요소일 수 있다는 것이다. 인간의 취향, 선택성, 지시가 창작물을 통계적 출력과 구별하는 다양성과 의도성을 유지시킨다.

비판적 분석: 주장과 근거

<

주장	근거	판단
AI 보조 저작물에서 인간 저작성의 규범적 기준을 정의할 수 있다	Ramos-Zaga의 3단계 프레임워크	⚠️ 불확실 — 분석적으로는 명확하나 실제 적용이 어려움
국제 저작권법은 생성형 AI에 충분히 대비되어 있지 않다	Zain 외의 다관할권 조사	✅ 지지됨 — 상당한 공백과 법제 분열 존재
현재 AI 시스템은 진정한 창의성을 발휘하지 못한다	Paksi의 창의성 기준 분석	⚠️ 불확실 — "목표 지향적 행동"의 정의에 따라 달라짐
자율 AI 창작 과정은 일반적인 출력물로 수렴한다	Hintze 외의 자율 루프 실험	✅ 지지됨 — 조건에 관계없이 일관된 수렴 확인

미해결 문제와 향후 방향

학습 데이터 문제: AI 출력물이 직접적인 복사본이 아니더라도, 그것은 저작권이 있는 학습 데이터에서 파생된다. 이것이 침해에 해당하는가? 현재 진행 중인 여러 소송(Getty v. Stability AI, NYT v. OpenAI)이 그 답을 결정할 것이다.

저작인격권: 저작권은 경제적 권리뿐만 아니라 저작인격권(성명 표시권, 동일성 유지권)도 포함한다. AI가 저작인격권을 가질 수 있는가? 인간 프롬프트 작성자는 가질 수 있는가? 학습 데이터 창작자는?

과정의 증명: 저작성이 창작 과정에 달려 있다면(Ramos-Zaga의 주장처럼), 그 과정은 어떻게 기록되고 검증되는가? 현재 AI 아트 도구들은 "명세"와 "지시"를 구별하는 반복적 창작 결정을 기록하지 않는다.

오픈소스 함의: 많은 AI 아트 도구는 오픈소스이다. 도구가 자유롭게 이용 가능하고 학습 데이터가 공공 소스에서 제공된다면, 그 결과물은 퍼블릭 도메인에 해당하는가?

경제적 현실: 법적 해답과 무관하게, AI 생성 콘텐츠가 창작 시장에 넘쳐나고 있다. 인간 예술가들은 어떤 경제적 보호를 받아야 하며, 어떤 메커니즘을 통해 실현되어야 하는가?

연구자에 대한 시사점

법학자에게 있어 Ramos-Zaga의 프레임워크는 관할권별 분석의 출발점을 제공한다. "명세-지시-협업" 분류 체계는 입법 개혁에 참고할 수 있는 방식으로 기존 저작권 개념에 대응된다.

AI와 함께 창작하는 예술가에게는 창작 과정을 문서화하는 것이 점점 더 중요해지고 있다. 잠재적인 저작권 주장을 위해서도, 예술적 신뢰성을 위해서도 마찬가지이다.

AI 연구자에게 있어 Hintze 외의 수렴 발견은 자율성이 창의성이 아님을 상기시킨다. AI 생성 아트의 심미적 가치는 기술 지지자들이 인정하는 것보다 인간의 지시에 더 많이 의존하는 것으로 보인다.

관련 연구는 ORAA ResearchBrain을 통해 탐색할 수 있다.