纽约州立大学石溪分校与哥伦比亚大学法学院联合开展的一项研究引发广泛关注。该研究表明，借助少量数据进行针对性训练的人工智能模型，不仅能模仿知名作家的文风进行创作，其生成的作品在读者中的受欢迎程度甚至超越了人类专业模仿者。这一发现不仅凸显了生成式人工智能在文学模仿领域的强大能力，更可能对美国正在进行的版权诉讼及“合理使用”原则的讨论产生重大影响。
研究过程中，科研团队选用了GPT-4o、Claude3.5Sonnet和Gemini1.5Pro三大主流AI系统，同时邀请专业作家参与，以诺贝尔文学奖得主韩江、布克奖得主萨尔曼·拉什迪等50位知名作家的文风为模板进行创作。实验采用两种AI生成方式：情境提示法通过向三大AI系统提供相同的指令和示例文本生成内容；针对性微调法则仅使用支持API功能的GPT-4o，通过购买30位作者的电子书对模型进行专项训练。实验结果显示，即使是仅出版过两部作品的托尼·图拉西穆特，其作品风格的模仿效果也与村上春树等多产作家不相上下。
在评估环节，159名参与者（含28名写作专家和131名非专家）在不知晓作者身份的情况下，对作品进行风格和质量对比。结果显示，基础AI输出在专家群体中认可度较低，而经过针对性微调的AI作品则实现了颠覆性突破。专家选择AI生成文本的概率在风格维度提升了八倍，在质量维度提升了一倍，非专家群体也表现出对AI作品的明显偏好。现代AI检测工具对标准AI输出的识别率高达97%，但对微调后的作品仅能识别出3%，凸显其“以假乱真”的技术水平。
成本对比数据进一步凸显AI模仿的经济优势。研究显示，训练AI模型适应单一作家风格的平均成本约为81美元，而人类专业人士完成相同量级模仿文本的创作费用高达2.5万美元，AI方案的成本降幅达99.7%。这种悬殊的差距不仅体现在经济层面，更可能重构文学模仿市场的竞争格局。
该研究对美国司法实践具有直接参考价值。当前美国法院正在审理多起涉及AI公司使用版权材料的诉讼，读者对AI模仿作品的偏好可能构成对原创作品市场的实质性损害，这对“合理使用”原则的核心构成挑战。美国版权局此前已明确警告，即便AI未进行逐字抄袭，其大规模模仿行为仍可能挤压原创作品的生存空间。
针对这一现状，研究人员提出法律应对建议：需区分通用AI模型与专门模仿特定作者的专项模型，强调针对性模仿行为缺乏法律依据，建议立法禁止AI对个别作者作品的系统性抄袭，或要求对AI生成文本进行明确标注。这些建议旨在平衡技术创新与版权保护，为司法实践提供新的理论框架。
