XiaoMi-AI文件搜索系统
World File Search System创作
中国人工智能作品著作权认定及可能的制度改进
判定人工智能作品是否具有独创性，仍是一个难题。《伯尔尼公约》和世界知识产权组织《版权条约》（WCT）均未设定明确的独创性标准，我国现行《著作权法》及其实施条例亦未对独创性作出明确规定。在中国学术界，对这一问题存在不同态度。例如，吴汉东教授认为，无论其用途、价值和社会评价如何，只要是由机器独立完成的，就应当受到版权保护（吴汉东，2017）。而王倩教授则认为，“人工智能作品是应用算法规则和高度同质化的模板的结果，没有留下任何创造的空间，也不体现创作者的个人特色，不能满足作品独创性的要求。” （王，2017）本文的观点是，人工智能生成的作品具有一定的独创性，应当受到著作权法的保护。其理由与吴汉东教授的观点部分相似。有人对机器人能否独立完成作品提出质疑。虽然人工智能可以自主运行程序，但这些程序是由人类设计的，在生产过程中需要人类的输入，因此很难将人工智能的创作过程与人类区分开来。然而，独立创作的重点可以放在人工智能创作过程之外的东西上。重点可以放在人工智能生成产品的内容是否与现有作品有显著不同，使读者能够感知到新内容的创造。这与吴教授的观点一致，“作品必须是原创的，即作品是作者自己的创作，而不是完全或实质性地抄袭其他作品。”除了独立创作之外，人工智能生成的作品还需要满足最低限度的独创性要求，才能构成受著作权法保护的作品。这一观点主要源于美国著名的费斯特案所确立的原创性标准，原创性不仅意味着作品由作者独立创作，还要求至少具备一定的最低限度的原创性，只要具有较小的原创性即可满足（Guadamuz，2017）。
人工智能可以创造艺术吗？
但是，如果人们将（某些类型的）机器人创作的作品视为艺术，那么就会出现第二个有趣的问题：我们愿意将机器人视为艺术家吗？如果愿意，那么在什么条件下愿意？按照 d'Inverno 和 McCormack [ 27 ] 的说法，人们可以区分“英雄人工智能”和“协作人工智能”。前者指独立创造的自主代理，后者指作为包括人类在内的群体代理一部分的人工智能。当然，也有一些非自主机器被设计成艺术创作过程中的单纯工具。在机器人伦理文献中，有人提议将集体能动性归因于人机合作 [ 67 ]，这一提议也可以扩展到审美能动性。然而，其他人则将非人类创作的艺术作品的作者完全归因于创作机器的人类作者 [ 80 ]。就像在道德背景下，我们不确定谁应该对机器人行为负责[79,13,58]，在美学上，我们可能不确定谁应该对机器人的艺术创作负责。
机器作为作者
摘要：人工智能 (AI) 机器使用深度学习神经网络来创作表面上看起来应该受版权保护的材料，这种做法正在呈指数级增长。从国家新闻媒体的文章到音乐、电影、诗歌和绘画，人工智能机器创作的材料具有经济价值，可以与人类作家的作品相媲美。本文回顾了支持和反对版权保护人工智能机器创作的文学和艺术作品的规范和理论论点。本文发现，支持保护的论点是有缺陷的，难以令人信服，对版权法的历史、目的和主要原则的正确分析都得出这样的结论：不是人类创造性选择的作品属于公共领域。本文提出了一项测试，以确定哪些作品应该受到保护，包括人机合作的情况。最后，本文将提出的测试应用于三个具体的事实模式，以说明其应用。
机器教学交互设计助力人工智能导师培养
摘要 事实证明，智能辅导系统 (ITS) 无论是单独使用还是与传统教学相结合，都能够提高学生的学习成果。然而，构建 ITS 是一个耗时的过程，需要现有工具的专业知识。现有的创作方法，包括认知导师创作工具 (CTAT) 的示例追踪方法和 SimStudent 的辅导创作，都使用演示编程，使创作者能够比使用模型追踪进行手动编程更快地构建 ITS。然而，这些方法仍然存在创作时间长或难以创建完整模型的问题。在本研究中，我们证明使用学徒学习者 (AL) 框架构建的模拟学习者可以与一种强调模型透明度、输入灵活性和问题解决控制的新颖交互设计相结合，使创作者能够比现有创作方法在更短的时间内实现更高的模型完整性。
经过训练的人工智能模型的特殊权利 A 论文
关于机器创作的作品是否受版权保护，美国专利商标局和世界各地的其他知识产权局都提供了指导方针，即只有人类创作的作品才能受到版权保护。8 根据美国版权局实践汇编“版权法只保护人类创作的原创作品。通过纯机械过程或自动选择和安排制作的作品不符合版权保护条件。美国版权局将拒绝对通过机器操作或过程创建的作品进行注册，即使该设计是随机生成的。” 9 在最近的联邦版权案件（称为猴子自拍纠纷）中，第九巡回上诉法院裁定动物没有版权。10 此外，由于版权保护的是思想的表达，而不是思想本身，因此，用于训练人工智能模型的人工智能模型的底层软件代码和训练数据集，可能会受到版权法的文学表达保护。11 然而，版权保护不太可能适用于人工智能模型的功能
![Elgammal, Ahmed；Mazzone, Marian。2020 年。《Playform 中的艺术家、人工智能和基于机器的创造力》。收录于：Andrés Burbano；Ruth West（协调）《人工智能、艺术与设计：质疑学习机器》。Artnodes，第 26 期：1-8。UOC。[访问时间：dd/mm/yy]。http://doi. org/10.7238/a.v0i26.3366](/simg/9\91e1704c128d45cf2219a051bad22e3339c53a54.png)
Elgammal, Ahmed；Mazzone, Marian。2020 年。《Playform 中的艺术家、人工智能和基于机器的创造力》。收录于：Andrés Burbano；Ruth West（协调）《人工智能、艺术与设计：质疑学习机器》。Artnodes，第 26 期：1-8。UOC。[访问时间：dd/mm/yy]。http://doi. org/10.7238/a.v0i26.3366
随着人工智能逐渐融入我们日常生活的各个方面，从手机到汽车驾驶，艺术家开始尝试人工智能也是理所当然。然而，这并不是一个全新的趋势。自 50 多年前人工智能诞生以来，艺术家们一直在编写计算机程序来创作艺术作品，在某些情况下还融入了智能元素。这类作品最著名的早期例子是哈罗德·科恩和他的艺术创作程序 AARON，该程序创作的画作遵循科恩硬编码的一套规则。但人工智能在过去几十年中不断发展，融入了机器学习技术。结果之一就是出现了一股以不同方式使用人工智能创作艺术的新浪潮。与传统的算法艺术不同，在算法艺术中，艺术家必须事先编写详细的代码来指定所需美学的规则，而现在，艺术家可以通过机器学习查看许多图像来“学习”美学。然后，算法才会生成遵循其所学美学的新图像。这一类中使用最广泛的工具是生成对抗网络 (GAN)，由 Goodfellow 于 2014 年推出 (Goodfellow 2014)，已在 AI 社区的许多应用中取得成功。GAN 的发展引发了这一新的 AI 艺术浪潮。图 1 描绘了使用类似 GAN 的算法制作艺术品所涉及的创作过程。艺术家选择一组图像来输入算法 (预处理)。然后，这些图像被输入到试图模仿这些输入的生成 AI 算法中。在最后一步，艺术家筛选许多输出图像以整理最终的集合 (后期处理)。在 Artrendex，我们开发了 Playform (www.Playform.io) 作为 AI 艺术工作室，让艺术家在创作过程中使用生成 AI 系统。我们的目标是让艺术家能够使用这项技术，解决一些问题并减少艺术家面临的挑战
PAI 对合成媒体的负责任做法
合成媒体的创造者既可以是大型制作者（如 B2B 内容制作者），也可以是小型制作者（如业余爱好者、艺术家、有影响力的人以及包括活动家和讽刺作家在内的民间社会人士）。委托和指导合成媒体创作的人也属于这一类别。鉴于内容创作工具日益民主化的特性，任何人都可以成为创作者，并有机会让他们的内容接触到广泛的受众。因此，这些利益相关者的例子只是说明性的，但并不详尽。
Gen AI（课程）.cdr -Hyderabad
生成的AI，该技术使计算机可以利用其创造力。这就像教电脑绘画，创作音乐或写故事一样，都是通过从那里已经学习的。在本课程中，您将探讨神经网络，gans（生成对抗网络）和其他高级技术的内部工作。无论您是一位有抱负的艺术家，想要推动界限，想要创作开创性音乐的音乐家，还是对创新充满热情的开发人员，本课程都将使您具备使自己的想法栩栩如生的技能。加入我们，踏上AI未来的激动人心的旅程！
IMAGINE：人工智能的集成模型
人工智能 (AI) 正在改变所有知识和生产领域。从手术、自动驾驶到图像和视频创作，AI 似乎使迄今为止难以想象的自动化和高效创作过程成为可能。媒体和通信也不例外，我们目前正在见证强大的 AI 工具的出现，这些工具能够通过简单的关键字创建艺术图像，或通过面部表情捕捉情绪。这些示例可能只是未来自动 AI 实时创作媒体内容的引擎的开始，这些媒体内容与个人的情绪和行为反应相关。虽然我们似乎还远未实现这一目标，但现在是时候将我们的媒体理论应用于假设场景了，在该场景中，内容制作可以在没有人为干预的情况下完成，并由个人对媒体内容接触的任何反应进行控制。随后，我提出了人工智能介导的传播效果综合模型（IMAGINE）的定义，以及它对我们理解媒体演变（Scolari，2012）和思考媒体效果（Potter，2010）的方式的影响。提出的概念框架旨在帮助学者在人工智能测量人们对媒体的反应与人工智能创作内容之间持续实时连接的场景中进行理论化和研究，目的是优化和最大化影响过程。以准社会互动和实时美化为例，对 IMAGINE 过程的运作进行建模。