人工智能生成内容版权性探析

人工智能生成内容是否构成作品,应在不考虑创作主体的前提下进行。而人工智能的创作过程,主要依靠输入一定的源素材或指令,通过事前设定的算法而成。不考虑人格性与思想性的情况下,算法与素材混合产生的生成内容满足最低的独创性的要求,构成作品。同时,作品的权利归属可类推适用法人作品的归属,赋予该人工智能的使用者。     

外国对信息网络版权的保护

中国网络著作权司法保护由于立法滞后，实践时间尚短，故一般案例均停留在是与非的判决上。要么侵权要么不侵权。较少对诸多复杂问题作深入探讨。而国际上，自1996年《版权条约》、《表演与录音制品条约》之后，许多国家和地区都修改了版权法或制订了网络传播法律，在司法实践方面，也提供了某些可供借鉴的判例。     

基于人工智能技术的图书馆音乐资源保护研究

随着互联网的快速发展,音乐资源的传播和分享变得更加便捷,但也给音乐资源版权的保护带来了挑战。目前,传统保护方法已经无法满足当前图书馆音乐资源的有效保护需求。为利用人工智能技术提高图书馆音乐资源的保护效果,分析目前的音乐资源保护技术,结合人工智能技术的特点,提出了一种基于人工智能技术的图书馆音乐资源版权保护管理系统的设计思路。该设计思路利用人工智能技术对音频数据进行收集、预处理、特征提取分析、模型训练,并结合版权管理的方法,从而实现对音乐资源的快速识别、鉴定和版权保护。     

人工智能治理理论及系统的现状与趋势

人工智能(Artificial Intelligence,AI)治理是解决AI挑战的主要手段.AI治理的主要目的是充分发挥人工智能带来的优势和有效降低人工智能导致的风险,并通过整合技术、法律、政策、标准、伦理、道德、安全、经济、社会等多个方面的影响因素,最终建设负责任的人工智能(Responsible Artifici...     

CAMOS:人工智能结构解析 Ⅰ.结构树的生成及变换

本文介绍了人工智能结构解析程序 CAMOS,该程序用于含 C,H,O 元素的有机化合物非环结构的阐明。应用图论,程序给出一种结构发生的新算法。这种算法不仅需要存贮空间小,而且结构解析速度快。从未知物的分子式出发,程序可穷举生成所有符合分子式的非环结构。CAMOS 采用模块结构,可在小型或微型机上运行。     

一种用于版权通知和保护的遥感图像水印算法

本文提出了一种用于版权通知和保护的遥感图像数字水印算法。算法以灰度图像作为可见水印及不可见水印,首先在空域中对遥感图像进行可见水印的嵌入,以实现版权通知功能;然后对图像进行小波变换,在小波域中嵌入不可见水印,以实现版权保护功能。水印提取采用与嵌入相同的逆过程,得到置乱的水印图像,采用一种新的Arnold反变换方法对水印进行反置乱,最终得到嵌入的水印图像。实验表明,嵌入的可见水印很难去除,不可见水印对图像的质量影响很小,并对常规处理具有较好的鲁棒性。     

人工智能发展对个人信息安全保护的影响及研究

伴随人工智能的发展,在很多人力不想做或做不到的领域,由人工智能代替人类为各行各业带来了发展的新变革以及持续的经济效益,同时也改变着我们的生活和工作方式。但人工智能快速发展的背后离不开各类数据的采集,这其中就包含了海量的个人信息数据。因此在人工智能技术不断进化发展的同时,个人信息安全保护的问题也在不断变化,并愈加成为人工智能发展中一个十分重要的话题。本文简述了人工智能发展的各阶段特点,分析了人工智能在持续发展中对个人信息保护带来的影响,探讨了相对应的个人信息安全对策建议。     

一种融合程序员和神经网络的自动化程序生成方法

程序生成是人工智能的核心研究问题之一, 当前输入-输出样例驱动的神经网络模型是非常流行的研究方法.面临的主要挑战是泛化能力差、生成程序准确率保证、难以处理复杂程序结构(如分支、循环、递归等), 主要原因是模型的输入信息单一(输入-输出对)和完全依赖神经网络.显然单一地通过输入输出样例倒推程序行为存在歧义性, 而神经网络的记忆容量很难满足常规程序的变量存储需求.提出一种人工与神经网络生成相协作的编程模型, 融合神经网络和程序员各自的优势, 其中程序员用高级编程语法编写程序框架, 神经网络自动学习生成程序局部的琐碎细节, 从而促进自动化程序生成方法更好地应对实际应用挑战.实验表明, 研究方法是有效的, 跟同类代表性研究方法相比表现出更好的学习性能.     

人工智能可解释性的研究现况及在医学领域的应用效果评测

人工智能可解释性指人们理解和解释机器学习模型决策过程的能力。该领域的研究旨在提高机器学习算法的透明度,使其决策更加可信和可解释。可解释性在人工智能系统中至关重要,尤其是在医疗、金融和法律等敏感和关键的决策领域。提供可解释性有助于人们更好地理解模型决策背后的逻辑推理,从而确保其决策过程的公正性和稳健性,并符合伦理标准。在不断发展的人工智能领域,提高模型可解释性是实现可信、可持续发展人工智能的关键一步。该文概述了人工智能可解释的发展历史和各种可解释方法的技术特点,在医疗领域的可解释性方面进行了更深入的探讨。此外,该文还对当前各种人工智能可解释方法在医学影像数据集上的局限性进行了分析,并提出了未来可能的探索方向。     

基于空间及能量维度的黑盒对抗样本生成方法

神经网络在图像识别领域发挥着重要作用,但其会被对抗样本干扰,出现识别错误的情况.经典的对抗样本生成方法在约束变量和衡量指标上有局限性,因此,文章提出一种以余弦相似度为约束的基于空间及能量维度的对抗样本生成方法.该方法在空间维度对原始样本进行平移和旋转,并在能量维度叠加一定强度的高斯噪声,进而生成对抗样本.空间维度的旋转...     

嵌入式人工智能与机器人教学及比赛的探索

人工智能如何在资源受限的嵌入式微控制器中实施是一个亟待解决的问题.本文分析了嵌入式人工智能在工科专业教学中的现状和困窘,介绍了基于Kociemba算法和人工智能神经网络增强的魔方复原机器人教学实践,以及在近年开展的人工智能与智能机器人研究性比赛和教学中的应用,提出几点人工智能在工科能力培养与竞赛中的建议.     

生成树的问题分析及网络设计

通过讨论网络中的生成树协议（STP）可能失败的一些共同原因,分析发生问题的根源所在。然后在此基础上,论证并确定了在现实的网络中为了使生成树引发的问题减到最小、进而使问题得到很快解决的相关设计准则。     

人工智能背景下高校毕业生的就业分析及对策

人工智能技术逐渐进入到商业应用阶段,在多个行业领域都取得广泛的应用,影响了传统的就业结构。为了应对就业方面的变化,本文从工业、商业、服务业等领域分析了高校毕业生面对的现状和问题,并提出了相应的对策,以期实现就业的转型与优化,实现高质量的就业目标。     

行为原语自动生成的电子商务协议可组合设计策略及应用研究

针对电子商务协议设计复杂度较高且手动组合设计效率较低的问题,构建了行为原语自动生成的可组合设计策略:利用自动生成工具从挑战/应答、现时值/秘密创建、加密/解密的角度描述电子商务活动各阶段的核心安全行为,根据身份认证、信息保密、信息完整、不可否认性、可追究性、客户隐私的可组合性设计规则规范消息项结构,通过多事件顺序、安全属性组合以及信息精简等规则将多个原语组合为复合协议。经过应用研究,设计出一个新的安全支付协议,实现了多个客户和商家对同时交易的电子商品和实物商品的在线支付安全。从安全性和设计效率的角度与现有的组合设计方法进行比较,分析表明,该策略是一种更加便捷安全的电子商务协议组合设计新策略。     

基于人工智能的智慧医疗对专利保护政策的挑战及应对

随着人工智能技术的发展,其在应用的深度和广度两个方向均拓展迅猛,已经悄然影响我们的生活的方方面面。当技术深入到生产生活的实践中后,如何获得市场的合法垄断、对创新技术的保护成为迫切的需要。本文梳理了关于疾病的诊断和治疗方法的国内外专利保护政策,进一步阐述了其对专利法第25条提出的挑战,从疾病的诊断和治疗方法的本质特点和促进技术进步的需要,探讨对于基于人工智能的疾病的诊断和治疗方法应该通过专利法加强保护,尝试提出了结合实际技术发展现状和经济利益,采取限定到"由计算机来实施"从而有限地允许基于人工智能的疾病诊断和治疗方法突破专利法保护客体的限制的方式,从而适应基于人工智能的疾病诊断和治疗方法的发展,鼓励人工智能在智慧医疗领域中的创新。     

以人工智能及编程能力为核心的计算机专业新工科教学改革探索

当前随着信息时代的到来,大数据技术和人工智能技术快速发展,各种新兴行业及企业不断涌现,对人才的需求量大幅增长.而在高校计算机专业教学中,急需针对现阶段的社会需求培养高素质人才,基于此高校逐渐开展以人工智能及编程能力为核心的计算机专业新工科教学改革.因此本文主要论述教学改革的重要性,研究教学改革的内容和目标,并提出计算机...     

成果导向理念下的电子信息类专业电路分析实验课程体系探索

工程教育理念的关键是成果导向教育(Outcome based education,简称OBE)、以学生为中心和持续改进.课程组在工程教育理念的指导下,针对高等教育系统改革环境下宽口径、大类招生的特点,紧跟电子信息类专业培养方案构建了符合专业特点的电路分析实验课程体系:基本电路理论知识点采用虚实结合的方式对比理解;设计综...     

从AlphaGo到BetaGo——基于任务可完成性分析的定性人工智能的定量实现

AlphaGo程序利用深度学习算法和蒙特卡洛树搜索算法在围棋领域取得了突破性进展,用定量分析技术实现了围棋这一传统定性式的任务.此次突破,实现了对定性人工智能的定量研究,这对人工智能体的研究具有重要借鉴意义.对于人工智能体而言,执行任务前需要考虑任务的可完成性,对下棋任务而言,任务目标是取得胜利,因此,本文先从任务可完成性角度出发,分别从特征完备性、表征空间构建及基于表征空间的搜索角度分析AlphaGo程序.其次,人工智能体在任务完成过程中,不可避免地受到各种扰动的影响,对AlphaGo而言,本质是对人下棋过程的建模,因此,本文从抗干扰的角度出发,分析了AlphaGo的缺陷.再者,人工智能的研究是人类用科学技术的方式模拟大脑活动的过程.AlphaGo所体现出的围棋思想与人类棋手的围棋美学之间的差异,也是定量分析与定性描述之间的差异.因此,本文从美感评价角度对AlphaGo进行了分析和展望.通过上述三个角度,本文诠释了AlphaGo程序所包含的原理以及对定量化分析定性人工智能体研究的借鉴意义.本文认为,AlphaGo虽然取得了里程碑式的进展,但在定性描述(如:美学,艺术)以及系统未知扰动方面仍存在大量问题值得研究.人工智能的跨越式发展,即从Alpha级别提升至Beta级别,应该包含对事物定性分析的能力.最后,希望人工智能算法的研究工作者通过本文能更关注于挖掘定性描述与定量分析之间的关联,并进一步将人工智能算法提升至BetaGo乃至更高.