By 超神经
场景描述:人工智能创作的作品是否拥有版权?这些作品版权归属于谁?而人工智能犯错后果又该由谁承担?众多问题亟待法律法规的完善。
关键词:人工智能 版权 世界知识产权日
你有没有发现,近年来,国内版权意识已经开始觉醒。
如今,各个音乐、视频平台上的很多作品,都需要付费购买会员才能收听、观看。创作者对于盗版已经「零容忍」,国家对于这方面的法律法规也在不断加强与完善。
在今天,4 月 26 日,第 19 个世界知识产权日,我们共同探讨一下人工智能与版权的问题。
由黑洞引起的版权风波
就在前不久,黑洞照片引发了一场关于版权的舆论风波。该照片刚刚发布就被视觉中国据为己有,打上版权水印。
视觉中国在黑洞照片公布当晚,将该图片收入自己版权图库
最终结果是,视觉中国道歉,而黑洞照片,因为其背后是全球数位天文学家、软件工程师、天文望远镜以及计算机的努力,属于合作作品,无法分割,因此不受著作权法保护,它的版权公认属于全人类。
黑洞照片的版权风波平息了,但是,我们由此想到,对于能够独立创作作品的人工智能,它们所创作的作品,版权该属于谁?
AI 创作的作品拥有版权吗?
自从人工智能开始在文创领域崭露头角,它们的作品版权所属就备受争议。随着相关技术的发展,人工智能独立创作能力也越来越强。
2016 年,日本研发的人工智能创作了科幻小说《电脑写小说的那一天》,不仅骗过了所有人类评审,还成功入围日本微小说文学奖。
2017 年 5 月,由微软公司的人工智能系统「小冰」创作的诗集《阳光失了玻璃窗》正式出版。
2018 年 4 月,韩国首次利用人工智能技术参与歌曲制作获得成功,自主开发能唱歌的「K-pop AI」。
之前,谷歌人工智能还能进行绘画创作,有画作甚至被拍出了 8000 美元高价。
前日,人工智能撰写的第一本书出版,书名为《锂离子电池:机器生成的前沿研究摘要》。
此类例子不胜枚举。人工智能创作已不是新鲜事。但是,对于这些作品,版权属于谁?其稿费、拍卖费等应该归谁所有?
有人认为,这些作品并不能算创作,只能说是算出来的,或者说,是模仿与拼凑出来的,因此不存在版权问题;
另一种观点则是,以自然语言理解与生成为核心技术的人工智能,其生成语言的功能使它具有了原创能力。虽然作品距离大师还有很大距离,但也是创作,人工智能应该拥有版权。
全球尚无定论
对此,各个国家都有不同法律规定与举措。
英国:早在 1988 年,英国出台的《版权、外观设计和专利法》就承认,「计算机产生」的作品是没有「人类作者」的作品,并明确授予此类作品版权保护。
欧洲:2017年2月,欧洲议会出于版权保护的目的,提倡授予自主式机器人“电子人”的法律地位。
日本:2016 年,日本通过知识产权促进计划,其中重头戏就是建立人工智能创作产品「版权」保护法律体系。日本政府称其将通过这一计划建立新的注册系统,以保护人工智能作品的版权。
中国:我国《专利法》也正在逐步放开对计算人「算法」的专利保护,但针对人工智能产品的专利申请,《专利审查指南》还在有待进一步完善和补充。
美国:依据美国宪法中的知识产权条款,制宪者并未将通过机器人创作的、受版权保护的作品写入该条款里,因为机器只是简单地根据程序指令做事,完全不需要任何物质奖励。
时至今日,此类探讨在全球范围来说,依然没有定论。
AI 受荣谁获益,闯祸谁担责?
众所周知,在深度学习、神经网络等技术训练下,人工智能变得越来越聪明,可能会做出「监护人」也意想不到的事情。
以此前 Uber 自动驾驶汽车事故为例。
2018 年 3 月,一名过马路女性被 Uber 的一辆无人驾驶 SUV 撞倒最终死亡。这是首例无人驾驶车撞人致死事故,当时掀起轩然大波。
最后,经调查,责任不在 Uber,而在于受害者本人,Uber 不承担刑事责任,而当时在车中的后备司机则需要接受进一步调查。
同年,特斯拉无人驾驶又造成一起自动驾驶系统致人死亡的车祸,最终交警认定,司机负主要责任。
这两起事故中,自动驾驶系统都没有被指定承担责任。但是,如果有一天,自动驾驶完全实现无人驾驶,发生事故的话,该由谁负责呢?这是至今无解的问题。
同样的,如果人工智能创作的作品获奖、售卖,获益者又是谁呢?
人工智能的版权问题,还有很多待完善
面对越来越多的人工智能创作内容和其他产品,版权相关问题需要明确法律法规来解决。
如果人工智能创作的内容具备了「作品」的外观,从而构成版权法(著作权法)意义上的「作品」时,版权制度就必须回应如何界定人工智能作品的产权归属。
如果不明确界定人工智能作品的权利归属,任其成为「无主作品」,将会引发大量的法律争议,冲击既有的版权制度,甚至造成「盗版」无法管制的道德危机。
自版权制度诞生以来,科学技术的每一次重大突破,都伴随着版权产业的深刻变革,版权制度也随之调整。
在知识产权保护上,我们还有很多要做的。在 AI 的知识产权问题上,同样还有很多待完善。
超神经百科
集成学习 Ensemble learning
集成学习是机器学习中的一种思想,通过多个模型的组合形成一个精度更高的模型。
集成学习本身不是一个单独的机器学习算法,而是通过构建并结合多个机器学习器来完成学习任务。
集成学习可以用于分类问题集成,回归问题集成,特征选取集成,异常点检测集成等等,可以说所有的机器学习领域都可以看到集成学习的身影。
集成学习有两个主要的问题需要解决,第一是如何得到若干个个体学习器,第二是如何选择一种结合策略,将这些个体学习器集合成一个强学习器。