WIPO：生成式人工智能定义规范关键的知识产权考量因素及案例研究报告（11页）.pdf

《WIPO：生成式人工智能定义规范关键的知识产权考量因素及案例研究报告（11页）.pdf》由会员分享，可在线阅读，更多相关《WIPO：生成式人工智能定义规范关键的知识产权考量因素及案例研究报告（11页）.pdf（11页珍藏版）》请在三个皮匠报告上搜索。

1、生成式人工智能知识产权和前沿技术产权组织对话会图：Getty Images/Just_Super,nathaphat,janiecbros;Pexels/Google DeepMind生成式人工智能“新技术每隔一段时间就会出现，吸引世界各地公众的想象力，占据公共头条和私下讨论，分出诋毁者和支持者，似乎将我们的世界置于十字路口。”产权组织总干事邓鸿森什么是生成式人工智能？传统人工智能系统主要用于分析数据和开展预测。而生成式人工智能则通过创建与训练数据相似的新数据扩展了这些能力。这项进步促成了各种形式的新内容生成，包括音频、代码、图像、文本、模拟和视频。生成式人工智能指在经过训练后能够动态地创建输

2、出的任何机器学习模型。重要的是，生成式人工智能的范围远远超出内容生成。生成式人工智能模型的潜在应用非常广泛，从音乐创作和视频生成到药物发现和医疗诊断中的分子建模，不一而足。随着技术持续演进，其应用有望扩展至新的领域。虽然当前的生成式人工智能模型尤其适合关联语言和生成内容，但生成式人工智能的潜力在创造和创新领域均有广泛应用。2022年11月ChatGPT的推出将生成式人工智能推向前沿，赢得了主流关注，并转变了我们的工作和创作方式。ChatGPT利用自然语言处理和深度机器学习生成书面内容。虽然它是首个此类产品，但相似的模型包括谷歌的Bard、微软的Bing Chat和Meta的Llama 2迅速跟

3、进。其他人工智能模型包括Midjourney、DALL-E和Stable Diffusion，可从文本提示词生成图像。首个大型语言模型ChatGPT利用自然语言处理和深度机器学习生成书面内容。虽然有些惊叹于生成式人工智能可以生成内容的准确性和速度，但批评者也担心生成的输出可能缺少可靠性并存在错误。基础级别的生成式人工智能模型在给到文本片段等上下文后，仅仅是预测最有可能的下一个单词。即便令人信服的输出可能出现，但当前生成式人工智能仍展现出严重的局限性，通过以统计学的方式（可能是顺序）组合单词运行，而非真正理解。定义深度学习是机器学习的分支，从人类大脑的结构和运行中汲取灵感，从数据中获得模式和表示

4、。深度学习采用神经网络模型，将互连节点或神经元排列为多层。网络通过这些层处理输入数据，并产生非线性输出。每个神经元都有多个可调整的参数，从数据中学习，而非预设程序。生成式人工智能通常称为语言模型（LM）或大型语言模型（LLM），其最新进展得益于非常适合关联语言的新模型。重要的是，LM和LLM并不局限于人类语言的处理和生成。就机器学习而言，语言可指在上下文（语法、单词之间的关系）中能够传达意思的任何符号（如单词）。在语言中，单词创建序列，而意思不仅取决于单词的选择，还取决于这些单词之间的关系。为了有效地捕捉这些关系，LLM适合处理序列，保持足够的记忆，并旨在处理大型数据集。LLM能够开展各种自然

5、语言处理任务，包括文本生成、语言翻译、文本摘要、问题解答等。图：Getty Images/Laurence Dutton规范生成式人工智能生成式人工智能既蕴含巨大机遇，也存在重大风险。就风险而言，它引发了技术限制之外的许多关切，触及可靠性、准确性和伦理等问题。公众辩论的主要焦点是伦理担忧，例如虚假信息、市场操纵、网络犯罪、威胁隐私和民主等社会风险的可能性，以及对内容创作和文化多样性的意料外后果。此外，还有关于工作被取代、语言偏差、缺乏透明度、大公司对监管的影响、经济不平等以及从各国收集的数据中营利而无相应福利的严重关切。许多人担心生成式人工智能的颠覆性潜力，有必要采取监管措施。他/她们主张国际

6、协作和对人工智能的全球治理。对快速、短期解决方案的需求正在推动政策制定者探索立法补救和替代途径。生成式人工智能引发了许多监管担忧，尤其是伦理问题。监管机构正在积极寻求快速的短期解决方案，以跟上技术飞速变革的步伐。图：Getty Images/mesh cube;Pexels/Google DeepMind图：Getty Images/Just_Super关键的知识产权考量因素概述许多人正在将生成式人工智能工具用于写作、视觉内容和编程。由于被认为具有独立创造内容的能力，生成式人工智能有潜力在经济上与人类创作者竞争并在各行各业促进人类创造力和生产力。一个体现其可能颠覆创意产业的重要实例是歌曲“He